Perkembangan Jaringan Saraf Tiruan

Neuron Network atau Jaringan Saraf Tiruan merupakan salah satu algoritma penyelesaian komputasi yang prinsip kerjanya menirukan jaringan saraf manusia. Struktur jaringan syaraf tiruan terdiri dari pemroses berupa neuron dan penghubung antar neuron. Meniru analogi jaringan syaraf manusia, jaringan syaraf tiruan terdiri dari interkoneksi beberapa lapisan neuron mulai dari neuron input sampai neuron output. Neuron input berfungsi untuk menerima masukan yang selanjutnya akan diproses dalam layer berikutnya. Masukan sering kali harus dibuat ternormalisasi dengan tujuan supaya error pada pemrosesan tidak menuju tidak berhingga.

Pada proses pengolahan masukan di JST akan terjadi proses perkalian, penjumlahan dan penerapan fungsi aktifasi terhadap masukan sebuah node. jaringan syarat tiruan dimanfaatkan untuk penyelesaian berbagai permasalahan. Ada beberapa pendapat yang menyatakan bahwa jaringan syaraf tiruan kurang mempunyai keunggulan dalam penyelesaian berbagai masalah. Namun kenyataannya jaringan syarat tiruan telah banyak digunakan dan menyelesaikan masalah di berbagai bidang. Perkembangan algoritma jaringan syaraf tiruan memang cukup pesat dan terdapat wadah khusus pada IEEE yang menerbitkan jurnal international transaction on neural network. Jika kita mencari kata neural network di IEEE explore maka akan kita temukan puluhan ribu artikel yang menggunakan algoritma jaringan syaraf tiruan untuk berbagai keperluan.

Dengan jaringan syaraf tiruan kita tidak perlu mengetahui persamaan hubungan input dan output dari sistem yang ingin dicari solusinya. Misalkan untuk pengenalan huruf maka yang perlu dipikirkan adalah apa yang akan dijadikan masukan jaringan, bagaimana struktur jaringan dan pelatihannya dan apa keluaran jaringan. Kita tidak perlu memikirkan relasi matematik antara masukan dan keluaran. Jaringan syaraf tiruan mampu memodelkan hubungan linier maupun tidak linier.

Perkembangan Jaringan Saraf Tiruan :

a. 1940-an, para ilmuwan menemukan bahwa psikologi dariotak sama dengan mode pemrosesan yang dilakukan olehperalatan computer.

b.  1943, McCulloch dan Pitts merancang model formal yangpertama kali sebagai perhitungan dasar neuron.

c. 1954, Farley dan Clark mensetup model-model untuk relasiadaptif stimulus-respon dalamjaringanrandom.

d. 1975, Little dan shaw menggambarkan jaringan syaraf dengan menggunakan model probabilistic.

e.  1982, Kohonen mengembangkan metode pembelajaran jaringan syaraf yang tidak terawasi untuk pemetaan.

f.  1982, Grossberg mengembangkan teori jaringan yang diinspirasi oleh perkembangan psikologi. Bersama Carpenter, mereka mengenalkan sejumlah arsitektur jaringan. Antara lain, Adaptif Resonance Theory (ART), ART2, dan ART3.

g.  1982, Hopfield mengembangkan jaringan syaraf recurrent yang dapat digunakan untuk menyimpan informasi dan optimasi.

h.  1985, Algoritma pembelajaran dengan menggunakan model jaringan syaraf probabilistic mulai dikembangkan.

i.    1987, Kosko mengembangkan jaringan adaptif Bidirectional Assosiative Memory (BAM).

j.    1988, Mulai pengembangan fungsi radiasi basis.

sumber :

http://araay.blog.esaunggul.ac.id