24
dilatih. Pendekatan
biasa
yaitu
berdasarkan
prinsip
MaximumLikelihood
(ML) dan himpunan parameter
model ? diestimasi
sehingga
likelihood pada
pelatihan data menjadi maksimal. Beragam ML yang efisien tergantung pada
algoritma
yang dikembangkan dalam pengenalan
suara
untuk
HMM, seperti
Baum-Welch
dan
algoritma
segmentalk-means.
(Chou,Wu.,BiingH. Juang,
2003, p 23-26).
2.10
Neural Network
Menurut Demuth, Beale dan Hagan (2009, p1-2), Neural Network
tersusun atas elemen-elemen dasar yang beroperasi secara paralel dimana
elemen-elemen tersebut diilhami oleh sistem saraf biologis manusia. Pada
bagian ini, akan dibahas tentang konsep biologi Neural Network, konsep
dasar permodelan Neural Network, proses aktivasi Neural Network, model
pelatihan Neural Network dan algoritma pelatihan Backpropagation .
Menurut Russel dan Norvig (2003, p737), Neural Network
adalah
suatu metode komputasi yang meniru sistem jaringan saraf biologi. Metode
ini menggunakan elemen perhitungan dasar non-linier
yang disebut neuron
yang diorganisasikan sebagai jaringan yang saling berhubungan, sehingga
mirip dengan jaringan saraf manusia. Neural Network dengan kemampuannya
yang luar biasa dibentuk untuk memecahkan suatu masalah tertentu seperti
pengenalan pola, klasifikasi proses pembelajaran dan mendeteksi tren yang
terlalu kompleks untuk diperhatikan oleh manusia atau teknik komputer
lainnya. Layaknya neuron
biologi, Neural Network
juga merupakan sistem
yang bersifat fault tolerant
dalam dua hal. Pertama, dalam hal mengenali
sinyal input
yang agak berbeda dari yang pernah diterima sebelumnya.
Kedua, dalam hal mampu tetap bekerja meskipun beberapa neuronnya tidak
mampu bekerja dengan baik. Bila sebuah neuron
rusak, neuron
lain dapat
dilatih untuk menggantikan fungsi neuron yang rusak tersebut.
Neural Network
, seperti manusia, belajar dari suatu contoh karena
mempunyai karakteristik yang adaptif, yaitu dapat belajar dari data-data
sebelumnya dan mengenal pola data yang selalu berubah. Selain itu, Neural
Network
merupakan sistem yang tak terprogram. Artinya, semua keluaran
atau kesimpulan yang ditarik oleh jaringan didasarkan pada pengalamannya
 |