ANALISIS PENGGUNAAN ALGORITMA GENETIKA UNTUK PERBAIKAN JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION
Teks penuh
Gambar
Dokumen terkait
Berdasarkan arsitektur jaringan tersebut dilakukan proses pelatihan dengan menggunakan data pelatihan yang tersedia, jika disain JST menunjukkan akurasi yang tinggi atau toleransi
Algoritma Genetika dapat digunakan untuk mengoptimalkan kerja JST, dalam hal ini dilakukan pada struktur neuron pada lapis tersembunyi untuk memperoleh model terbaik yang diukur
Identifikasi buah Mangga Gedong Gincu Cirebon berdasarkan citra RGB menggunakan JST mendapatkan akurasi sebesar 66,6% pada epoch 2500 dengan jumlah variasi neuron 2
Fi adalah jumlah neuron masukan neuron I dalam Jaringan Syaraf Tiruan. Hitung keluaran yang didapatkan dari neuron dalam layer tersembunyi :. n adalah jumlah masukan pada neuron j
Penelitian serupa juga dilakukan oleh Alwakeel dan Shaaban (2010) yang melakukan penelitian Face Recognation menggunakan JST Levenberg-Marquardt dengan akurasi 98%, sedangkan
Model JST lapisan kompetitif merupakan bagian jumlah yang besar pada jaringan syaraf Pada dasamya, hubungan antara satu neuron dengan neuron lainnya pada lapisan
Parameter yang menghasilkan akurasi maksimal yaitu jumlah hidden layer 1, jumlah neuron tiap layer 20, nilai learning rate 0.05, fungsi aktivasi tansig untuk hidden
• JST dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi bahwa: Pemrosesan informasi terjadi pada banyak elemen sederhana neuron Sinyal
