Membangun Artificial Neural Network Di Javascript
membangun sistem neural network sendiri di javascript - Perkembangan dunia kecerdasan buatan memang lagi hype banget akhir-akhir ini. Jika kita berbicara soal kecerdasan buatan, maka kita akan mengenal suatu model berjulukan neural network. Berikut ini saya akan menjelaskan mengenai apa itu neural network, dan bagaimana cara membangun sistem kecerdasan buatan sederhana untuk pertama kali.
Training Data
Training Data (melatih data) yaitu tahap penting untuk membangun sistem neural network. Kita akan mencoba untuk menciptakan sedikit data referensi untuk dimasukan kedalam ingatan AI untuk mengambil keputusan.
Dalam pembinaan data dengan brain js, ada 2 tahap, yaitu input dan output. Input akan berisi kumpulan data yang kita miliki, dan output sebagai keputusan yang seharusnya diambil.
Untuk mendapat hasil yang lebih baik, kita harus mendeklarasikan semua data sebagai angka/nomor. Here is an example...
Contoh Pengambilan Keputusan Dengan Neural Network
Kita akan menciptakan sebuah kondisi dimana jikalau data berupa angka yang sama, maka outputnya yaitu 0. Jika angka nya beda, maka outputnya yaitu 1.
Dengan membandingkan output (hasil) dari pengambilan keputusan sistem dengan output yang kita atur di pembinaan data, kita sudah dapat mengetahui seberapa keakuratan dari sistem neural network yang kita bangun.
Mari kita coba dengan kasus lain. Misal, sistem pengambil keputusan apakah penggabungan komposisi warna merah, hijau, dan biru akan menghasilkan warna yang terlihat terang, atau gelap.
Dengan begitu, kita dapat mengetahui tingkat terang dan gelap suatu warna sesuai perpaduan antara warna merah, hijau, dan biru.
Dengan pengetahuan dasar mengenai neural network, tentunya akan mempermudah kita untuk belajar AI kedepannya.
Sumber https://teziger.blogspot.com/
Apa itu Neural Network?
Basically, neural network yaitu cabang dari pembelajaran Artificial Intelligence. Neural Network yaitu model yang menggandakan sistem jaringan saraf pada otak dalam mengambil keputusan. Terkhususnya yaitu organ neuron yang terletak di dalam sel saraf otak. Maka dari itu, neural network juga dikenal dengan sebutan Jaringan Saraf tiruan.
 |
| Arsitektur Neural Network |
Secara umum, ilmu mengenai jaringan saraf tiruan ini mengacu pada pembelajaran statistika. Ada beberapa proses sebelum input menghasilkan output. Salah satunya yaitu membandingkan data yang ada sebelumnya. Proses ini dikenal dengan Training Data. Yaitu melatih sistem untuk mengambil keputusan dengan mempelajari data yang ada sebelumnya. Tentunya hal ini sangat besar lengan berkuasa pada keakuratan output. Oleh alasannya yaitu itu, diharapkan teknologi Big Data untuk lebih menunjang teknologi Neural Network.
Seiring berkembangnya teknologi Artificial Intelligence ini, aneka macam konfigurasi isyarat sudah lebih dipermudah. Programmer diseluruh dunia dengan bahagia hati membantu aneka macam projek AI untuk menjadikannya benar-benar zero config. Salah satunya di bahasa Javascript, sudah ada paket berjulukan BrainJS, yaitu library javascript yang mempermudah kita untuk membangun sistem neural network
 |
| BRAIN JS |
Membangun Sistem Neural Network di Javascript
Saya akan mencontohkan bagaimana cara untuk membangun sistem kecerdasan buatan yang sangat sederhana. Namun ibarat yang saya jelaskan tadi, tentunya kecerdasan sistem nya nanti masih sangat kurang akurat alasannya yaitu keterbatasan di Training Data. Yang terpenting yaitu konsep dasar dari Neural Network di Javascript.
Installasi Library Brain.JS
CDN
<script src="https://cdnjs.cloudflare.com/ajax/libs/brain/0.6.3/brain.min.js"></script> NPM
npm i brain.js const brain = require('brain.js')Training Data
Training Data (melatih data) yaitu tahap penting untuk membangun sistem neural network. Kita akan mencoba untuk menciptakan sedikit data referensi untuk dimasukan kedalam ingatan AI untuk mengambil keputusan.
Dalam pembinaan data dengan brain js, ada 2 tahap, yaitu input dan output. Input akan berisi kumpulan data yang kita miliki, dan output sebagai keputusan yang seharusnya diambil.
Untuk mendapat hasil yang lebih baik, kita harus mendeklarasikan semua data sebagai angka/nomor. Here is an example...
Contoh Pengambilan Keputusan Dengan Neural Network
Kita akan menciptakan sebuah kondisi dimana jikalau data berupa angka yang sama, maka outputnya yaitu 0. Jika angka nya beda, maka outputnya yaitu 1.
const net = brain.NeuralNetwork() // memanggil fungsi neural network pada brainjs const trainingData = [ {input:[0,0],output:[0]}, {input:[0,1],output:[1]}, {input:[1,0],output:[1]}, {input:[1,1],output:[0]} ] net.train(trainingData) // melatih sistem // mendeklarasikan keputusan net.run([0,1]) // Hasil: 0.9344263672828674 net.run([1,1]) // Hasil: 0.08769062906503677 net.run([1,0]) // Hasil: 0.933978796005249 net.run([0,0]) // Hasil: 0.05937185883522034Dengan membandingkan output (hasil) dari pengambilan keputusan sistem dengan output yang kita atur di pembinaan data, kita sudah dapat mengetahui seberapa keakuratan dari sistem neural network yang kita bangun.
Mari kita coba dengan kasus lain. Misal, sistem pengambil keputusan apakah penggabungan komposisi warna merah, hijau, dan biru akan menghasilkan warna yang terlihat terang, atau gelap.
const net = brain.NeuralNetwork() // memanggil fungsi neural network pada brainjs const trainingData = [{ input: { merah: 0.03, hijau: 0.7, biru: 0.5 }, output: { gelap: 1 } }, { input: { merah: 0.16, hijau: 0.09, biru: 0.2 }, output: { terang: 1 } }, { input: { merah: 0.5, hijau: 0.5, biru: 1.0 }, output: { terang: 1 } } ] net.train(trainingData) // melatih data // mendeklarasikan keputusan net.run({ merah: 0.4, hijau: 0.7, biru: 0.9 }) // hasil: { gelap: 0.3950822651386261, terang: 0.6040115356445312 }Dengan begitu, kita dapat mengetahui tingkat terang dan gelap suatu warna sesuai perpaduan antara warna merah, hijau, dan biru.
Dengan pengetahuan dasar mengenai neural network, tentunya akan mempermudah kita untuk belajar AI kedepannya.
Sumber https://teziger.blogspot.com/
