Repository Universitas Pakuan

Detail Karya Ilmiah Dosen

Muhamad Saad Nurul Ishlah

Judul :
Abstrak :

ArtificialNeuralNetworks(ANNs, NN) telah banyakdiimplementasikan dalam penyelesaian berbagai masalahkomputasi. Dalam prosesnya,sering kali perancangantopologijaringanpadaANNsdilakukan dengan cara coba-coba, sehingga keoptimalan dari rancangan tersebut sering tidak optimal untuk menyelesaikan suatu masalah. Di lain pihak,GeneticAlgorithm(GA, Algoritme Genetika) dikenal sebagai sebuah teknik untuk menemukan sebuah solusi yang optimal dari sekumpulan populasimasalah optimasi.Tulisan ini menyajikan hasil pengimplementasianGAuntukmengoptimasitopologipada rancanganANNs. Pada penelitian ini, GA digunakan untuk menemukan jumlah neuron pada lapisantersebunyi(hiddenlayer) untuk menyelesaikan masalah klasifikasibunga. Selain itu, GA juga digunakan untukmengoptimasilearningratedan parameter momentum dari rancanganANN. Untuk mengevaluasi performa dari hasiltopologibaru yang terbentuk, dilakukan perbandingan dengantopologiANN yang belumdioptimasimenggunakan GA. Hasil simulasi menunjukkan bahwa arsitekturANN yang baru menghasilkan klasifikasi yang lebih baik.

Tahun : 2017 Media Publikasi : Jurnal Nasional Blm Akreditasi
Kategori : Jurnal No/Vol/Tahun : 2 / 14 / 2017
ISSN/ISBN :
PTN/S : Universitas Pakuan Program Studi : ILMU KOMPUTER
Bibliography :

  1. OvuncPolat, TulayYildirim: FPGA implementation of a General Regression Neural Network: An embedded pattern classification system, Digital Signal Processing, Volume 20, Issue 3, May 2010, Pages 881-886, ISSN 1051-2004,10.1016/j.dsp.2009.10.013.2.

  2. Zarei, A.; DuxingMou, "Artificial Neural Network for Prediction of Ethnicity Based on Iris Texture," Machine Learning and Applications (ICMLA), 201211th International Conference on vol.1, no., pp.514,519, 12-15 Dec. 2012 doi:10.1109/ICMLA.2012.94

  3. Michael Negnevitsky. 2011. Artificial Intelligence: A Guide to Intelligent Systems(3st ed.). Pearson Education Limited., England.

  4. Fiszelew, A., Britos, P., Ochoa, A., Merlino, H., Fernández, E., García-Martínez, R.: Finding Optimal Neural Network Architecture Using Genetic Algorithms. Research in Computing Science 27, 2007, pp. 15-24

  5. Engelbrecht, A. P., 2007. Computational Intelligece: An Introduction. 2nd Edition. John Wiley & Sons Ltd. England.

  6. Frank, A., Asuncion, A. (2010). UCI Machine Learning Repository (http://archive.ics.uci.edu/ml). Irvine, CA: University of California, School ofInformation and Computer Science.

  7. Fekiac, J., Zelinka, I., Burguillo, J. C.: A Review of Methods for Encoding Neural Network Topologies in Evolutionary Computation.Proceedings 25th European Conference on Modelling andSimulation ©ECMS. ISBN: 978-0-9564944-2-9 / ISBN: 978-0-9564944-3-6 (CD)

  8. Eiben, A. E., Smith, J. E. Introduction to Evolutionary Computing  Generic Algorithm. Power point slide.

  9. Ishlah, Muhamad Saad Nurul, A Comparative Study of Neural Network Approaches using Back Propagation Technique on Classification Problem. 2013. Assignment Report of Bio-inspired Computing: Application and Interfaces.

URL : https://journal.unpak.ac.id/index.php/komputasi/article/view/769

 

Document

 
back