Artificial Intelegent : Fuzzy Logic (Softskill)

Bagus Satrio Utomo - 3ka31 - 12114004

Pengertian :

Logika fuzzy merupakan pengembangan dari teori himpunan fuzzy yang diprakarsai oleh Prof. Lofti Zadeh dari University California USA, pada tahun 1965. Logika fuzzy berbeda dengan logika digital biasa, dimana logika digital biasa hanya me-ngenal dua keadaan yaitu: Ya_Tidak atau ON_OFF atau High_Low atau "1"_"0". Sedangkan Logika Fuzzy meniru cara berpikir manusia dengan menggunakan konsep sifat kesamaran suatu nilai. 

Pada Logika Fuzzy dapat memberikan suatu nilai dari nol secara kontinu sampai nilai satu. Perkembangan teori Logika Fuzzy telah menarik pakar system kendali untuk meman-faatkannya dalam pengendalian suatu sis-tem dalam bentuk alogaritma algoritma automatik yang dapat dinyatakan, seperti dalam pemakaian pengaturan lalu lintas, sistem transmisi otomatis, alat rumah tangga, industri dan lain-lainnya. 

Penggunaan pengendali Logika Fuzzy dilaporkan sangat sesuai untuk sistem-sistem yang sulit di-pahami atau diwakilkan dengan suatu model matematik yang teliti, tetapi harus ada suatu operator, dalam hal ini ma-nusia yang telah berpengalaman dan mampu me-ngendalikan sistem tersebut secara baik dan Fuzzy Logic Pendahuluan Program Studi Teknik Elektro – Fakultas Teknik – Universitas Budi Luhur 3 memuaskan, serta dapat memberikan aturan-aturan pengendalian secara kualitatif dalam bentuk kalimat-kalimat Fuzzy.

Contoh Penerapan :

• Manajemen dan pengambilan keputusan, seperti manajemen basis data yangdidasarkan pada logika fuzzy, tata letak pabrik yang didasarkan pada logikafuzzy, sistem pemuat keputusan di militer yang didasarkan pada logika fuzzy,pembuatan games yang didasarkan pada logika fuzzy, dll. 
• Ekonomi, seperti pemodelan fuzzy pada sistem pemasaran yang kompleks, dll.
• Klasifikasi dan pencocokan pola. 
• Psikologi, seperti logika fuzzyuntuk menganalisis kelakuan masyarakat,
• pencegahan dan investigasi kriminal, dll. 
• Ilmu-ilmu sosial, terutama untuk pemodelan informasi yang tidak pasti.
• Ilmu lingkungan, seperti kendali kualitas air, prediksi cuaca, dll. 
• Teknik, seperti perancangan jaringan komputer, prediksi adanya gempa bumi, dll.

Sumber : ebook : Fuzzy Logic : BAB I Program Studi Teknik Elektro – Fakultas Teknik – Universitas Budi Luhur

Artificial Intellegent : Sistem Pakar (Softskill)

Bagus Satrio Utomo - 3KA31- 12114004

Pengertian AI dapat ditinjau dari dua pendekatan :

1) Pendekatan Ilmiah( A Scientific Approach)

Pendekatan dasar ilmiah timbul sebelum invansi ke komputer, ini tidak sama dengan kasus mesin uap. Pendekatan ilmiah melihat batas sementara dari komputer, dan dapat diatasi dengan perkembangan teknologi lanjutan. Mereka tidak mengakibatkan tingkatan pada konsep.

2) Pendekatan Teknik( An Engineering Approach)

Usaha untuk menghindari definisi AI, tetapi ingin mengatasi atau memecahkan persoalan-persoalan dunia nyata(real world problem).

Kecerdasan tiruan(Artificial Intelligence) adalah sub bagian dari ilmu komputer yang merupakan suatu teknik perangkat lunak yang pemrogramannya dengan cara menyatakan data, pemrosesan data dan penyelesaian masalah secara simbolik, dari pada secara numerik.

Masalah-masalah dalam bentuk simbolik ini adalah masalah-masalah yang sering kita jumpai dalam kehidupan sehari-hari. Masalah-masalah ini lebih berhubungan dengan simbol dan konsep simbol dari pada dengan angkaangka. Di sini dengan kecerdasan tiruan diusahakan untuk membuat computer seakan dapat berpikir secara cerdas.

Pengertian Sistem Pakar :

sistem pakar(Expert System/Knowledge Based System), yaitu program komputer yang berisi pengetahuan manusia yang digunakan untuk menyelesaikan masalah dalam domain tertentu.

