Pendahuluan Artificial Neural Network : SIngle Neuron

Pada dasarnya ANN adalah jaringan tiruan yang mengikuti cara bekerjanya jaringan syaraf biologis. Konsepnya adalah meniru cara bekerjanya jaringan syaraf biologis dan implementasinya secara elektronis dengan komputer.

Gambar 1. Neuron didalam Cerebral Cortex 

(Diambil dari https://commons.wikimedia.org/wiki/File:Smi32neuron.jpg)

Sebelum kita membicarakan implementasinya,kita akan melihat dasar-dasar pemikiran dari ANN. Kita akan menggunakan skalar, vektor, dan matrik dalam penerapan ANN.

Model dasarnya adalah syaraf atau neuron. Bahasan pertamanya adalah bagaimana arsitektur dari neuron.

Neuron Tunggal dengan Input Tunggal
Dalam bahasan ini kita memiliki sebuah sistem yang hanya terdiri dari sebuah neuron. Kita memiliki sebuah input, sebuah weight dan sebuah bias :

1. Weight adalah pembobotan yang akan dikalikan dengan input.
2. bias adalah pembobotan yang dijumlahkan dengan hasil perkaliah weight dengan input
3. Hasil dari weight x input + bias akan menjadi masukan bagi actifation function.
4. Weight merupakan muatan dari synapse.
5. Bias merupakan konstanta yang ditambahkan kepada hasil perkalian weight dan input.
6. Badan syaraf merupakan gabungan dari fungsi penjumlahan dan fungsi aktifasi.

Jika :

1. masukan disimbolkan dengan p, 
2. bobot disimbolkan dengan w, dan 
3. bias disimbolkan dengan b, 
4. keluaran dari fungsi penjumlahan disimbolkan dengan n, 
5. fungsi aktifasi disimbolkan dengan f, dan 
6. keluaran akhir fungsi aktifasi  dengan a 

maka gambaran arsitekturnya, adalah sebagai berikut :

a = f(wp+b)

Nilai a tergantung kepada fungsi aktifasi f yang digunakan.  Nilai w dan b akan berubah-ubah sesuai dengan aturan pembelajaran (learning rule) yang dilakukan oleh sistem.

Fungsi aktifasi dapat bersifat linear atau bukan linear.  Selanjutnya kita akan membahas activation function atau disebut juga transfer function.