aplikasi jst identifikasi plat nomor


Komentar

Posting Komentar

Postingan populer dari blog ini

PROSES PERCEPTRON

Gambar
                 2. PROSES PERCEPTRON Perceptron adalah salah satu metode JST training yang sederhana dipakaikan prosedur algoritma training yang pertama kali. Terdiri dari neuron tunggal dengan bobot synaptic yang diatur menggunakan fungsi aktifasi hard limit. Aturan belajar perceptron lebih handal jika dibandingkan dengan aturan Hebbrule, dengan asumsi yang sesuai prosedur belajar iteratifnya dapat dibuktikan dengan konvergennya ke bobot yang benar, yaitu bobot yang memungkinakan jaringan menghasilkan nilai output yang benar untuk setiap pola input pelatihan. Arsitektur perceptron belajar mengenali pola dengan metode pembelajaran terbimbing. Perhatikan gambar berikut ini  Target = Nilai yang diinginkan,  Output = Nilai yang keluar dari neuron Proses Compare digunakan untuk membandingkan antara output dengan target, Jika terjadi perbedaan maka weight/bobot di adjust/atur sam...
Terus membaca

BAB 5 THE MADELIN

Gambar
The Madaline (Banyak Adaline) adalah ekstensi multilayer dari bipolar single-neuron adaline ke jaringan. Karena Madaline adalah ekstensi multi-layer metodologi penyesuaian lebih berat daripada di Back Propagation dan memberikan pemahaman yang sulit ke dalam menyesuaikan bobot dalam jaringan multi-layer, meskipun kurang efisien. Struktur dasar diberikan pada Gambar. 5. 1 yang dalam hal dua lapisan Adalines, ditambah lapisan masukan yang hanya berfungsi sebagai distributor masukan jaringan (lihat Gambar. 5.2).   Pelatihan Madaline Pelatihan Madaline berbeda dari pelatihan Adaline bahwa tidak ada output parsial yang diinginkan dari bagian dalam lapisan yang dapat tersedia. Sehingga bagian dalam lapisan disebut lapisan tersembunyi. Sama seperti dalam sistem saraf pusat manusia (CNS), kita dapat menerima informasi dalam hasil yang diinginkan dan tidak diinginkan, meskipun manusia tidak sadar hasil dari neuron individu yang berpartisipasi dalammenerima info...
Terus membaca

BAB 3. Prinsip dasar dari ANN

Gambar
BAB 3. Prinsip dasar dari ANN Prinsip Dasar dari Articial Neural Networks (ANNs) pertama kali dirumuskan oleh McCulloch dan Pitts pada 1943, dalam hal ini di asumsikan, sebagai berikut : (1) Aktivitas dari sebuah neuron (ANN) adalah semua atau tidak sama sekali. (2) Dari beberapa sinapsis yang berjumlah tetap lebih dari 1 harus lebih merangsang dengan diberikan interval dari saraf lain untuk neuron yang lebih dirangsang. (3) Satu-satunya penundaan yang signifikan dalam sistem saraf adalah synaptic delay. (4) Aktivitas beberapa penghambatan sinapsis sangat mencegah eksitasi dari neuron pada saat itu. (5) Struktur dari inter koneksi jaringan tidak merubah over time. Dengan asumsi (1) diatas, neuron adalah sebuah elment biner. Sedangkan ini mungkin adalah kemungkinan historis dari prinsip awal sistematik, mereka tidak semuanya berlaku hari ini pada ANN design. Hukum Hebbian (Hebbian Rule) karena Donald Hebb (1949) juga menerapkan prinsip ini secara luas. Hukum Hebbian menyatakan bahwa...
Terus membaca