paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi Komponen jaringan syaraf
Multilayer Net Competitive Layer Net Single Layer Net Jaringan dengan lapisan tunggal hanya memiliki satulapisan dengan bobot-bobot terhubung. Jaringan ini hanya menerimain put kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi. Dengan kata lain, ciri-ciri dari arsitektur syaraf dengan lapisan tunggal adalah hanya terdiri dari satu lapisan input dan satu lapisan output, tanpa lapisan tersembunyi. Multi Layer Net Jaringan dengan banyak lapisan memiliki satu atau lebih lapisan yang terletak di antara lapisan input dan lapisan output (memiliki satu atau lebih lapisan tersembunyi). Umumnya, ada lapisan bobotbobot yang terletak di antara 2 lapisan yang bersebelahan. Jaringan dengan bany ak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit dari pada jaringan dengan lapisan tunggal, tentu saja dengan pembelajaran yang lebih rumit. Competitive Layer Net Arsitektur ini memiliki bentuk berbeda dari kedua arsitektur lainnya, di mana antar neuron saling dihubungk an. Jaringan ini sering disebut feedback loop karena unit output ada yang memberikan informasi terhadap unit masukan. Fungsi Aktivasi
Fuzzy Undak Biner
Fuzzy Bipolar Fuzzy Linear Fuzzy Saturating Linear Fuzzy Symetric Saturating Linear Fuzzy Sigmoid Biner Fuzzy sigmoid Bipolar Algoritma Pembelajaran
Supervised Learning (metode pembelajaran
terawasi) Unsupervised Learning (metode pembelajaran tak terawasi)
Tujuan : untuk melakukan pengaturan
terhadap bobotbobot yang sesuai dengan pola data yang dilatih. Supervised Learning Metode pembelajaran pada jaringan syaraf disebut terawasi jika output yang diharapkan telah diketahui sebelumnya. Misalkan jaringan syaraf akan digunakan untuk mengenali pasangan pola, misalkan pada sebuah operasi logika matematika AND. Pada proses pembelajaran, satu pola input akan diberikanke satu neuron pada lapisan input. Pola ini akan dirambatkan ke sepanjang jaringan syaraf hingga sampai ke neuron pada lapisan output. Lapisan output ini akan membangkitkan pola output yang nantinya akan dicocokkan dengan pola output targetnya. Apabila terjadi perbedaan antara pola output hasil pembelajaran dengan pola target, maka akan muncul error. Apabila nilai error ini masih cukup besar, berarti perlu dilakukan lebih banyak pembelajaran lagi. Model-model pembelajaran yang menggunakan supervised learning di antaranya adalah Backpropagation, Bidirective Associative Memory (BAM), dan Hopfield Unsupervised Learning Metode pembelajaran yang tak terawasi tidak memerlukan target output. Pada metode ini, tidak dapat ditentukan hasil yang sep erti apakah yang diharapkan selama proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu range tertentu tergantung pada nilai input yang di berikan. Tujuan pembelajaran ini adalah mengelompokkan unitunit yang hampir sama dalam suatu area tertentu . Pembelajaran ini biasanya sangat cocok untuk pengelompokan (klasifikasi) pola. Model-model pembelajaran yang menggunakan unsupervised learning di antaranya adalah Adaptive Resonance Theory (ART) dan Competitive. Algoritma Hebb
Pembelajaran dilakukan dengan cara memperbaiki
nilai bobot sedemikian rupa sehingga jika ada 2 neuron yang terhubung dan keduanya pada kondisi hidup pada saat yang Sama, maka bobot antara keduanya dinaikkan. Algoritma Perceptron
Proses pembelajaran untuk mendapatkan bobot-
bobot akhir dilakukan secara berulang sampai sudah tidak terjadi kesalahan (error) yang terjadi (output jaringan memiliki nilai yang sama dengan target yang diharapkan). Apabila proses pembelajaran dilakukan sampai berulang- ulang namun masih terjadi kesalahan, maka proses pembelajaran harus dihentikan. Algoritma Backpropagation
Backpropagation merupakan salah satu bagian
dari Neural Network. Backpropagation merupakan metode pelatihan terawasi (supervised learning), dalam artian mempunyai target yang akan dicari. ciri dari Backpropagation adalah meminimalkan error pada output yang dihasilkan oleh jaringan. dalam metode backpropagation, biasanya digunakan jaringan multilayer. Algoritma Perceptron Proses pembelajaran untuk mendapatkan bobot- bobot akhir dilakukan secara berulang sampai sudah tidak terjadi kesalahan (error) yang terjadi (output jaringan memiliki nilai yang sama dengan target yang diharapkan). Apabila proses pembelajaran dilakukan sampai berulang- ulang namun masih terjadi kesalahan, maka proses pembelajaran harus dihentikan Terimakasih