PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MENDETEKSI POLA GAMBAR PADA PERMUKAAN YANG MEMILIKI CORAK TERTENTU
Teks penuh
Gambar
Dokumen terkait
Klasifikasi kanker serviks dengan jaringan syaraf tiruan backpropagation memberikan model terbaik dengan 13 neuron input, satu lapisan tersembunyi dengan 12 neuron
Dari hasil uji coba masing-masing jaringan syaraf tiruan menunjukan bahwa jaringan syaraf tiruan ketepatan diagnosis menurut klasifikasi asma dengan 15 data, jaringan syaraf tiruan
Model JST lapisan kompetitif merupakan bagian jumlah yang besar pada jaringan syaraf Pada dasamya, hubungan antara satu neuron dengan neuron lainnya pada lapisan
Self-Organizing Feature Maps adalah salah satu metode jaringan syaraf tiruan yang dapat melakukan pendeteksian, dimana neuron yang mempunyai jarak yang paling kecil adalah neuron
Pembelajaran pada jaringan syaraf tiruan pada dasarnya dideskripsikan lewat perubahan bobot w antara neuron, tujuan akhir pembelajaran terhadap variabel masukan x
Informasi yang diberikan pada jaringan syaraf akan dirambatkan lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya,
adalah vektor bobot yang menghubungkan setiap neuron pada lapisan input ke neuron pertama pada lapisan output, sedangkan adalah vektor bobot yang menghubungkan setiap neuron
Dengan demikian jumlah data training yang digunakan untuk jaringan syaraf tiruan akan lebih sedikit.. Karena data training yang digunakan lebih sedikit, waktu yang diperlukan
