1 / 23

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

xander-powers
Télécharger la présentation

Pertemuan 10 Neural Network

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

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

  2. 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

  3. Susunan syaraf manusia • Neuron • Dendrit • Axon • Synapsis

  4. 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

  5. 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

  6. 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

  7. 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

  8. 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

  9. 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

  10. Jaringan syaraf dengan 3 lapisan

  11. 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

  12. a. Single Layer net

  13. b. Multiple Layer Net

  14. c. Competitive layer net

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

  16. a. Hard Limit

  17. B. THRESHOLD

  18. c. Symetric Hard Limit

  19. d. Bipolar Threshold

  20. e. Fungsi Linier y = x

  21. f. Saturating Linier

  22. g. Simetric Saturating Linier

More Related