Jaringan syaraf tiruan

Jaringan syaraf tiruan adalah elemen yang terdiri dari elemen khusus - neuron. Mereka adalah model matematis neuron biologis, yaitu sel yang membentuk sistem saraf manusia.

Untuk pertama kalinya, jaringan saraf dibicarakan pada tahun 1943, dan setelah penemuan perceptron Rosenblatt, zaman keemasan datang, dan jaringan menjadi sangat populer. Namun, setelah publikasi karya Minsk pada tahun 1969, di mana ilmuwan tersebut membuktikan inefisiensi perceptron dalam kondisi tertentu, ketertarikan pada industri ini turun tajam. Tapi sejarah jaringan buatan tidak berakhir disini. Pada tahun 1985, J. Hopfield mempresentasikan penelitiannya dan membuktikan bahwa jaringan syaraf tiruan merupakan alat yang sangat baik untuk pembelajaran mesin.

Dari biologi, beberapa konsep dan prinsip dipinjam. Neuron adalah sejenis saklar yang menerima dan kemudian mentransmisikan impuls (sinyal). Jika neuron menerima impuls yang cukup kuat, diperkirakan akan diaktifkan dan mentransmisikan impuls ke neuron lain yang terkait dengannya. Neuron, yang tetap tidak aktif, tetap berada dalam kondisi diam, impuls tidak menular. Neuron terdiri dari beberapa komponen utama: sinapsis yang menghubungkan neuron satu sama lain dan menerima impuls, akson yang tugasnya mentransmisikan impuls, dan dendrit yang menerima sinyal dari sumber yang berbeda. Ketika neuron menerima denyut nadi di atas ambang batas tertentu, ia segera mentransmisikan sinyal ke neuron berikutnya.

Model matematisnya sedikit berbeda. Masukan dari model matematika neuron adalah vektor yang terdiri dari sejumlah besar komponen. Masing-masing komponen mereka adalah salah satu impuls yang diterima neuron. Output dari model ini adalah satu angka. Artinya, di dalam model vektor input ditransformasikan menjadi skalar, yang kemudian ditransfer ke neuron lain.

Jaringan syaraf tiruan dapat diajarkan dengan dua cara: dengan guru dan tanpa. Proses belajar terdiri dari beberapa tahap. Pertama, stimulus eksternal diterapkan pada input jaringan. Kemudian, sesuai aturan, parameter bebas dari perubahan jaringan syaraf tiruan, setelah itu jaringan merespons rangsangan masukan dengan cara yang berbeda. Prosesnya harus diulang sampai jaringan memutuskan tugas. Algoritma pembelajaran dengan guru adalah bahwa selama pelatihan jaringan sudah memiliki jawaban yang benar. Metode ini telah berhasil digunakan untuk memecahkan banyak masalah yang diterapkan, namun sering dikritik karena secara biologis tidak masuk akal. Jaringan saraf diajarkan tanpa guru jika hanya sinyal input yang diketahui. Atas dasar mereka, jaringan secara bertahap belajar memberi nilai output yang lebih baik.

Penggunaan jaringan syaraf tiruan sangat beragam. Seringkali mereka terbiasa mengotomatisasi pengenalan pola, peramalan, menciptakan berbagai sistem pakar, dan fungsi yang mendekati. Dengan bantuan jaringan semacam itu dimungkinkan untuk mengenali sinyal suara atau optik, untuk memprediksi indikator pertukaran, untuk menciptakan sistem yang mampu melakukan pembelajaran mandiri, yang dapat, misalnya, mensintesis ucapan sesuai dengan teks tertentu atau memarkir mobil. Jaringan syaraf di barat digunakan lebih aktif, sayangnya, perusahaan domestik belum mengadopsi teknik ini.

Terlepas dari kelebihan JST dibandingkan perhitungan konvensional di beberapa daerah, jaringan syaraf yang ada bukanlah solusi ideal. Karena mereka mampu belajar, mereka mungkin salah. Selain itu, Anda tidak dapat benar-benar menjamin bahwa jaringan saraf yang dikembangkan akan optimal. Pengembang berkewajiban untuk memahami sifat dari masalah yang dipecahkan, untuk memiliki banyak informasi yang menjadi ciri masalah, untuk mendapatkan data untuk pengujian dan pembelajaran jaringan, untuk memilih dengan tepat metode pelatihan, fungsi transfer dan fungsi adder.