PROTOTIP BIOLOGI DAN JARINGAN SYARAF TIRUAN
Pengembangan jaringan syaraf tiruan diilhami oleh kerja otak manusia yang dapat mengenali pola gambar atau citra, pola suara atau hal-hal lain dengan mudah. Model jaringan syaraf Tiruan terdiri dari elemen-elemen komputasional yang disebut neuron dan tersusun secara paralel dengan pola yang saling berhubungan dimana elemen-elemen penyusunnya meniru struktur jaringan syaraf biologis.
Dengan struktur paralel ini mungkinkan pencarian dengan cepat berbagai dugaan atau tanggapan secara bersamaan atau paralel. Di samping itu model ini mampu memberikan tingkat toleransi kesalahan lebih tinggi dibandingkan dengan komputasi konvesional. Hal ini disebabkan penggunaan neuron yang memproses sebagian kecil dari pada suatu tugas. Kerusakan pada sejumlah kecil neuron tidak akan mempengaruhi kinerja seluruh jaringan (Nelson dan Illingwort, 1991).
Keadaan di atas membuat jaringan syaraf tiruan sangat cocok untuk aplikasi yang berkaitan dengan pengenalan pola, penggolongan pola yang bervariasi. Pola-pola yang mengalami gangguan masih dapat diidentifikasi dengan jaringan syaraf tiruan ini.
JARINGAN SYARAF TIRUAN SEDERHANA
Secara prinsip, jaringan syaraf tiruan dibangkitkan oleh serangkaian masukan (input) yang masing-masing menggambarkan keluaran (output) neuron yang lain. Setiap masukan dikalikan dengan suatu faktor pembobot tertentu yang analog dengan tegangan sinopsis, dan kemudian semua masukan terbobot itu dijumlahkan untuk menentukan tingkat aktivitas suatu neuron. Perhitungan sekelompok neuron dalam jaringan yang menghasilkan keluaran N merupakan perkalian matriks sederhana, artinya N = X.W dimana N dan X merupakan vektor baris.
Gambar 3 Jaringan Syaraf Tiruan Umpan Maju dengan Proses Umpan Balik.
Pada gambar di atas ditunjukkan serangkaian masukan dengan nama x1, x2,....,xn yang dilakukan pada suatu neuron tiruan, Masukan masukan ini secara bersama-sama teracu sebagai vektor X yang bersesuaian dengan sinyal masuk ke dalam sinopsis neuron biologis. Setiap sinyal dikalikan dengan suatu pembobot w1, w2,...,wn sebelum masuk ke blok penjumlahan yang berlabel. Setiap faktor pembobot bersesuaian dengan “tegangan” (“strength”) penghubung sinapsis biologis tunggal. Faktor-faktor pembobot ini secara bersama-sama teracu sebagau vektor W. Blok penjumlahan yang kurang lebih bersesuaian dengan badan sel biologis, menjumlahkan semua masukan terbobot secara aljabar dan menghasilkan sebuah keluaran (output) yang kita sebut NET.
JARINGAN SYARAF TIRUAN LAPIS TUNGGAL
Sebuah neuron tunggal dapat membentuk fungsi deteksi berpola sederhana tertentu, namun kemampuan perhitungan syaraf berasal dari hubungan antar neuron menjadi suatu jaringan. Jaringan paling sederhana ditunjukkan oleh sekelompok neuron yang tersusun dalam satu lapisan (single layer) dan keluaran yang bisa diperoleh adalah perkalian matriks sederhana seperti yang sudah diterangkan sebelumnya.
Gambar 2. Jaringan Syaraf Tiruan dengan 2 hidden layer
Secara sederhana setiap neuron menghasilkan keluaran dari jumlah masukan terbobot pada jaringan. Pembobot dinyatakan berupa elemen-elemen matriks W dengan dimensi matriks adalah m baris dan n kolom, dimana m merupakan jumlah masukan dan, menunjukkan jumlah neuron. Konsep dasar single layer di atas mengilhami para pakar untuk membangun jaringan syaraf tiruan multi layer yang ditunjukkan gambar di atas.
Secara biologis gambar di atas menyerupai bangun sel-sel yang sebenarnya. Keluaran (output) dari tiap lapisan sebelumnya merupakan masukan bagi lapisan di mukanya. Dengan jumlah besar jaringan syaraf tiruan memiliki sifat fault-tolerant, yakni kerusakan pada sedikit atau sebagian kecil sel-sel dalam jaringan tidak akan banyak berpengaruh terhadap keluaran sistem (Nelson, M. M. dan Illingwort, W.T. 1991).
Model jaringan syaraf tiruan yang telah digambarkan di atas adalah model yang non-recurrent, yaitu model tanpa umpan balik dari output ke input, sedangkan sistem biologis menunjukkan sifat umpan balik. Oleh karena itu, untuk menyempurnakan sistem jaringan syaraf tiruan dibuat umpan balik terhadap bobot yang akan mempengaruhi lapisan pertama dan seterusnya sehingga dalam “proses belajar” selalu diberikan harga bobot yang teriterasi sampai mencapai suatu keadaan yang optimal. Model-model jaringan syaraf tiruan dengan umpan balik telah dan masih menjadi penelitian utama dari Stephen Grossberg, Gail Carpenter dan pakar jaringan syaraf tiruan lainnya.
Gambar 3 Jaringan Syaraf Tiruan Umpan Maju dengan Proses Umpan Balik.
POLA BELAJAR JARINGAN SYARAF TIRUAN
Proses belajar suatu elemen pemroses mengandung arti bahwa elemen pemroses itu, dengan cara tertentu, mengubah kelakuan masukan dan keluaran pada saat memberikan respon terhadap masukan yang diterimanya. Keluaran suatu elemen pemroses adalah hasil dari fungsi transfer terhadap jumlah total masukan yang sudah diberi bobot. Bila kita masukkan nilai baru ke dalam sistem jaringan syaraf tiruan dengan keluaran sistem sudah ditentukan, perlu dilakukan iterasi untuk mencari nilai bobot baru dengan error yang juga sudah kita tentukan. Dengan demikian sistem jaringan syaraf tiruan telah melalui proses belajar terhadap nilai input yang baru kita masukkan. Iterasi yang terjadi akan memperbaiki nilai bobot secara terus-menerus sampai diperoleh bobot yang konvergen dengan keluaran yang sesuai dengan kehendak program.
PELATIHAN JARINGAN SYARAF TIRUAN
Pelatihan jaringan syaraf tiruan dilakukan dengan 2 cara, yaitu : cara terbimbing (supervised), cara tak terbimbing(unsupervised). Pelatihan jaringan syaraf tiruan secara terbimbing, artinya selama pelatihan jaringan syaraf tiruan memiliki nilai masukan yang sudah diketahui hasil keluarannya, sehingga setelah pelatihan berakhir akan diperoleh nilai bobot yang menghasilkan keluaran yang benar. Pelatihan tak terbimbing (unsupervised) adalah pelatihan jaringan syaraf tiruan dengan nilai masukan yang tidak diketahui terlebih dahulu nilai keluarannya. Metode pelatihan ini bertujuan untuk melatih jaringan supaya memberikan keluaran yang konsisten untuk suatu pola masukan tertentu.
Tidak ada komentar:
Posting Komentar