SHINDU RAMANDITA

Berpacu menjadi yang terbaik

Overview ANN (Jaringan Saraf Tiruan)

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

Minggu kedua pada kuliah sistem cerdas, pada kuliah ini dibahas mengenai ANN (Artificial Neural Network). Pertama kita akan membahas syaraf, syaraf adalah sebuah sel yang dimiliki manusia, berfungsi untuk menghantarkan sensor dan reflek (motor dan receiver) pada tubuh manusia, tahukah anda jika kecepatan komunikasi antar sel ini diketahui dapat melebihi kecepatan cahaya. Hal ini mematahkan teori fisika bahwa, “tidak ada kecepatan di muka bumi ini yang melebihi kecepatan cahaya”. Contoh jika anda tersengat tawon, anda tidak akan berpikir sejenak apa yang telah terjadi pada diri anda, tentu jika anda normal, sudah pasti anda akan berteriak dan kaget ketika si lebah menggigit anda. Sel otak pada manusia, diketahui adalah 10 pangkat 26 atau 10 pangkat 23, artinya manusia adalah makhluk yang cerdas, tidak ada manusia yang dilahirkan tidak cerdas.

Definisi cerdas, adalah mampu menjawab pertanyaan dengan baik, pertanyaan atau masalah yang dihadapinya dengan fundamental yang benar.

Mari kita membahas otak. Bagaimana otak bereaksi ketika sebuah masalah sedang dihadapi, melalui sebuah penelitian, diketahui bahwa ketika orang yang pintar sedang berpikir, maka dideteksi hanya 1 bagian di dalam otaknya yang bekerja, sedangkan sebaliknya, ketika sedang berpikir, ternyata seluruh bagian otaknya berkerja, artinya apa, seseorang yang hanya 1 bagian di dalam otaknya yang bekerja itu adalah sel sarafnya sangat terlatih, sehingga ketika data tersebut diperlukan, maka saraf memanggilnya dengan cepat data yang dibutuhkan (terlatih).

Apa itu? Dia adalah sebuah jaringan yang dibekali dengan intelegensi buatan, sehingga memungkinkan sistem tersebut mempunyai kemampuan menganalisa suatu data tertentu secara mandiri dan tepat. Ketika sebuah ANN diciptakan, akan perlu sebuah metode untuk membuat Neural itu memiliki kecerdasan yang diinginkan, dengan pembelajaran ini, nantinya akan membuat Neural tersebut dapat mengembangkan sendiri kemampuannya.

 

 


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.


Apakah yang dimaksud dengan ANN (Artifial Neural Network)?

Sebuah jaringan saraf tiruan (ANN) adalah sistem yang didasarkan pada operasi jaringan saraf biologis, dengan kata lain, adalah persaingan sistem syaraf biologis. Mengapa diperlukan penerapan jaringan syaraf buatan? Meskipun menghitung hari-hari ini benar-benar canggih, ada tugas-tugas tertentu bahwa sebuah program dibuat untuk mikroprosesor umum tidak dapat melakukan, bahkan sehingga implementasi perangkat lunak jaringan saraf dapat dibuat dengan kelebihan dan kekurangan.


Manfaat:

    Sebuah jaringan saraf dapat melakukan tugas-tugas yang program linier tidak bisa.
    Ketika sebuah elemen dari jaringan saraf gagal, ia dapat melanjutkan tanpa masalah oleh alam paralel mereka.
    Sebuah jaringan saraf belajar dan tidak perlu diprogram ulang.
    Hal ini dapat diimplementasikan dalam aplikasi apapun.
    Hal ini dapat diterapkan tanpa masalah.


Kekurangan:

    Jaringan saraf membutuhkan pelatihan untuk beroperasi.
    Arsitektur jaringan saraf berbeda dari arsitektur mikroprosesor karena itu perlu dicontoh.
    Membutuhkan waktu proses tinggi untuk jaringan saraf besar.

Aspek lain dari jaringan syaraf tiruan adalah bahwa ada arsitektur yang berbeda, yang akibatnya membutuhkan berbagai jenis algoritma, tetapi meskipun untuk menjadi sistem tampaknya kompleks, jaringan saraf adalah relatif sederhana.

Jaringan saraf tiruan adalah salah satu teknologi pengolahan sinyal terbaru saat ini. Bidang kerja sangat interdisipliner, tapi penjelasan saya akan memberikan di sini akan dibatasi pada segi teknis.

Dalam dunia teknik, jaringan saraf memiliki dua fungsi utama: pengklasifikasi Pola dan non filter adaptif linier. Seperti pendahulunya biologisnya, jaringan saraf tiruan adalah sistem adaptif. Dengan adaptif, berarti setiap parameter diubah selama operasi dan ini digunakan untuk memecahkan masalah dalam materi. Ini disebut fase pelatihan.

Sebuah jaringan syaraf tiruan yang dikembangkan dengan prosedur langkah-demi-langkah sistematis yang mengoptimalkan kriteria umum dikenal sebagai aturan belajar. Input / output data pelatihan merupakan dasar untuk jaringan ini karena menyampaikan informasi yang diperlukan untuk menemukan titik operasi optimal. Selain itu, sifat non linier membuat elemen jaringan proses syaraf sistem yang sangat fleksibel.

Tinggalkan Komentar

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