Artificial Neural Network (jaringan syaraf tiruan) merupakan cabang ilmu multi disiplin yang meniru cara kerja otak makhluk hidup. Salah satu struktur yang ditiru adalah bentuk neuralnya. Jaringan syaraf tiruan dapat menyelesaikan rumit atau tidak mungkin jika diselesaikan dengan menggunakan komputasi secara konvensional.
Dengan melakukan proses belajar jaringan syaraf dapat memodifikasi tingkah laku sesuai dengan keadaan lingkungannya. Jaringan syaraf dapat mengatur dirinya untuk menghasilkan suatu respon yang konsisten terhadap rangkaian masukkan. Jaringan syaraf tiruan dirancang dan dilatih untuk memiliki kemampuan seperti yang dimiliki manusia. Otak sebagai pengolah sistem informasi.
Otak manusia atau hewan terdiri atas sel-sel yang disebut neuron dibandingkan dengan sel-sel lain yang selalu mereproduksi dirinya kemudian mati, Dengan demikian dapat disimpulkan bahwa otak baik manusia maupun hewan merupakan kumpulan dari jaringan-jaringan neuron. Fungsi-fungsi dari : Arsitektur ANN Setiap neuron memiliki beberapa masukkan dan keluaran. Jalur masukkan pada suatu neuron bisa berisi bahan mentah atau data hasil olahan neuron sebelumnya. Sedangkan hasil keluaran suatu neuron dapat berupa hasil akhir atau berupa bahan masukkan bagi neuron berikutnya. Lapisan 1 : Lapisan Input Lapisan input berfungsi sebagai penghubung jaringan ke dunia luar/sumber data. Neuron-neuron ini tidak melakukan perubahan apapun terhadap data tapi hanya meneruskan data ini ke lapisan berikutnya. Lapisan 2 : Lapisan Tersembunyi (hidden layer) Suatu jaringan dapat memiliki lebih dari satu lapisan tersembunyi atau bahkan bisa juga tidak memilikinya sama sekali. Jika jaringa memiliki beberapa lapisan tersembunyi maka lapisan tersembunyi terbawah berfungsi untuk menerima masukkan dari lapisan input. Besarnya nilai masukkan (net) neuron ke j pada lapisan tersembunyi ini tergantung pada akumulasi jumlah perkalian antara nilai bobot (W, kekuatan antara hubungan neuron) dengan nilai keluaran (O). Neuron ke i pada lapisan sebelumnya (neuron input) ditambah dengan nilai bias (W, neuron ke j). Lapisan 3 : Lapisan Output Prinsip kerja neuron-neuron pada lapisan ini sama dengan prinsip kerja neuron-neuron pada lapisan tersembunyi dan di sini juga digunakan fungsi signoid, tapi keluaran dari neuron pada lapisan ini sudah dianggap sebagai hasil dari proses.
0 komentar:
Posting Komentar