ANALISIS LEARNING JARINGAN RBF (RADIAL BASIS FUNCTION NETWORK)PADA PENGENALAN POLA ALFANUMERIK

Isi Artikel Utama

Fadhillah Azmi

Abstrak

Learning merupakan salah satu parameter yang sangat penting dalam jaringan syaraf tiruan untuk mendapatkan hasil yang diinginkan. Namun, pencapaian hasil yang diperoleh learning rate bukan menjadi jaminan, karena salah satu algoritma jaringan syaraf tiruan seperti backpropagation kemungkinan terjebak ke dalam nilai minimum lokal (local minima), sehingga diperoleh solusi suboptimal. Tujuan utama tulisan ini adalah menganalisis pembelajaran pada algoritma radial basis function (RBF) dalam pengenalan pola alfanumerik, yang mana proses pembelajaran dengan menggunakan perhituungan matriks Gaussian.

Rincian Artikel

Cara Mengutip
[1]
F. Azmi, “ANALISIS LEARNING JARINGAN RBF (RADIAL BASIS FUNCTION NETWORK)PADA PENGENALAN POLA ALFANUMERIK”, JTM, vol. 5, no. 2, hlm. 32–34, Feb 2017.
Bagian
Articles

Referensi

Er, Joo dan Wu, Sqhiqian. Face Recognition With Radial Basis Function (RBF) Neural Networks. IEEE Transactions on Neural Network. Vol.13(3): 2002..

Hagan, T Martin., Demuth, B Howard., Beale, Hudson., dan Jesus, Orlando. 1996. Neural Network Design 2nd Edition. Stanford University.

Holkar dan Singh, Pratap. Performance Analysis of Radial Basis Function Neural Network for Pattern Recognition. International Journal of Multidisciplinary and Current Research. Vol.3: 2015.

Orr, L J Mark. 1996. Introduction to Radial Basis Function Networks. University of Edinburgh, Scotland.

Tahir, Zulkifli., Warni, Elly., Sylwana, Erny., dan Wahyuni, Quatrine. Analisa Metode Radial Basis Function Jaringan Syaraf Tiruan Untuk Penentuan Morfologi Sel Darah Merah (Eritrosit) Berbasis Pengolahan Citra. Vol. 6: 2012.