SISTEM SYARAF BUATAN

Learning Vector Quantization (LVQ) adalah salah satu metode klasifikasi dari jaringan Syaraf Tiruan. LVQ bekerja dengan setiap unti output mempresentasikan sebuah kelas. Dengan kata lain LVQ adalah metode pengelompokan dimana target/kelasnya setiap kelompok/jumlah kelompok sudah ditentukan. Tujuan dari algoritma ini adalah untuk mendekati distribusi kelas veltor untuk meminimalkan kesalahan dalam pengklasifikasian. langkah-langkah algoritma pelatihan LVQ (fausett, 1994 dalam Nugroho, 2011) dikutip oleh Budianita, 2013 terdiri atas : 1. Inisialisasi bobot wj dan derajat pembelajaran a(1) 2. Selama kondisi berhenti masih salah, kerjakan langkah 1-6 3. Untuk setiap vektor masukan pelatihan x kerjakan langkah 4-5 4. Temukan j sehingga |x-wj| minimum 5. Perbaharui wj sebagai berikut : Jika T = cj maka     wj(t+1) = wj (t) + a (t)[x(t) - wj(t)] Jika T ≠ cj maka     Wj(t+1) = wj (t) - a (t)[x(t) - wj(t)] Kurangi rerata pembelajaran a 6. Tes kondisi berhenti dengan,  X,...

Model Adaline ditemukan oleh Widrow & Holf (1960).Arsitekturnya mirip dengan perceptron. Beberapa masukan (dan sebuah Bias) dihubungkan langsung dengan sebuah neuron keluaran. Perbedaan dengan perceptron adalah dalam hal cara modifikasi bobotnya. Bobot dimodifikassi dengan aturan delta (sering juga disebut least mean square). Selama pelatihan, fungsi aktivasi yang dipakai adalah fungsi identitas. Kuadrat selisih antara target (t) dan keluaran jaringan (f (net)) merupakan error yang terjadi. Dalam aturan delta, bobot dimodifikasi sedemikian hingga errornya minimum. E merupakan fungsi bobot Wi, penurunan E tercepat terjadi pada arah Maka perubahan bobot adalah : , dengan alfa merupakan bilangan positif kecil (umumnyay diambil = 0,1) Algoritma Pelatihan Adaline Inisialisasi semua bobot dan bias (umumnya Wi = b = 0). Tentukan laju pemahaman (=a). Untuk penyederhanaan, biasanya a diberi nilai kecil (=0,1) Tentukan toleransi kesalahan yang diijinkan. Selama max Awi > batas toleransi, ...

Apa itu perceptron? Perceptron adalah salah satu metode Jaringan Syaraf Tiruan (JST) sederhana yang menggunakan algortima training untuk melakukan klasifikasi secaara linier. Percetron digunakan untuk melakukan klasifikasi sederhana dan membagi data untuk menentukan data mana yang masuk dalam klasifikasi dan data mana yang missclasifikasi (diluar klasifikasi). Perceptron dapat digunakan untuk memisahkan data yang dapat dibagi menjadi 2 kelas, misalnya kelas C1 dan kelas C2. Perceptron dalam Jaringan Syaraf Tiruan memiliki bobot yang bisa iatur dalam suatu ambang batas (threshold). Melalui proses pembelajaran (learning), Algoritma Perceptron akan mengatur parameter-parameter bebasnya. Dibawah ini merupakan gambaran dari pengklasifikasian dari kelas C1 dan C2 : Tanda x (biru) dan tanda o (merah) pada gambar diatas dicontohkan adalah 2 buah data yang akan diklasifikasikan. Dimana kedua data tersebut akan dipisahkan dengan suatu garis hyperplane yang membagi data enjadi 2 klasifikasi. Dima...

AI memiliki banyak pengaruh di dunia, contohnya yaitu ketika saat pagi-pagi bangun tidur kita langsung mendapatkn kabar tentang AI. AI dapat memainkan Jeopardy atau memainkan Go, Dota 2, bahkan poker. Semua permainan ini pada kinerja tingkat manusia super, dapat juga membaca dokumen dan menjawab pertanyaan, melakukan pengenalan suara, pengenalan wajah, bahkan jenis pencitraan medis. Terlihat betapa suksenya teknologi ini. AI dilahirkan pada tahun 1956, Lokakarya di Dartmouth Collage, dengan beberapa pemikir terbaik dan tercerdas saat itu Marvin Minsky, Claude Shannon, dan lainnya. Mendirikan Standford AI Lab. Bertujuan untuk setiap aspek pembelajaran atau fitur kecerdasan lainnya dapat di gambarkan dengan sangat tepat sehingga sebuah mesin dapat dibuat untuk mensimulasikannya. Implikasi dari era awal Masalah :  - Komputasi terbatas : ruang pencarian tumbuh secara eksponensial melampaui perangkat keras. - Informasi terbatas : kompleksitas masalah AI (jumlah kata, objek, dan konsep d...

Neural network merupakan salah satu bagian dari kecerdasan buatan yang memiliki kemampuan untuk belajar, tumbuh, dan beradaptasi dalam lingkungan yang dinamis. Neural network yaitu metode pembelajaran yang biasa digunakan untuk permasalahan diskrit, real ataupun vektor dan juga pemodelan sistem saraf manusia dalam melaksanakan tugas. Proses belajar neural network yaitu dirangsang oleh lingkungan, kemudian mengubah dirinya sebagai hasil rangsangan ini, dan memberikan respon dengan cara yang baru kepada lingkungan.  Proses pembelajaran neural network terdiri dari Supervised Learning dan Unsupervised Learning. Supervised Learning adalah proses belajar yang perlu pengetahuan lingkungan yang akan direpresentasikan sebagai input dan output. Model neural network yang termasuk Supervised Learning adalah dengan arsitektur MultiLayer Perceptron (MLP) yang kebanyakan digunakan untuk pendidikan. Lalu apa kaitannya dengan Artificial Intelligence ?   Kecerdasan buatan atau AI  merupaka...