Download - 11 Jaringan Syaraf Tiruan
-
5/26/2018 11 Jaringan Syaraf Tiruan
1/29
Pengantar Kecerdasan Buatan (AK045218)
Jaringan Syaraf Tiruan1 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
2/29
Jaringan Syaraf Tiruan
Pendahuluan
Otak Manusia
Sejarah
Komponen Jaringan SyarafArisitektur Jaringan Fungsi
Aktivasi
Proses Pembelajaran
Pembelajaran TeraasiJaringan Kohonen
-
5/26/2018 11 Jaringan Syaraf Tiruan
3/29
Pengantar Kecerdasan Buatan (AK045218)
P!"#A$%&%A"' Jaringan Syaraf Tiruan adalah(
merupakan salah satu representasi
buatan dari otak manusia yangselalu men)oba untuk
mensimulasikan proses
pembelajaran pada otak manusia
tersebut* +stilah buatan digunakankarena jaringan syaraf ini
diimplementasikan dengan
menggunakan program komputer
yang mampu menyelesaikansejumlah proses perhitungan
selama proses pembelajaranJaringan Syaraf Tiruan3 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
4/29
Pengantar Kecerdasan Buatan (AK045218)
OTAK MA"%S+A' Otak manusia berisi berjuta,
juta sel syaraf yang bertugas
untuk memproses informasi*
' Setiap sel syaraf -neuron. akan
memiliki satu inti sel/ inti sel iniyang akan bertugas untuk
melakukan pemrosesan
informasi*
Jaringan Syaraf Tiruan4 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
5/29
Pengantar Kecerdasan Buatan (AK045218)
S!JA0A$' Tahun 1234,an/ para ilmuan
menemukan baha psikologi
otak sama dengan modepemrosesan yang dilakukanoleh komputer
' Tahun 1235/ M)6ullo)h dan
Pitts meran)ang model formalyang pertama kali sebagaiperhitungan dasar neuron
' Tahun 1273/ Farley dan 6larkmensetup model,model untukrelasi adaptif stimulus,respon
Jaringan Syaraf Tiruan5 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
6/29
Pengantar Kecerdasan Buatan (AK045218)
dalam jaringan random
Jaringan Syaraf Tiruan /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
7/29
Pengantar Kecerdasan Buatan (AK045218)
' Tahun 1278/ 0osenblatt
mengembangkan konsepdasar tentang per)eption untukklasifikasi pola
' Tahun 1294/ :idro dan $offmengembangkan A#A&+"!yang dilatih denganpembelajaran Least MeanSquare -&MS.
' Tahun 12;3/ :erbosmemperkenalkan algoritmabackpropagation
' Tahun 12;7/ &ittle dan Shamenggambarkan jaringansyaraf dengan probabilistik
Jaringan Syaraf Tiruan! /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
8/29
Pengantar Kecerdasan Buatan (AK045218)
' Tahun 128AM.
