Share Knowledge: Neural Networks

Jaringan syaraf tiruan adalah sebuah sistem pemrosesan informasi yang memiliki karakteristik tertentu seperti terdapat dalam jaringan syaraf biologis.

Tujuan pengembangan NNs adalah untuk membuat replikasi sistem syaraf biologis otak manusia yang lebih ditekankan pada pengembangan sistem komputasi yang mampu berperilaku seperti jaringan syaraf manusia.

Sebuah NNs melakukan pembelajaran untuk kemampuan klasifikasi, simulasi dan prediksi dari proses genarate data. Artificial Neural Networks (ANNs) adalah software alat design untuk memperkirakan hubungan dalam data. Secara umum ANNs berakar dalam pemahaman dalam otak manusia.

Sel syaraf yang disebut neuron secara garis besar terdiri dari : Badan sel, yang di dalamnya terdapat inti (nucleus) dan Benang-benang perpanjangan sel, yang terdiri dari atas satu akson dan beberapa dendrit. Pada saat neuron menerima sinyal informasi melalui dendrit atau hubungan lainnya, tegangan rehat akan terganggu.

oSinapsis adalah daerah sambungan khusus antar neuron.

Pemodelan Sel Syaraf

Pemodelan Sel syaraf dapat digunakan dengan dua cara yaitu : Pemodelan Fisik Jaringan Syaraf Tiruan dan Pemodelan Matematis Jaringan Syaraf Tiruan (JST)

Pemodelan sel syaraf merupakan hal yang sangat penting, model tersebut mewakili secara fisik dan matematis dari konsep dasar JST. Dari parameter-parameter dalam sistem syaraf biologis dapat dibentuk suatu model sel yang merupakan pembentukan uama JST.

Berdasarkan Jumlah Layernya JST dibedakan menjadi 2, yaitu :

1. Jaringan Lapis Tunggal

Jaringan yang paling sederhana terdiri dari sekelompok neuron yang tersusun dlm satu lapisan (Single layer)
Node padd bagian kiri hanya berfungsi untuk mendistribusikan input, dan tidak melakukan perhitungan shg tidak menghasilkan lapis.

2. Jaringan Lapis Jamak

Jaringan yang lebih rumit akan memiliki kemampuan yang lebih tinggi.
JST lapis jamak dapat dibuat jaringan dengan menyusun sekumpulan lapis tunggal.
Keluaran dari sebuah lapis akan menjadi input bagi lapis berikutnya.
Dengan jumlah fungsi aktivasi yang besar maka JST memiliki sifat kebal terhadap kesalahan (fault-tolerance)
Kerusakan pada sedikit atau sebagiankecil sel-sel dalam jaringan tidak akan banyak berpengaruh terhadap output.

Konsep Pemebelajaran JST

Kemampuan belajar merupakan karakteristik atau ciri utama yang dimiliki oleh JST.
Jaringan tidak diprogram seperti yang dilakukan pada sistem komputer umumnya, tetapi harus diajarkan / dilatih.
Cara belajar dari latihan yang diberikan menunjukkan kesamaan dengan intelektual manusia.

Materi lengkap bisa diunduh di :