3.1 Prinsip Dasar Desain JST [Kembali]
Prinsip dasar jaringan syaraf tiruran (JST) dipaparkan pertama kali oleh McCulloch dan Pitts pada tahun 1943. 1 diantara 5 asumsinya yang menjadi prinsip sistematis paling awal menjelaskan bahwa neuron merupakan elemen biner. Meski begitu, tidak semua prinsip-prinsip miliknya digunakan pada desain JST.
Prinsip dasar jaringan syaraf tiruran (JST) dipaparkan pertama kali oleh McCulloch dan Pitts pada tahun 1943. 1 diantara 5 asumsinya yang menjadi prinsip sistematis paling awal menjelaskan bahwa neuron merupakan elemen biner. Meski begitu, tidak semua prinsip-prinsip miliknya digunakan pada desain JST.
Hebbian Learning Law (Hebbian Rule) dipaparkan oleh Donald Hebb pada tahun 1949 juga diterapkan secara luas. Dalam aturan tersebut disebutkan bahwa jika terdapat akson sel A aktif dan cukup dekat untuk memengaruhi sel B, kejadian tersebut terjadi berulang kali serta terur menerus maka akan terjadi perubahan metabolisme pada satu atau kedua sel tersebut sehingga efisiensi sel A meningkat. Ini merupakan prinsip dari kontribusi keluaran bobot sel A pada sel B.
3.2 Struktur Jaringan Dasar [kembali]
(1) Secara historis, JST paling awal adalah The Perceptron yang diusulkan oleh psikolog Frank Rosenblatt (1958)
(2) The Artron (perubahan statistik berdasarkan JST) dipaparkan oleh R.Lee (1950)
(3) The Adalin (Adaptive Linear Neuran)/ALC (Adaptive Linear Combiner) dipaparkan oleh B.Widrow (1960)
(4) The Madaline (Many Adaline) juga disampaikan oleh B.Widrow (1988)
4 prinsip terkait neuran terutama perceptron merupakan dasar dari JST. 3 dasar selanjutnya adalah:
(5) The Back-Propagation Network yang disampaikan oleh Rumelhart dkk (1986)
(6) The Hopfield Network disampaikan oleh John Hopfield (1982)
(7) The Counter-Propagation Network disampaikan oleh Hecht-Nielsen (1987)
3.3 Prinsip Input-Output Perceptron [kembali]
Berikut merupakan struktur dasar dari contoh simpel neuron yang sebenarnya
3.4 The Adaline (ALC) [kembali]
B. Widow menjelaskan bahwa Adaline memiliki struktur dasar berupa bipolar perceptron dan dalam menentukan bobotnya memiliki least-error-squar (LS).
Dasar dari pelatihan JST adalah mengatur bobotnya. Seperti dijelaskan berikut
Tidak ada komentar:
Posting Komentar