Nama mata Kuliah | Jaringan Syaraf Tiruan |
Kode mata Kuliah | JACD362 |
Prasyarat | JACD352 |
Kompetensi | mahasiswa memahami cara kerja Jaringan Syaraf Tiruan dan aplikasinya diberbagai bidang serta dapat menterjemahkan metode dan algoritma-algoritma pembelajaran pada Jaringan Syaraf Tiruan kedalam Bahasa Pemrograman. |
Materi pokok dan sub materi | Pengantar Jaringan Syaraf Tiruan
a. Sejarah JST, model JST, fungsi aktivasi, prinsip dasar pelatihan JST b. Arsitektur dan algoritma Jaringan syaraf sederhana (McCulloch-Pitt, hebb, perceptron, adaline, madaline) Jaringan syaraf assosiative a. Algoritma Training untuk pattern association b. Heteroassociative memory c. Autoassociative d. Bidirectional associative memory (BAM) Jaringan syaraf Competitive a. Fixed weight competitive (maxnet, mexican, hamming) b. Kohonen self – organizing maps c. Learning vector quantization (LVQ) Backpropagation Backpropagation standard, arsitektur, algoritma dan aplikasinya Aplikasi jaringan syaraf tiruan diberbagai bidang: pengenalan pola, peramalan, dll |
Pustaka | Pustaka Utama:
Fausett, Laurene,1994,. Fundamentals of Neural Networks, Prentice-Hall International, Inc.,USA Pustaka Pendukung 1. Demuth, Howard and Mark Belle, Neural Network Toolbox : for use with MATLAB, (online available), Mathworks, 2002 2. Li Min Fu, 1994, Neural Networks in Computer Intelligence, McGraw-Hill International, New York. 3. Neural Networks for Pattern Recognition, The MIT Press, Cambridge, MA 4. Rao, Valluru B. dan Rao, Hayagriva V, 1993, C++ Neural Networks and Fuzzy Logic, MIS Press, New York |