SHINDU RAMANDITA

Berpacu menjadi yang terbaik

Artificial Neural Network, Formula dan Gambar beserta produknya

diposting oleh shinduramandita-fst09 pada 26 March 2012
di Kuliah - 0 komentar

 

Pada dasarnya, jaringan syaraf tiruan adalah suatu sistem. Sebuah sistem adalah struktur yang menerima input, memproses data, dan menyediakan output. Umumnya, masukan terdiri dalam array data yang bisa apa saja seperti data dari file gambar, suara WAVE atau jenis data yang dapat diwakili dalam array. Setelah masukan disajikan ke jaringan saraf, dan sesuai yang diinginkan atau respon target ditetapkan pada output, kesalahan terdiri dari perbedaan respon yang diinginkan dan output sistem nyata.

Informasi kesalahan diumpankan kembali ke sistem yang membuat semua penyesuaian parameter mereka secara sistematis (umumnya dikenal sebagai aturan belajar). Proses ini diulang sampai output yang diinginkan dapat diterima. Hal ini penting untuk melihat bahwa kinerja sangat bergantung pada data. Oleh karena itu, ini adalah mengapa data ini harus pra-proses dengan algoritma pihak ketiga seperti algoritma DSP.

Dalam desain jaringan saraf, insinyur atau desainer memilih topologi jaringan, fungsi pemicu atau fungsi kinerja, aturan pembelajaran dan kriteria untuk menghentikan fase pelatihan. Jadi, cukup sulit menentukan ukuran dan parameter jaringan karena tidak ada aturan atau formula untuk melakukannya. Yang terbaik bisa kita lakukan untuk mengalami kesuksesan dengan desain kami adalah bermain dengan itu. Masalah dengan metode ini adalah ketika sistem tidak bekerja dengan benar sulit untuk memperbaiki solusi. Meskipun masalah ini, jaringan saraf berdasarkan solusi sangat efisien dalam hal pengembangan, waktu dan sumber daya. Dengan pengalaman, saya dapat memberitahu bahwa jaringan syaraf tiruan memberikan solusi nyata yang sulit untuk mencocokkan dengan teknologi lainnya.

Lima belas tahun yang lalu, Denker berkata: "jaringan saraf tiruan adalah cara terbaik kedua untuk menerapkan solusi" ini termotivasi oleh, desain kesederhanaan mereka dan universalitas. Saat ini, teknologi jaringan saraf yang muncul sebagai pilihan teknologi untuk banyak aplikasi, seperti pengakuan rintik, prediksi, identifikasi sistem dan kontrol.

Berikut ini adalah model dari formula yang digunakan pada pemprograman non linier ANN

 

BEBERAPA PRODUK DARI ANN
Gambar ini menunjukkan screenshot dari produk software yang dikembangkan oleh siswa dua Guru di ISD. Produk ini menggunakan jaringan syaraf tiruan untuk mendiagnosa penyakit Alzheimer berdasarkan scan gambar dari otak. Tujuannya produk adalah untuk membantu dokter mendiagnosa penyakit dan memulai pengobatan pada tahap awal.

Gambar ini menunjukkan tangan bergerak. Dalam tesis seorang Guru ISD ini, gerakan terdeteksi sebagai perbedaan warna dan pola vektor gerak ini kemudian ditafsirkan sebagai isyarat menggunakan mesin negara yang terbatas. Pengakuan gerakan tersebut dapat digunakan misalnya untuk mengarahkan robot, mengendalikan stereo mobil atau presentasi slide.

Sumber:
http://www.init.ituniv.se/program/isd/index.html
http://www.learnartificialneuralnetworks.com/#Intro

Tinggalkan Komentar

Nama :
E-mail :
Web : tanpa http://
Komentar :
Verification Code :   ">