jst part1
TRANSCRIPT
66//1010//20132013
11
Jaringan SyarafTiruan (JST)
Latar Belakang
• Melihat kemampuan manusia dalam memprosesinformasi, mengenal wajah, tulisan, dsb. Melihatwajah dari sudut pandang yang belum pernahdialami sebelumnya.
• Otak manusia memiliki kemampuan untuk belajardan beradaptasi– Mampu mengenali pola, wajah, mengkontrol organ tubuh!
• Bahkan anak-anak dapat melakukan hal tsb.• Masih belum tahu algoritma yang digunakan.• Melihat analogi biologis.• Otak manusia berisi kira-kira 20 billion (2x1010)
nerve cells.
66//1010//20132013
22
Pengertian JST
Jaringan Syaraf Tiruan (JST) / Artificial Neural Network (ANN):• Upaya memodelkan cara kerja / fungsi sistem
syaraf manusia dalam melaksanakan tugastertentu.
• Didasari kemampuan otak dalammengorganisasikan sel-sel penyusunnya yang disebut neuron
• Aplikasi khususnya dalam pengenalan pola, dengan efektivitas yang sangat tinggi.
Aplikasi JST
• Pengenalan pola (pattern recognition)– Huruf, tanda tangan, suara, gambar yang sudah
sedikit berubah (mengandung noise)– Identifikasi pola saham– Pendeteksian uang palsu, kanker
• Signal Processing– Menekan noise pada saluran telepon
• Peramalan– Peramalan saham
• Autopilot dan simulasi• Kendali otomatis otomotif
66//1010//20132013
33
Otak Manusia
• Bertugas untuk memproses informasi• Seperti prosesor sederhana• Masing-masing cell tersebut berinteraksi
mendukung kinerja otak• Setiap sel (neuron) memiliki satu nukleus (soma),
bertugas memproses informasi, informasi diterimaoleh dendrit, dan disebarkan melalui akson
• Pertemuan informasi antar syaraf berada disinapsis
Adopsi JST dari Syaraf Manusia
Otak Manusia
SuatuSuatu simpulsimpul syarafsyaraf
66//1010//20132013
44
Adopsi JST dari Syaraf Manusia
Satu Neuron (sel syaraf)
SatuSatu node JSTnode JST
Model Sel Syaraf (Neuron)
• Sinapsis (jalur hubungan), masing-masing sinapsis memilikibobot (kekuatan hubungan).
• Adder untuk menjumlahkan sinyal-sinyal input yang diberi bobotoleh sinapsis.
• Fungsi aktivasi untuk membatasi amplitudo output setiap neuron.
66//1010//20132013
55
Model Sel Syaraf (Neuron)
(.)ϕ : : FungsiFungsi AktivasiAktivasi
Model Neuron
• Neuron adalah unit pengolahan informasi• Sejumlah sinapsis atau jalur penghubung
– Dikarakterisasi bobot atau penguatan • Penjumlah
– Menjumlahkan sinyal input yang diperkuat oleh sinapsis
– Penkombinasi linier (linear combiner)• Fungsi aktivasi
– Disebut squashing function• Membatasi output pada nilai-nilai yang terbatas
66//1010//20132013
66
Model nonlinier neuron (I)
wwk1k1xx11
wwkk22xx22
wwkmkmxxmm
...... ...... ΣΣ
BiasBiasbbkk
ϕϕ(.)(.)vvkk
InputInputsignalsignal
SynapticSynapticweightsweights
SummingSummingjunctionjunction
ActivationActivationfunctionfunction
OutputOutputyykk
bxwv kj
m
jkjk
+=∑=1
)(vy kkϕ=
Model nonlinier neuron (II)
wwk1k1xx11
wwkk22xx22
wwkmkmxxmm
...... ...... ΣΣ ϕϕ(.)(.)vvkk
InputInputsignalsignal
SynapticSynapticweightsweights
SummingSummingjunctionjunction
ActivationActivationfunctionfunction
OutputOutputyykk
xwv j
m
jkjk ∑
=
=0
)(vy kkϕ=
wwkk00XX0 0 = += +11 WWk0 k0 = = bbk k (bias)(bias)