20
Pada umumnya neural
network
dibagi berdasarkan layer-layer
yaitu input
layer,
hidden
layer,
output
layer.
Setiap
node
pada
masing-masing layer
memiliki suatu
error
rate, yang akan digunakan untuk proses training.
Pada
kenyataannya
(kebiasaannya), kebanyakan
neural
system
harus
diajari
(training)
terlebih dahulu.
Mereka
akan
mempelajari asosiasi,
pattern,
dan
fungsi
yang
baru. Pemakai-pemakai neural
network
tidak
menspesifikasikan sebuah algoritma
untuk
dieksekusi
dalam
setiap
perhitungan.
Mereka
akan
memilih
arsitektur
tertentu
dengan
pandangan
mereka,
dengan
karakteristik neuron,
weight,
dan
memilih
model
training
sendiri. Sehingga dari
hasil tersebut,
informasi network dapat diubah oleh para pemakai.
Arfiticial
neural
system
juga
dapat
mengkalkulasi teknik
matematik,
seperti
meminimalisasi kesalahan suatu perhitungan.
Neural
network
sangat
berperan
dalam
teknologi
dan
beberapa
disiplin
ilmu,
yang
membantu dalam
menentukan model-model neural
network
dan
system
non
linear
dynamic.
Salah satunya adalah
matematika.
Matematika
adalah
model
neural
yang
paling
berpotensi
karena
kekompleksannya. Elektronika
dan
ilmu
komputer
juga
menggunakan metode ini, karena berperan dalam pengiriman sinyal data.
2.5.3. Sejarah Perkembangan Jaringan Saraf Tiruan
Sejarah
Perkembangan Jaringan
Saraf
Tiruan
dimulai
pada
tahun
1949,
Donald
Hebb
melakukan
algoritma
Learning
atau
training
yang
mengatakan bahwa
jika
dua
neuron
aktif
secara
simultan,
maka
kekuatan
hubungan
antar
neuron
akan
meningkat.
Kemudian pada tahun 1950an dan 1960an, sebuah perkumpulan yang bernama Group of
Researchers berhasil
menemukan konsep perceptrons. Pada tahun berikutnya yaitu
tahun
1969,
Marvin
Minsky
secara
matematis
menunjukkan
kelemahan
perceptrons.
 |