Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

HO-1 KTB401 Kecerdasan Buatan Opim S Sitompul. Intelligent Systems Intelligent Systems dapat dibangun dari basis pengetahuan deklaratif eksplisit yang.

Presentasi serupa


Presentasi berjudul: "HO-1 KTB401 Kecerdasan Buatan Opim S Sitompul. Intelligent Systems Intelligent Systems dapat dibangun dari basis pengetahuan deklaratif eksplisit yang."— Transcript presentasi:

1 HO-1 KTB401 Kecerdasan Buatan Opim S Sitompul

2 Intelligent Systems Intelligent Systems dapat dibangun dari basis pengetahuan deklaratif eksplisit yang kemudian dioperasikan oleh mekanisme reasoning formal dan umum. Knowledge representation dan reasoning (studi tentang cara-cara formal untuk mengekstraksi informasi dari pengetahuan yang direpresentasikan secara simbolik) adalah sangat penting dalam studi AI. 2

3 Hubungan AI – Intelligent Systems Berkonsentrasi pada knowledge representation dan reasoning sebagai tema dari sebarang sistem yang merefleksikan kecerdasan Sistem dapat berperilaku cerdas apabila memiliki: mekanisme formal untuk merepresentasikan pengetahuan menerapkan teknik-teknik inferensi yang memodelkan sistem-sistem berbasis komputasi dan konvensional. 3

4 Expert Systems Untuk membuat sebuah program yang cerdas, berikan padanya banyak pengetahuan spesifik dan berkualitas tinggi tentang bidang permasalahan. Proses membangun expert system disebut knowledge engineering. Interaksi antara knowledge engineer dan satu atau lebih pakar manusia dalam satu bidang masalah tertentu. Knowledge engineer mengekstraksi dari pakar manusia itu prosedur, strategi, dan rule of thumb untuk penyelesaian masalah dan mengubahnya menjadi expert systems. 4

5 Fuzzy Systems Teknik analisis sistem tradisional terlalu teliti untuk kebanyakan masalah dunia nyata yang kompleks. Fuzzy Logic ( ) oleh L. A. Zadeh: Fuzzy multistage decision making Fuzzy similiarity relations Fuzzy restrictions Linguistic hedges 5

6 S. Assilian dan E.H. Mamdani (UK, 1974) Fuzzy Logic Controller – mengendalikan steam generator E.H. Mamdani dan N. Baaklini (1975) Fuzzy control rules dapat diatur secara otomatis dengan strategi fuzzy linguistic adaptive. Blue Circle Cement and Sira (Denmark, 1976) Aplikasi industri pertama dari fuzzy logic: cement kiln controller yang menyertakan ‘know-how’ dari operator berpengalaman untuk meningkatkan efisiensi clinker melalui butiran-butiran yang lebih halus. 6

7 Fuji Electric (Japan, 1985) Sistem pemurnian air – general purpose fuzzy- logic controller bernama FRUITAX. Matsushita Electrical Industrial Co (1990) Fuzzy controlled automatic washing machine bernama ‘Asai go Day Fuzzy’ 7

8 Artificial Neural Network McCulloch and Pitts Model formal pertama dari sebuah neuron komputasi elementer Menyertakan semua elemen perlu yang dibutuhkan untuk melaksanakan operasi-operasi logik dan berfungsi sebagai elemen komputasi arithmetic-logic. Donald Hebb Skema pembelajaran untuk meng-update koneksi-koneksi neuron disebut Hebbian learning rule. 8

9 Selama tahun 1950an dibangun dan diuji neurocomputer pertama. Frank Rosenblatt (1958) menemukan elemen seperti neuron pertama yang disebut perceptron. Sebuah mesin yang dapat dilatih untuk mampu belajar mengklasifikasikan pola-pola tertentu dengan memodifikasi koneksi diantara elemen- elemen ambang. 9

