Pengenalan Jaringan Syaraf Tiruan
Pengenalan Jaringan Syaraf Tiruan
Pengenalan Jaringan Syaraf Tiruan
Struktur otak manusia sangat kompleks & rumit Otak terdiri neuron-neuron dan sinapsis (penghubung) Neuron bekerja berdasarkan impuls/sinyal Manusia memiliki 1012 neuron dan 6.1018 sinapsis mengenali pola, melakukan perhitungan, mengontrol organ2 tubuh Mempunyai kemampuan membentuk sendiri pola berdasarkan pengalaman.
Sistem pemroses informasi memiliki karakter mirip dengan jaringan syaraf biologi Dibentuk debagai generalisasi model matematika dari Jar. Syaraf Biologi
Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron) Sinyal dikirimkan diantara neuron2 melalui penghubung2 Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal Untuk menentukan output, setiap neuron menggunakan fungsi aktifitas (nonlinier) dikenakan pada jumlah input yang diterima.
Besar output selanjutnya dibandingkan dengan batas ambang
3 ketentuan JST :
Pola hubungan antar neuron (arsitektur jaringan) Metode untuk menentukan bobot penghubung (metode training/learning/algoritma) Fungsi aktivasi
Pengambilan keputusan, pengenalan pola, prediksi
Jaringan saraf tiruan pada umumnya digunakan untuk tugas atau pekerjaan yang kurang praktis jika dikerjakan secara manual.
Kegunaan Dalam Kehidupan Nyata Perkiraan Fungsi, atau Analisis Regresi, termasuk prediksi time series dan modeling. Klasifikasi, termasuk pengenalan pola dan pengenalan urutan, serta pengambil keputusan dalam pengurutan. Pengolahan data, termasuk penyaringan, pengelompokan, dan kompresi. Robotik
Kegunaan JST
Banyak teknik algoritma JST yang tersedia yang memiliki arsitektur yang sangat beragam dan canggih Komputer digital berkecepatan tinggi Aplikasi yang sangat luas
Robert Hecht-Nielsen, seorang kontributor dalam bidang jaringan saraf, melihat bahwa aplikasi-aplikasi jaringan saraf selama beberapa tahun ini umumnya berpusat pada tiga bidang utama, yaitu analisis data, pengenalan pola, dan fungsi kendali.
Analisis data bidang aplikasi potensial mencakup pemrosesan aplikasi pinjaman, analisis perdagangan komoditas, peramalan runtut waktu, prediksi panen, meteorologi, analisis pasar, pola aktivitas konsumen, penegakan hukum yang melibatkan pencarian catatan kriminal. Pengenalan pola optical character recognition melibatkan cek yang ditulis tangan dan alamat surat yang ditulis tangan. Masalah-masalah pengenalan pola juga terdapat dalam bidang inspeksi industri, misalnya dalam inspeksi silicon wafer, terdapat cacat yang tidak mudah dikenali. Aplikasi pengendalian yang sesuai untuk jaringan saraf meliputi fungsi-fungsi seperti operasi peralatan mesin. Sebagai contoh, suatu alat yang cukup kaku memegang blok metal menjadi rentan untuk rusak dalam operasi kecepatan tinggi. Sensor yang mendeteksi getaran dan tekanan dapat memberikan petunjuk real-time mengenai kelemahan-kelemahan operasi dengan sebuah jaringan saraf dilatih untuk mengenali kelemahankelemahan multi dimensional.
AVCO Financial Services, di Irvine, California, menggunakan sistem jaringan saraf untuk menganalisis risiko kredit. Sistem ini diujikan pada lebih dari 100.000 kasus kredit. Dalam artikelnya New York Times melaporkan bahwa dalam satu uji terlihat indikasi akan adanya kenaikan laba sebesar 27% jika digunakan sistem jaringan saraf dibanding bila menggunakan sistem evaluasi dengan menggunakan komputer yang sebelumnya dipakai AVCO.
Intel mengembangkan aplikasi kecil yang menyelidiki keekspresifan pembicaraan manusia. Dengan membatasi sistem hanya untuk pembicara tunggal pada satu waktu dan dengan membatasi kosa kata (sekitar 100 kata atau frase), sistem ini mampu mengenali suara manusia dengan ketepatan 99%. Sistem pemasukan data yang dikendalikan suara ini telah banyak digunakan dalam berbagai aplikasi manufaktur sejak tahun 1983.