Jaringan saraf tiruan diperkenalkan secara sederhana pada tahun 1943 oleh McCulloch dan
Pitts [Fausett; 1994]. Pada saat itu McCulloch dan Pitts melalui beberapa
komputasi menggunakan neuron-neuron sederhana dapat mengubahnya menjadi sebuah
sistem baru (disebut sistem neural) yang mempunya kemampuan komputasi
yang lebih baik. Selain itu McCulloch dan Pitts juga mengusulkan pemberian
bobot dalam jaringan yang dapat diatur untuk melakukan fungsi logika sederhana.
Beliau-beliau ini menggunakan semacam fungsi aktivasi threshold.
Pada tahun 1958,
Rosenblatt beserta Minsky dan Papert mulai mengembangkan model jaringan yang
disebut dengan perceptron. Dalam model ini mereka mencoba untuk
mengoptimalkan hasil iterasinya. Kemudian pada tahun 1960 Widrow dan Hoff
mengembangkan model perceptron ini dengan memperkenalkan aturan pelatihan
jaringan yang disebut aturan delta (sering juga disebut kuadrat
rata-rata terkecil). Aturan tersebut akan mengubah bobot perceptron
apabila keluaran yang dihasilkan tidak lagi sesuai dengan target yang telah
ditetapkan. Hal inilah yang menyebabkan komputer dapat “belajar” dengan sendirinya;
kecepatan belajar dapat diatur dengan menggunakan parameter tertentu.
Perkembangan
selanjutnya dibuat oleh Rumelhart (1986) dengan mencoba mengembangkan sistem
layar tunggal (single layer) pada perceptron menjadi sistem layar
jamak (multilayers), yang kemudian disebut dengan sistem backpropagation.
Setelah itu, muncul beberapa model jaringan saraf tiruan lain yang dikembangkan
oleh Kohonen (1972), Hopfield (1982), dan lain-lain
Sumber :klik Disini
0 comments:
Post a Comment