10 Bernard Widrow and Marcian Hoff (1960) Memperkenalkan ADALINE, learning rule yang disebut Widrow- Hoff learning rule. Aturan tersebut meminimalkan error jumlah kuadrat sewaktu prooses training melibatkan klasifikasi pola. Aplikasi ADALINE dan MADALINE diantaranya: Pattern recognition, Weather forecasting, Adaptive control Sun-Ichi Amari Unsupervised learning network Paul Werbos (1974) New training scheme of layered networks Bryson and Kelley Multilayer feed-forward systems 10

11 Genetic Algorithm dan Evolutionary programming Evolusi dapat digunakan sebagai sebuah alat optimisasi untuk masalah-masalah keteknikan. Konsepnya adalah membangun sebuah populasi kandidat penyelesaian untuk satu masalah menggunakan operator-operator yang terinspirasi oleh variasi genetika alam dan seleksi alam. Rechenberg (1960an) memperkenalkan ‘strategi evolusi’ Metode untuk mengoptimisasi parameter-parameter bernilai real untuk peralatan seperti airfoils. Fogel, Owen and Walsh mengembangkan teknik evolutionary programming Kandidat penyelesaian untuk satu tugas tertentu disajikan sebagai finite- state machine yang dibangun dengan memutasikan state transition diagram secara acak dan memilih yang paling fit. Strategi evolusi, evolutionary algorithm dan genetic algorithm merupakan tulang punggung bidang komputasi evolusioner. 11

12 Genetic algorithm ditemukan oleh John Holland dkk (1960an) di University of Michigan. Berbeda dengan strategi evolusi dan evolutionary programming, tujuan semula Holland bukanlah mendesain algoritma untuk menyelesaikan masalah tertentu. Tetapi mempelajari fenomena adaptasi yang terjadi di alam dan mengembangkan cara dimana mekanisme adaptasi alamiah boleh digunakan ke dalam sistem komputer. Sasaan GA Holland adalah sebuah metode berpindah dari satu populasi kromosom ke sebuah populasi baru dengan menggunakan sejenis seleksi alam beserta operator-operator genetika seperti crossover, mutasi, dan inversi. 12

13 Swarm Intelligent Systems Ada dua metode populer yang terinspirasi dari swarm: Ant colony optimization (ACO) Particle swarm optimization (PSO) AC O terinspirasi dari perilaku semut (ants) dan diaplikasikan pada masalah optimisasi diskrit. ACO ditemukan oleh ilmuan Itali bernama Marco Dorigo. PSO adalah teknik optimisasi stokastik berbasis populasi PSO dikembangkan oleh Dr Eberhart dan Dr Kennedy (1995) yang terinspirasi oleh perilaku sosial gerombolan burung atau sekelompok ikan. 13

14 Swarm intelligence adalah spesialisasi dalam bidang self-organizing system (adaptasi). Cara kerja: Misalkan rute segerombolan semut terblok. Gerombolan ini mencari rute terpendek baru (ciri robustness) Semut-semut ini dapat ditambah atau dikeluarkan tanpa mengganggu sistem secara total disebabkan sifat alamiah terdistribusinya. Jenis adaptasi dari sebuah sistem ini adalah reliable. 14

15 Peranan Intelligent Systems Manusia memiliki kemampuan untuk menyimpan dan mengeluarkan informasi dalam jumlah yang sangat besar secara efisien yang memungkinkannya: menyelesaikan masalah-masalah kompleks, mencapai keputusan, dan menghubungkan pemikiran dan ide-nya dengan cara yang non-linier dan asosiatif. 15

16 Untuk menjadi cerdas, sistem komputer hendaklah memiliki subset dari: Perilaku logis Kemampuan menyelesaikan masalah kompleks Sifat alamiah responsif dan adaptif Kemampuan memberikan navigasi program non- linier Cara efektif menggunakan informasi yang ada Ramah-pengguna dan sangat interaktif Kehandalan 16


Download ppt "HO-1 KTB401 Kecerdasan Buatan Opim S Sitompul. Intelligent Systems Intelligent Systems dapat dibangun dari basis pengetahuan deklaratif eksplisit yang."

Presentasi serupa


Iklan oleh Google