NEURAL NETWORK

NEURAL NETWORK

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). Gambar Susunan Syaraf Manusia Jaringan Syaraf Tiruan,Neural Network,sejarah Neural Network,definisi Neural Network,pengertian Neural Network,penemu Neural Network,definisi Jaringan Syaraf Tiruan,penemu Jaringan Syaraf Tiruan,teori Jaringan Syaraf Tiruan,sejarah Jaringan Syaraf Tiruan,Pengertian Jaringan Syaraf Tiruan (Neural Network),Inspirasi Jaringan Syaraf Tiruan (Neural Network),Gambar Susunan Syaraf Manusia,struktur Neural Network,inspirasi Neural Network,perkembangan Neural Network,dasar Neural Network,bagian Neural Network,fungsi Neural Network,manfaat Neural Network,aplikasi Neural Network,fungsi Jaringan Syaraf Tiruan,perkembangan Jaringan Syaraf Tiruan,bagian Jaringan Syaraf Tiruan,komponen Jaringan Syaraf Tiruan,Perbandingan Jaringan Syaraf Tiruan Dengan Metode Konvensional Perbandingan Jaringan Syaraf Tiruan Dengan Metode Konvensional Jaringan Syaraf Tiruan memiliki pendekatan yang berbeda untuk memecahkan masalah bila dibandingkan dengan sebuah komputer konvensional. Umumnya komputer konvensional menggunakan pendekatan algoritma (komputer konvensional menjalankan sekumpulan perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahui oleh komputer konvensional maka komputer konvensional tidak dapat memecahkan masalah yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalah pada komputer konvensional dimana komputer konvensional akan sangat bermanfaat jika dapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya. Gambar Sebuah Sel Syaraf Sederhana Gambar Sebuah Sel Syaraf Sederhana,model Sel Syaraf,gambar Sel Syaraf,struktur dasar Sel Syaraf Jaringan Syaraf Tiruan (Neural Network) dan suatu algoritma komputer konvensional tidak saling bersaing namun saling melengkapi satu sama lain. Pada suatu kegiatan yang besar, sistem yang diperlukan biasanya menggunakan kombinasi antara keduanya (biasanya sebuah komputer konvensional digunakan untuk mengontrol Jaringan Syaraf Tiruan (Neural Network) untuk menghasilkan efisiensi yang maksimal. Jaringan Syaraf Tiruan (Neural Network) tidak memberikan suatu keajiban tetapi jika digunakan secara tepat akan menghasilkan sesuatu hasil yang luar biasa.