Walaupun sistem pakar dapat menyelesaikan masalah dalam domain yang terbatas berdasarkan pengetahuan yang dimasukkan ke dalamnya, tetapi sistem pakar tidak dapat menyelesaikan masalah yang tidak dapat diselesaikan manusia. Oleh sebab itu keandalan dari sistem pakar terletak pada pengetahuan yang dimasukkan ke dalamnya.

Dengan menggunakan sistem pakar dalam membantu memecahkan

masalah, didapat beberapa keuntungan:

• Sifatnya yang permanen.
• Mudah untuk ditransfer atau direproduksi.
• Mudah didokumentasikan.
• Menghasilkan keluaran yang konsisten.
• Biaya yang murah.
• Dapat digunakan untuk 24 jam sehari
• Dapat dibentuk semenjak ada keterbatasan dari manusia pakar  

Kerugian Expert System:

• Kurang personalitinya
• Tidak dapat menyelesaikan masalah yang membutuhkan intuisi

Contoh Penerapannya :

• Delta dari General Electric untuk konsultasi kerusakan lokomotif.

• Prospector dari Stanford Research Institute untuk penaksiran prospek mineral.

• Xycon dari Digital Equipment Corp's untuk mengkonfigurasi bagian bagian komputer

• Mycin dikembangkan pada Universitas Stanford (1970), untuk menolong para ahli dalam mendiagnosa bakteri penyakit tertentu

Sumber : ebook : Artifical Intelegent karya Ir. Siswanto

 

Artificial Neural Network (Softskill)

Bagus Satrio Utomo - 3KA31 - 12114004

Pengertian :

Artifikal Intelegent Network adalah algoritma yang telah dikembangkan untuk mengatasi berbagai masalah komputasi. Berkisar dari pemodelan fungsi otak untuk membuat prediksi fenomena tergantung waktu untuk memecahkan masalah, Jenis jaringan yang dikenal sebagai jaringan feedforward. jaringan ini adalah model matematika yang dapat dilatih untuk belajar secara kompleks hubungan antara data dan domain parameter, sehingga dapat digunakan untuk memecahkan interpolasi dan klasifikasi masalah.

Artifical Intelegent Network mengacu pada istilah yang relatif sama yaitu model matematika
yang memiliki beberapa jenis arsitektur terdistribusi yang  terdiri dari pengolahan node (Analog dengan neuron) dengan beberapa sambungan (analog dengan dendrit dan akson). Koneksi ini umumnya memiliki parameter beradaptasi yang memodifikasi sinyal Ada banyak jenis jaringan saraf tiruan untuk mengatasi berbagai jenis masalah, seperti memori modeling, dan memprediksi evolusi sistem dinamis. Sebagian besar jaringan karena melakukan beberapa jenis pemodelan data, dan mereka dapat dibagi menjadi dua kelas yang luas: diawasi dan tidak diawasi. Yang pertama mengacu pada jaringan yang mencoba untuk mempelajari hubungan antara data dan domain parameter, sedangkan yang kedua mengacu pada jaringan digunakan untuk mencari "alami" pengelompokan dengan data yang diatur secara independen dari kendala eksternal.

Contoh Penerapannya : 

• Keuangan dan Perbankan : Pendeteksian uang palsu, evaluator aplikasi kredit, pengidentifikasian pola-pola data pasar saham. 
• Pertahanan (Militer) : Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ektrasksi bagian istimewa dan penghilangan derau, pengenalan sinyal atau citra.  
• Elektronik : Pembuatan perangkat keras yang bias mengimplementasikan jaringan saraf tiruan secara efisien (pendesainan VLSI), machine vision, pengontrol gerakan dan penglihatan robot, sintesis suara.

Sumber : 
sciffleaf.blogspot.co.id 
ebook : An Introduction to Artificial Neural Networks C.A.L. Bailer-Jones berg, R. Gupta, H.P. Singh  

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Home » Teori Elektronika » Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) Tuesday, October 23rd 2012. | Teori Elektronika Mesothelioma Law Firm, Sell Annuity Payment Jaringan Syaraf Tiruan atau Neural Network dikemukakan pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits dalam paper yang berjudul “Bagaimana neuron bekerja?”. Dalam uraiannya mereka memperagakan neural network yang sederhana dengan menggunakan rangkaian listrik, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh. Pengertian Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun. Inspirasi Jaringan Syaraf Tiruan (Neural Network) Jaringan Syaraf Tiruan (Neural Network) terinspirasi dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar