Neuron adalah unit pemroses informasi
yang menjadi dasar dalam pengoperasian JST. Neuron terdiri dari 3 elemen:
► Himpunan unit2 yang
dihubungkan dengan jalus koneksi. Jalur tersebut memiliki bobot yang
berbeda-beda. Bobot yang benilai positif akan memperkuat sinyal dan yang
bernilai negatif akan memperlemah sinyal yang dibawanya. Jumlah, struktur dan
pola hubungan antar unit2 tersebut akan menentukan ”ARSISTEKTUR JARINGAN” (dan
juga model jaringan yang terbentuk
► Suatu unit penjumlah yang
akan menjumlahkan input2 sinyal yang sudah dikalikan dengan bobot. Misalkan x1, x2, ....xm adalah
unit-2 input dan wji, wj2, ... wjm adalh bobot penghubung dari
unit2 tsb ke unit keluaran Yj , maka unit penjumlah akan memberikan
keluaran sebesar uj = x1wj1+ x2wj2+
...+xmwjm
► Fungsi aktivasi yang akan
menentukan apakah sinyal dari input neuron akan diteruskan ke neuron lain
ataukah tidak.
1.
Klasifikasi
JST berdasarkan pelatihan umum
1. Supervised-Feedforward:
JST dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk akan
diteruskan tanpa umpan balik
2. Unsupervised-Feedforward:
JST tidak dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk
akan diteruskan tanpa umpan balik
3. Unsupervised-Feedback:
JST tidak dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk
akan diteruskan dan memberikan umpan balik
4. Supervised-Feedback:
JST dibimbing dalam hal penyimpanan pengetahuannnya serta sinyal masuk akan
diteruskan dan memberikan umpan balik
· Konsep JST yang dibimbing (supervised): JST diberi masukan
tertentu dan keluarannya ditentukan oleh pengajarnya. Dalam proses tsb, JST
akan menyesuaikan bobot sinapsisnya.
· Konsep JST tanpa dibimbing (unsupervised): kebalikan dari
supervised, JST secara mandiri akan mengatur keluarannya sesuai aturan yang
dimiliki.
· Konsep JST feedforward: hasil outputnya sudah dapat diketahui
sebelumnya.
· Kosnep JST feedback: lebih bersifat dinamis, dalam hal ini kondisi
jaringan akan selalu berubah samapi diperoleh keseimbangan tertentu.
0 komentar:
Posting Komentar