Part 4 :

ARSITEKTUR JARINGAN
DALAM RUANG LINGKUP JST
Arsitektur Jaringan
Pada JST, neuron-neoron dikumpulkan dalam
lapisan-lapisan (layer) yg disebut dgn lapisan
neuron (neuron layers).
Neuron-neuron pd satu lapisan akan
dihubungkan dengan lapisan –lapisan sebelum
dan sesudahnya
Informasi yg diberikan pd jaringan syaraf akan
dirambatkan lapisan ke lapisan, mulai dari
lapisan input sampai ke lapisan output melalui
lapisan tersembunyi (hidden layer) bila ada.
Ada beberapa arsitektur jaringan
syaraf :
Jaringan dengan lapisan tunggal (single
layer net)
Jaringan dengan banyak lapisan (multi
layer net)
Jaringan dengan lapisan kompetitif
(kompetitive net)
Single Layer Net
Hanya memiliki satu lapisan dengan bobot-
bobot terhubung
Jaringan ini hanya menerima input kemudian
secara langsung mengolahnya menjadi output
tanpa harus melalui lapisan tersembunyi
Seberapa besar hubungan antara 2 neuron
ditentukan oleh bobot yg bersesuaian
Semua unit input dihubungkan dgn unit
output
Single Layer Net
MultiLayer Net
Memiliki 1 atau lebih lapisan yg terletak
di antara lapisan input dan lapisan output
Ada lapisan bobot yg terletak di antara 2
lapisan yg bersebelahan
Jaringan dgn banyak lapisan ini dapat
menyelesaikan permasalahan yg lebih
sulit dari pada lapisan tunggal, tentu saja
dgn pembelajaran yg lebih rumit.
MultiLayer Net
Competitive Net
Sekumpulan neuron bersaing untuk
mendapatkan hak menjadi aktif
Nilai bobot setiap neuron untuk dirinya
sendiri adalah 1, sedangkan neuron
lainnya bernilai acak negatif
Paradigma Pembelajaran
Pembelajaran jaringan syaraf tiruan dibagi
dua yakni :
- Pembelajaran terawasi (supervised
learning), contoh : Hebb,Perceptron,
Backpropagation.
- Pembelajaran tidak terawasi (unsupervised
learning), contoh Linear Vector
Quantization (LVQ).