Algoritma Hybrid (Integrasi Dua Algoritma) : Suatu Pengembangan Algoritma Propagasi Balik Pada Proses Belajar Jaringan Saraf Tiruan (JST)  

Oleh:

Pandjaitan, Lanny W.

Jenis: Article from Journal - ilmiah nasional - tidak terakreditasi DIKTI - atma jaya
Dalam koleksi: Metris: Jurnal Mesin, Elektro, Industri dan Sains vol. 1 no. 4 (Dec. 2000), page 19-28.
Topik: jst; Jaringan Saraf Tiruan; Algoritma Hybrid
Fulltext: Alogaritma hybrid (integrasi dua laogaritma).pdf (6.31MB)

Ketersediaan

Perpustakaan Pusat (Semanggi) Nomor Panggil: MM42.1 Non-tandon: 1 (dapat dipinjam: 0) Tandon: tidak ada

Lihat Detail Induk

Isi artikel

Algoritma propagasi balik telah banyak dikenal pada proses belajar JST memerlukan waktu belajar yang lama untuk mengenali karakteristik sistem multi input dan multi output (MIMO). Salah satu solusi yang ditawarkan adalah dengan memadukan satu algoritma propagasi balik dengan algoritma lain, misalnya dengan algoritma Widrow-Hoffatau algoritma pencarian error secara optimum (disebut sebagai algoritma hybrid) yang digunakan pada proses belajar JST. Dengan menggunakan algoritma hybrid, JST mengenali keluaran sistem mendekati keluaran yang diharapkan yang diidentjfikasikan dengan perbedaan (error) minimum d4eroleh antara yang diharapkan dengan yang dicapaL Dan simulasi yang dilakukan, dengan menggunakan algoritma hybrid, diperoleh error yang diperoleh lebih kecil dibandingkan dengan error menggunakan algoritmapropagasi balik saja. Back Propagation algorithm known to train the Artificial Neural Network (ANN) need time consumed for recognizing the multi input and multi output system (MIMO). A solution offered is synthesizing the back propagation algorithm with another learning process algorithm of ANN (Artificial Neural Network), for example combining the back-propagation algorithm and Widrow-Hoff algorithm or the random error optimization algorithm (called hybrid algorithm). This new algorithm is used for training the parameters system. From simulation results show that neural network system can be quite helpful to find the minimum target error.

Opini Anda

Klik untuk menuliskan opini Anda tentang koleksi ini!

Kembali