Transcript Output Y j
Strategi pembelajaran dasar Strategi Pembelajaran Supervised Reinforcement Unsupervised •Delta rule •Learning •Competitive •Backpropagation •Automata •Hebbian •Hebbian •Stochastic Pengelompokan type network berdasar Metode pebelajaran Strategi Pembelajaran Supervised Reinforcenent UnSupervised •ADALINE •ART •Cascade Corellation •Hopfield •Hopfield •LVQ •MLFF with BP •Neocognitron •RBF •SOFM •RCN •Bolzmant •GRNN •LVQ •PNN •RNN Pengelompokan type network berdasar Type pebelajaran Type Pembelajaran Error Corection Hebbian Competitive Stocashtic •ADALINE •AN •ART •Boltzman Machine •CCN •BSB •LVQ •Cauchy Machine •Hopfield •BAM •SOFM •MLFF with BP •Hopfield •RBF •Necognitron •Perceptron •GRNN •RNN Pengelompokan type network berdasar Type Arsitektur Type Arsitektur Singgle Layer feedforwad Multi Layer feedforward Recurrent •ADALINE •CNN •BAM •Hopfield •GRNN •Bpltzman Machine •LVQ •MADALINE •Cauchy Machine •AN •MLFF with BP •Hopfield •Perceptron •Necognitron •RNN •SOFM •RCE •RBF •ART Pengelompokan type network berdasar Type Aplikasi Type Aplikasi Associative Memori Optimasi Clasification General Napping Prediction •ADALINE Pattern Recognition •ADALINE •ART •Boltzman •ART •ART •CCN •CCN •AN •Hopfield •CCN •CPN •GRNN •GRNN •BAM •RNN •CPN •LVQ •MADALINE •Hopfield •OFN •GRNN •RBF •MLFF with BP •MLFF with BP •LVQ •RCE •MLFF with BP •MLFF with BP •CCN •RBF •RBF •GRNN •RNN •RCE •MLFF with BP •SOFM •ZOFN •Neocognitron •ZOFN •ADALINE Taxononie Neural Network • ADALINE (Adaptive Linier Neural Element) • ART (Adaptive Resonant Theory) • AM (Associative Memori) • BAM (Bidirectional Associative Memori) • Boltzmant Machine • BSB (Brain State in a Box) • CCN (Cascade Corellation) • Cauchy Machine • CPN (Counter Propagation) • GRNN (Generalized Regression Neural Network) • Hamming • Hopfield Taxononie Neural Network • LVQ (Learning Vector Quantization) • Madaline • MLFF with BP (Multi Layer FeedForward Backpropagation) • Neocognitron • NLN (Neurologic Network) • Perceptron • PNN (Probabilitic Neural Network) • RBF (Radial Basis Function) • RNN (Recurrent Neural Network) • RCE (Reduced Coulonb Energy) • SOFM (Self Organizing Feature Map) Problem Solving Area • Classification • Clustering • Prediction • Memorizing • Learning • Optimation • Control • Recognition • Decision Making Karakteristik Jaringan Syaraf Tiruan 1. Input: training sets ( or training pattern, [X1, X2, X3,…,Xn] 2. Output: computed output, [Y1, Y2, …, Yj], testing sets [T1, T2,… Tj] 3. Connections: weights, wij 4. Processing Element (PE): summation function, activity function, transfer function X1 Output X2 Summation fc Ij Xn Transfer fc Activity fc F(netj) netj Yj Beberapa Topologi Jaringan (Struktur Jaringan) Single Layer Hopfield Network Pada gambar melukiskan sebuah single layer yang terhubung penuh ke model network, dimana masing-masing neuron secara lateral terhubung ke semua neuron tetangga dalam layer. Pada model ini semua neuron berfungsi sekaligus sebagai input dan output . Neural Network terbaik untuk nodel ini adalah HOPFIELD NETWORK Topologi Jaringan Multi Layer FeedForward Gambar berikut merepresantasikan struktur multi layer feedforward. Neuron-neuron dalam model ini dikelompokkan dalam layer-layer yang terhubung kearah jalan sinyal. Tidak ada hubungan lateral dalam masing-masing layer dan juga tidak ada hubungan feedbackward dalam network. Neural network terbaik untuk model ini adalah PERCEPTRON NETWORK Topologi Jaringan Organized Feature Nap Gambar berikut nengilustrasikan ide dari sebuah topologi organised feature map. Pada model ini masing-masing neuron dalan network berisi sebuah socalled feature vector. Ketika sebuah pola dari data training diberikan ke network, neuron yang corak vektornya terdekat dengan input vektor diaktifkan (activated). Hal ini akan mengupdate ke input vektor yang menyebabkan pengaktifan. selanjutnya juga diupdate kearah input vektor atau dibuat menjauh dari input vektor (tergantung algoritma learning yang digunakan). Model yang yang termasuk memiliki tingkah laku spt ini adalah SOFM dari kohonen. Topologi Jaringan FeedForward/backward Gambar berikut menunjukan hubungan dalam 2 layer feedforward/backward network. Layer- layer Pada Neural Network Model Ini Terhubung ke dua arah. Model ini akan beresonansi beberapa kali sebelum respon diterima oleh output layer. Model terbaik dari NN ini adalah ART network