' Tahun 1288/ dikembangkan fungsi
Jaringan Syaraf Tiruan8 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
9/29
Pengantar Kecerdasan Buatan (AK045218)
radial bebas
Jaringan Syaraf Tiruan" /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
10/29
Pengantar Kecerdasan Buatan (AK045218)
KOMPO"!" JA0+"=A"S@A0AF
' "euron/ sel syaraf yang akan
mentransformasikan informasi yangditerima melalui sambungan
keluarnya menuju neuron,neuron
yang lain*
' Pada jaringan syaraf/ hubunganantar neuron,neuron dikenal
dengan nama bobot*
Jaringan Syaraf Tiruan10 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
11/29
Pengantar Kecerdasan Buatan (AK045218)
' Pada jaringan syaraf/ neuron,
neuron akan dikumpulkan dalamlapisan,lapisan -layer. yang disebutdengan lapisan neuron (neuronlayers)
' +nformasi yang diberikan padajaringan syaraf akan dirambatkanlapisan ke lapisan/ mulai darilapisan input sampai ke lapisanoutput melalui lapisan yang
lainnya/ yang dikenal denganlapisan tersembunyi (hidden layer),tergantung pada algoritmapembelajarannya/ bisa jadiinformasi tersebut akandirambatkan se)ara mundur padajaringan*
Jaringan Syaraf Tiruan11 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
12/29
Pengantar Kecerdasan Buatan (AK045218)
Arsitektur Jaringan' Faktor terpenting untuk
menentukan kelakuan suatu
neuron adalah fungsi aktivasi dan
pola bobotnya*' Ada beberapa arsitektur jaringan
syaraf/ antara lain (
a* Jaringan dengan lapisan tunggal
(single layer net)
$anya memiliki satu lapisan dengan
bobot,bobot terhubung
Jaringan ini hanya menerima input
kemudian se)ara langsung akan
mengolahnya menjadi output tanpa
harus melalui lapisan tersembunyi*Jaringan Syaraf Tiruan12 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
13/29
Pengantar Kecerdasan Buatan (AK045218)
b* Jaringan dengan banyak lapisan(multilayer net)
, Memiliki 1 atau lebih lapisan yang
terletak diantara lapisan input dan
lapisan output
, Ada lapisan yang berbobot yang
terletak antara < lapisan yang
bersebelahanJaringan Syaraf Tiruan13 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
14/29
Pengantar Kecerdasan Buatan (AK045218)
' Jaringan dengan lapisankompetitif (compotitive layer
net)Jaringan Syaraf Tiruan14 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
15/29
Pengantar Kecerdasan Buatan (AK045218)
, $ubungan antar neuron padalapisan kompetitif tidakdiperlihatkan pada diagram
arsitektur
1
, B 1A
1
A
m
, B
, B
, B
Jaringan Syaraf Tiruan15 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
16/29
Pengantar Kecerdasan Buatan (AK045218)
Ai, B
1
Aj1
Jaringan Syaraf Tiruan1 /25
-
5/26/2018 11 Jaringan Syaraf Tiruan
17/29
Fungsi Aktivasia* Fungsi %ndak >iner (Hard
Limit)
Jaringan dengan lapisantunggal sering menggunakan
fungsi undak untuk
menkonversi input dari suatuvariabel yang bernilai kontinu
ke suatu output biner
Fungsi hard limit dirumuskan
4/ jika C D 4@ E 1/ jika C 4
-
5/26/2018 11 Jaringan Syaraf Tiruan
18/29
b* Fungsi %ndak >iner (hreshold)Fungsi undak biner denganmenggunakan nilai ambangsering disebut fungsi nilaiambang atau fungsi $eaviside*
#irumuskan (
4/ jika C G H
@ E
1/ jika C I H
)* Fungsi >ipolar$ampir sama dengna fungsiundak biner/ hanya saja output
yang dihasilkan berupa 1/ 4 atau,1
-
5/26/2018 11 Jaringan Syaraf Tiruan
19/29
Fungsi Symetric Hard Limitdirumuskan sebagai (
1/ jik C 4
@ E 4/ jik C E 4
,1/ jik C G 4
d* Fungsi >ipolar -denganhreshold.
