Pertemuan 10 Neural Network KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) Pertemuan 10 Neural Network

Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut Buatan karena di implementasikan dengan program komputer

Susunan syaraf manusia Neuron Dendrit Axon Synapsis

Sejarah 1940 : llmuwan menemukan bahwa psikologi otak manusia sama dengan pemrosesan komputer 1943 : McCulloch dan Pitts merancang model pertama kali sebagai perhitungan dasar neuron 1949 : Hebb menyatakan bahwa informasi dapat disimpan dalam koneksi-koneksi dan mengusulkan adanya skema pembelajaran untuk memperbaiki koneksi-koneksi antar neuron tersebut

1954 : Farley dan Clark mensetup model-model untuk relasi adaptif stimulus-respon dalam jaringan random 1958 : Rosenblatt mengembangkan konsep dasar tentang perceptron untuk klasifikasi pola 1960 : Widrow dan Hoff mengembangkan ADALINE untuk kendali adaptip dan pencocokan pola yang dilatih dengan aturan pembelajaran Least Mean Square

1974 : Werbos memperkenalkan algoritma backpropagation untuk melatih perceptron dengan banyak lapisan 1975 : Little dan Shaw menggambarkan jaringan syaraf menggunakan model probalistik 1982 : KOhonen mengembangkan metode pembelajaran jaringan syaraf yang tidak terawasi (unsupervised learning) untuk pemetaan

1982 : Grosberg mengembangkan teori jaringan yang terinspirasi oleh perkembangan psikologi. Bersama Carpenter mereka mengenalkan sejumlah arsitektur jaringan, Adaptive Resonance Theory (ART), ART2 dan ART3 1982 : Hopfield mengembangkan jaringan syaraf recurrent yang dapat digunakan untuk menyimpan informasi dan optimasi

1985 : Algoritma pembelajaran dengan menggunakan mesin Boltzmann yang menggunakan model jaringan syaraf probabilistik mulai dikembangkan 1987 : kosko mengembangkan jaringan Adaptive Bidirectional Associative Memory (BAM) 1988 : mulai dikembangkan fungsi radial basis

KOmponen Jaringan Syaraf Jaringan syaraf terdiri atas beberapa neuron Ada hubungan antar neuron Neuron mentransformasikan informasi yg diterima melalui sambungan keluarnya menuju neuron-neuorn yg lain Pada jaringan syaraf hubungan ini dikenal dengan bobot

Jaringan syaraf dengan 3 lapisan

Arsitektur Jaringan Neuron-neuron dikelompokkan dalam lapisan-lapisan Neuron yang terletak pada lapisan yang sama akan memiliki keadaan yang sama Kelakuan neuorn ditentukan oleh fungsi aktivasi dan pola bobotnya

a. Single Layer net

b. Multiple Layer Net

c. Competitive layer net

Fungsi Aktivasi Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan

a. Hard Limit

B. THRESHOLD

c. Symetric Hard Limit

d. Bipolar Threshold

e. Fungsi Linier y = x

f. Saturating Linier

g. Simetric Saturating Linier