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.
Tidak ada komentar:
Posting Komentar