Fungsi yang menghasilkan
output berupa 1/ 4 atau ,1
1/ jika C I H@ E
,1/ jika C G H
-
5/26/2018 11 Jaringan Syaraf Tiruan
20/29
e* Fungsi &inear -identitas.Fungsi linear memiliki nilaioutput yang sama dengannilai input
#irumuskan ( y E Cf* Fungsi Sturating &inear
Fungsi ini akan bernilai 4 jikainputnya kurang dari ,/ dan
akan bernilai 1 jika inputnyalebih dari * Sedangkan jikanilai input terletak antara ,dan / maka outputnya akan
bernilai sama dengan nilaiinput ditambah *
-
5/26/2018 11 Jaringan Syaraf Tiruan
21/29
Fungsi saturating lineardirumuskan(
1 jika C I 4
@ E
C L 4/7jika ,4/7 D C D 4/7
4 jika C D 4
g* Fungs Symetric Saturating
Linear ini akan bernilai ,1inputnya kurang dari ,1*Sedangkan jika nilai input
terletak antara ,1 dan 1/maka outputnya akan bernilaisama dengan nilai inputnya*
-
5/26/2018 11 Jaringan Syaraf Tiruan
22/29
Fungsi Symetri) Saturating&inear dirumuskan (
1 jika C I 1
@ E
C jika ,1 D C D 1
,1 jika C D ,1
h* Fungsi Sigmoid >iner#igunakan untuk jaringan
syaraf yang dilatih dengan
menggunakan metode
backpropagation* Memilikinilai pada range 4 sampai 1*
-
5/26/2018 11 Jaringan Syaraf Tiruan
23/29
Fungsi sigmoid biner
dirumuskan (1
y E f-C. E ,,,,,,,,,,,,,
-1 L e C.i* Fungsi Sigmoid >ipolar
, Output dari fungsi ini
memiliki range antara 1sampai ,1
Fungsinya dirumuskan (
1 , e ,C
y E f-C. E ,,,,,,,,,,,,,
-1 L e ,C.
-
5/26/2018 11 Jaringan Syaraf Tiruan
24/29
Proses Pembelajarana* Pembelajaran Teraasi
-supervised learning.
Metode pembelajaran padajaringan syaraf disebut teraasijika output yang diharapkan telahdiketahui sebelumnya*
b* Pembelajaran Tak Teraasi
-unsupervised learning.Pada metode pembelajaran takteraasi ini tidak memerlukantarget output* Tujuan metode ini
adalah pengelompokan unit,unityang hampir sama dalam suatuarea tertentu*
-
5/26/2018 11 Jaringan Syaraf Tiruan
25/29
Pembelajaran Teraasi1* $ebb 0ule
Metode pembelajaran yang
paling sederhana/pembelajaran dilakukandengan )ara memperbaikinilai bobot sedemikian rupa
sehingga jika ada < neuronyang terhubung dankeduanya dalam kondisi Nonpada saat yang sama/ maka
bobot antara keduanyadinaikkan
-
5/26/2018 11 Jaringan Syaraf Tiruan
26/29
iasanya digunakan untukmengklasifikasikan suatu tipepola tertentu yang seringdikenal dengan pemisahanse)ara linear*
Algoritma yang digunakanakan mengatur parameter,
parameter bebasnya melaluiproses pembelajaran
5* #elta 0ule
Mengubah bobot yangmenghubungkan antarajaringan input ke unit outputdengan nilai target*
-
5/26/2018 11 Jaringan Syaraf Tiruan
27/29
3* >a)kpropagationAlgoritma pembelajaran yangteraasi dan biasanyadigunakan oleh per)eptiondengan banyak lapisan untukmengubah bobt,bobot yangterhubung dengan neuron,neuron yang ada padalapisan tersembunyi
7* $etroasso)iative Memory
Jaringan yang bobot,bobotnya ditentukan
sedemikian rupa sehinggajaringan tersebut dapatmenyimapan kumpulan pola*
-
5/26/2018 11 Jaringan Syaraf Tiruan
28/29
9* >idire)tional Asso)iative MemoryModel jaringan syaraf yangmemiliki < lapisan dan terhubungpenuh dari satu lapisan kelapisan lainnya* Pada jaringan inidimungkinkan adanya hubungantimbal balik antara lapisan inputdan lapisan output*
;* &earning ve)tor uanti?ation
Suatu metode untuk melakukanpembelajaran pada lapisankompetitif yang teraasi* Suatulapisan kompetitif akan se)araotomatis belajar untukmengklasifikasikan vektor,vektorinput* Kelas,kelas yangdidapatkan sebagai hasil hanyatergantung pada jarak antara
vektor,vektor input
-
5/26/2018 11 Jaringan Syaraf Tiruan
29/29
Pembelajaran TakTeraasi -Jaringan
Kohonen.
' Jaringan kohonen pertama kalidiperkenalkan oleh Prf* TeuvoKohonen tahun 128