Path: Top > S2-Theses > Informatics-STEI > 2007

ANALISIS PENGGUNAAN ALGORITMA GENETIKA UNTUK OPTIMALISASI JARINGAN SYARAF TIRUAN

Master Theses from JBPTITBPP / 2017-09-27 15:37:09
Oleh : Nurwijaya (NIM 235 05 021), S2 - Informatics
Dibuat : 2007-00-00, dengan 8 file

Keyword : genetic algorithms, artificial neural networks, automated network design, network optimization.
Kepala Subjek : Computer Sciences

Abstrak:




Beberapa usaha telah dilakukan untuk menirukan cara alam yang luwes dalam menyelesaikan permasalahan-permasalahan yang rumit dan menghasilkan solusi yang ideal. Diantara metode-metode yang dihasilkan adalah Algoritma Genetika (Genetic Algorithm / GA) dan Jaringan Syaraf Tiruan (Artificial Neural Networks / ANN). GA merupakan tiruan dari seleksi alam, sebuah strategi yang dikenal sangat efektif untuk menemukan solusi yang mendekati optimal dalam berbagai bidang permasalahan. JST adalah representasi dari otak manusia, dikenal dengan kemampuannya untuk mengenali pola dari data yang kompleks dengan banyak gangguan (noise) dan menghasilkan aproksimasi relasi non-linear.




Terdapat tingkat kesulitan yang tinggi dalam desain JST karena metode pembentukan jaringan yang sangat kompleks dari otak manusia hingga saat ini masih menjadi suatu pertanyaan yang belum terpecahkan. Lebih dari itu ketika kombinasi yang kompleks dari kriteria diberikan (misalnya kecepatan belajar, ukuran, kemampuan generalisasi, dan ketahanan terhadap gangguan data) dan bersamaan dengan bertambahnya ukuran dan kompleksitas jaringan maka diperlukan suatu solusi yang lebih otomatis dan efisien. GA dapat digunakan untuk menghasilkan desain ANN secara otomatis dalam beberapa hal, misalnya optimalisasi topologi, algoritma training, dan optimalisasi parameter kontrol.




Karya tulis ini merupakan studi yang mendalam mengenai metode optimalisasi ANN dengan menggunakan GA atau dengan kata lain Jaringan Syaraf Tiruan yang mampu berevolusi secara genetik. Studi akan dilakukan pada hasil pengujian kinerja jaringan yang dihasilkan pada beberapa permasalahan.

Deskripsi Alternatif :

Abstract:




Many attempts have been made to imitate the way nature solves complex problems, to match its elegance, to equal its imperfect and imprecision yet ideal solutions. Two of many techniques built for the ambitious goal are Genetic Algorithms (GA) and Artificial Neural Networks (ANN). GA is reminiscent of natural selection, an elegant generate-and-test strategy known to be very effective at finding optimal or near optimal solutions to a wide variety of problem. ANN is a representation of human brain, popular for its capability to recognize patterns from noisy, complex data, and estimating their nonlinear relationships.




ANN is often very difficult to design, simply because the method of forming such complex and massive network as the human brain it represents is still a great mystery. Even more, when complex combinations of performance criteria (such as learning speed, compactness, generalization ability, and noise-resistance) are given, and as network applications continue to grow in size and complexity, the traditional engineering approach will not work, a more efficient and automated solution will be needed. GA can be used to automate ANN architecture design in several ways, for example: topology optimization, genetic training algorithms, and control parameter optimization.




This paper is an in-depth study of ANN optimization method by using GA, or in other words, Genetically Evolved Artificial Neural Network. The study is to be made on the benchmark result of GA optimized ANN on several tasks.

Copyrights : Copyright (c) 2007 STEI ITB. Information Dissemination Right @2008 ITB Central Library Jl. Ganesha 10 Bandung 40132 Indonesia. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(2) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing : Oerip S. Santosa, Dr, M.Sc., Editor: delviana fransiska

File PDF...