28
Jaringan
saraf
tiruan
dapat
dikatakan sebagai
pemodelan
matematika
dari
jaringan
saraf
manusia dengan menggunakan asumsi–asumsi sebagai berikut.
a.
Pemrosesan
informasi
terjadi
pada
elemen–elemen
sederhana
yang
disebut
neuron.
b.
Sinyal–sinyal yang mengaliri neuron–neuron melewati hubungan link.
c.
Setiap link penghubung punya bobot
yang besesuaian,
yang dalam
suatu jaringan saraf menggandakan sinyal yang ditransmisikan.
d.
Setiap
neuron
menerapkan
suatu
fungsi
aktivasi
(biasanya
non-linier)
ke
input
jaringan
(jumlah
dari
sinyal
input terbobotnya)
untuk
menentukan
sinyal outputnya.
2.7
Jaringan Saraf Tiruan Conterpropagation
Jaringan saraf
tiruan (JST)
Conterpropagation adalah
jaringan
hibrida.
JST
ini
terdiri
dari
jaringan
outstar
dan
jaringan
filter yang
kompetitif.
JST
ini
dikembangkan
pada
tahun
1986
oleh
Robert
Hecht-Nielsen.
JST
ini
dapat
menemukan
bobot
yang
benar,
tidak
seperti
JST backpropagation
biasa
yang
mudah
terjebak
dalam minimum
lokal selama training.
Counterpropagation
merupakan
JST
dengan
metode
pelatihan semi-supervised.
Pelatihan semi-supervised
adalah pelatihan yang mengandung 2 tahap pembelajaran,
yaitu
supervised
learning
dan
unsupervised learning.
Pelatihan
supervised
adalah
pelatihan
yang
output
targetnya
sudah
diketahui
sebelumnya.
Pelatihan unsupervised
adalah pelatihan yang tidak mempunyai vektor target, namun sejumlah vektor input akan
disediakan sebagai acuan. Counterpropagation
merupakan jaringan
yang dapat
|