Bio Inspired
Computing
Team Teaching Teknologi AI
Universitas Gunadarma @ 2021 :
1. Dr. Mohammad Iqbal
2. Dr. Nur Sultan Salahuddin
3. Dr. Raden Supriyanto
4. Dr. Sunny Arief
5. Dr. Lily Wulandari
6. Ike Putri Kusumawijaya, ST, MMSI
Agenda
01 JST
• Salah satu representasi buatan dari otak manusia yang
selalu mencoba untuk mensimulasikan proses
pembelajaran pada otak manusia tersebut.
Beberapa Istilah :
Sel neuron
Sel input
Sel dummy/
ANN sel tiruan X0
output
sinapsis
Bias
JST, Artificial Neural Network - Arsitektur
• Fungsi Bipolar
• Hampir sama dengan fungsi undak biner, hanya saja output yang
dihasilkan berupa1, 0 atau-1
JST, Artificial Neural Network – Fungsi Aktivasi
• FungsiLinear (identitas)
• Fungsi linear memiliki nilai output yang sama dengan nilai input
• Dirumuskan: y= x
JST, Artificial Neural Network – Fungsi Aktivasi
Strategi Pembelajaran
Strategi Pembelajaran
Supervised
•ADALINE UnSupervised
•Cascade Corellation •ART
•Hopfield •Hopfield
•MLFF with BP •LVQ
•RBF •Neocognitron
•RCN •SOFM
•Bolzmant
•GRNN
•LVQ
•PNN
3
•RNN
JST, Artificial Neural Network – Summary
Type Pembelajaran
1
JST, Artificial Neural Network – Summary
Pengelompokan type network berdasar Type Aplikasi
Type Aplikasi
0
JST, Artificial Neural Network
4
JST, Artificial Neural Network - HW
3
JST, Artificial Neural Network - HW
2
JST, Artificial Neural Network - Cogniblox
1
JST, Artificial Neural Network - Cogniblox
0
Kecerdasan Artifisial
Pengkodean
Pengkodean adalah suatu teknik untuk menyatakan
populasi awal sebagai calon solusi suatu masalah ke
dalam suatu kromosom sebagai suatu kunci pokok
persoalan ketika menggunakan algoritma genetika.
Operator Genetika
OperatorGenetika digunakan setelah proses evaluasi
tahap pertama untuk membentuk suatu populasi baru
dari generasi sekarang. Operator-operator tersebut
adalah operator seleksi, crossover, dan mutasi.
Genetic Algorithm – Siklus Algoritme
Genetic Algorithm – Definisi Individu
Dari gambar terlihat bahwa penyelesaian berada pada nilai 0<x<1.
Jadi dengan menggunakan 8 bit biner didefinisikan:
Kromosom 1
Kromosom 2
• Kelebihan
– Cepat dan kebutuhan memory sedikit kemudian pencarian pada
ruang yang luas.
– Mudah, jika kandidat dan fungsi fitness benar, solusi dapat
diperoleh tanpa kerja analitis eksplisit.
• Cons
– Random– tidak optimal meski terselesaikan.
– Dapat terhenti, crossover dapat mengatasi hal
– Dapat menjadi pekerjaan yang berat untuk menyelesaikan
representasi kandidat sebagai deretan bit.
Genetic Algorithm – Pengertian
http://ti.arc.nasa.gov/projects/esg/research/antenna.htm
Genetic Algorithm – Implementation
ST5 Antenna
• Memerlukan daya yang lebih sedikit dibandingkan antena
standar.
• Tidak memerlukan pencocokan jaringan ataupun rangkaian
phassing, memerlukan dua tahap lebih sedikit design dan
fabrikasi.
• Lebih uniform kover areanya, daripada antena standar
sehingga kinerja lebih reliable.
• Siklus rancangan singkat – 3 orang bulan tahap fabrikasi
purwarupa, dibandingkan dengan 5 orang bulan untuk
metode konvensional.
Genetic Algorithm – Implementation
http://rogeralsing.com/2008/12/07/genetic-programming-evolution-of-mona-lisa/ 65
Genetic Algorithm – Implementation
66
Kecerdasan Artifisial