JARINGAN

SYARAF TIRUAN

Oleh :
Candra Dewi, S.Kom, M.Sc
 TUJUAN

Setelah mengikuti kuliah ini diharapkan mahasiswa dapat:

 Mendeskripsikan relasi antara jaringan otak dengan
model JST
 Menjelaskan arsitektur umum dan algoritma learning
dari perseptron, Radial Basis Function Network,dll
 Menjelaskan faktor utama untuk mencapai performance
learning dan generalization yang bagus dalam JST
 Identifikasi implementasi dari JST
 Menganalisa dan mengimplementasikan JST untuk
berbagai kasus
MATERI PERTEMUAN
1. Pendahuluan JS, ANN vs Brain, Penjelasan ttg
ANN, struktur dasar ANN & istilah2
2. Model neuron, fungsi aktivasi, MP NN, overview
learning, supervised & unsupervised Learning
(pendahuluan).
3. Firing rule, simple neuron, artificial single
neuron & operasi AND, OR.
4. Perceptron &multilayer perceptron
5. Adaline & Madaline
6. Assosiative
7. Kuis/Presentasi Tugas
8. UTS
MATERI PERTEMUAN

9. UTS
10. SOM – Kohonen
11. LVQ
12. Backpropagation NN
13. BPNN (lanjut) / Radial Basis Function
14. ELM
15. Review Materi dan Project
16. Kuis/Presentasi Project
17. UAS
PENILAIAN

 UTS : 15%
 UAS : 20 %
 Tugas Terstruktur : 15 %
 Project : 50%
REFERENSI

1. Fausett, L. 1994. Fundamentals of Neural

Networks. Prentice Hall
2. Krose, B. And Patrick van der Smagt. 1996. An
Introduction to Neural Networks, Eighth edition.
University of Amsterdam.
3. Fyfe, C. 1996. Artificial Neural Network. University
of Paisle.
4. Freeman, J.A. And David M. Skapura. 1991. Neural
Networks - Algorithms, Applications, and
Programming Techniques. Addison-Wesley