Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu permasalahan yang dihadapi dalam mengaplikasikan neural network adalah menentukan parameter-parameter weight dan threshold yang optimum selama fasa pelatihan. Metode yang umum digunakan untuk mendapatkan solusi permasalahan ini adalah metode backpropagation. Suatu pendekatan berbeda yang digunakan untuk mendapatkan solusi dari permasatahan diatas adalah algoritma genetik. Dalam tesis ini algoritma genetik diaplikasikan untuk melatih neural network guna mendapatkan suatu parameter weight dan threshold yang optimum. Proses diawali dengan mengkodekan parameter-parameter neural network menjadi kromosom biner, yang kemudian dilanjutkan dengan suatu proses evaluasi kromosom. Proses seleksi dengan metode 'Spinning Wheel' digunakan untuk menyeleksi turunan dengan kelayakan tinggi. Proses pencarian solusi optimal dikerjakan dengan melakukan operator-operator genetik persilangan dan mutasi dari kromosom yang terseleksi. Hasil pengujian menunjukkan bahwa pelatihan dengan algoritma genetik untuk permasalahan klasifikasi pola terbukti lebih unggul kinerjanya daripada dengan metode backpropagation untuk mencapai error minimum yang diinginkan. Pada pengujian pendekatan fungsi, algoritma genetik ter1ihat lebih tambat dari segi waktu untuk mencapai error minimum yang sama dibandingkan dengan metode backpropagation.

---

One of the problems faced in applying neural network to some real wond application is related to difficulties in finding an optimum set of weights and thresholds during the training phase. A general most method in finding these solutions for these problems is backpropagation. A different method to find the solutions of the same problems is Genetic Algorithms. Genetic algorithm is relatively new search algorithm that has not been fully explored in this area. In this thesis, genetic algorithms are applied to train neural networks and to evolve an optimum set of weights and thresholds. Process begin with encode neural networks parameters to binary chromosomes, and evaluate. The Spinning wheel selections are using to produce offspring with high fitness, then recombinate with crossover and mutation as genetic operator. The project carried out investigates whether genetic algorithms can be applied to neural networks to solve pattern classification and function approximation problems. This thesis describes the simulation works that have been performed. It describes the design of a genetic algorithm and the results obtained. In pattern classification problem that use feedforward network show, that genetic algorithm is superior to backpropagation training rule in error and speed calculation. In function approximation, the result shows that genetic algorithm approach is very much slower than the backpropagation method. Results show that even for relatively simple network, genetic algorithm requires a much longer time to train neural networks."

"Teks berisi perbincangan antara dua bersaudara kakak beradik yang bernama Gundah dan Gunawan, membicarakan tentang ilmu tua yaitu ilmu etika yang dipakai dari lahir sampai meninggalnya. Keterangan penulisan maupun penyalinan naskah ini tidak disebutkan dalam teks."

"Penelitian yang dilakukan oleh John Holland pada tahun 1962 menghasilkan metode yang disebut sebagai algoritma genetik (Genelic Algorithms), yang dasar pikirannya sesuai dengan namanya, yaitu dari proses genetika. Secara biologis, gen dalam tubuh mahluk hidup berkembang biak, djselcksi dan terus berubah (beradaptasi) menurut lingkungannya Hal ini terlihat acak tetapi memiliki arah tertentu dan dapat mempertahankan hidupnya. Sistem alam ini kemudian dikembangkan menjadi sistem tiruan yang menggunakan metode Sarna untuk membuat replika ilmiah dari sistem buatan dan bersifat memiliki kecerdasan buatan karena prosesnya menunjukkan seolah-olah memiliki pikirannya sendiri. Sistem inilah yang disebut sebagai algoritma genetik karena rnemang mengambil sistern perlcembangan genetik di alam.Studi kasus ini mengambil sistem perpipaan yang mengguna.ka.n kompresor serial yang bertujuan untuk rnempertahankan tekanan sepanjang sistem. Perhitungan yang dilakukan bertujuan untuk mencari energi kompresor minimum yang dilconsumsi dari aliran tluida. Kesimpulan yang diambil bukan hanya harga optimum pemakaian energi dari kompresor, melainkan juga apakah metode optimasi yang dilakukan dapat memberikan hasil yang layak untuk diaplikasikan di lapangan atau metode tersebul layak untuk dipergunakan dalam proses simulasi maupun optimasi suatu sistem."