Pengantar Fuzzy Logic dan Neural Network
Logika Fuzzy milik keluarga logika banyak nilai.
Ini berfokus pada penalaran tetap dan perkiraan yang bertentangan dengan penalaran tetap dan tepat.
Variabel dalam logika fuzzy dapat mengambil rentang nilai kebenaran antara 0 dan 1, berbeda dengan mengambil benar atau salah dalam himpunan biner tradisional.
Neural network (NN) atau jaringan saraf tiruan (ANN) merupakan model komputasi yang dikembangkan berdasarkan jaringan saraf biologis.
JST terdiri dari neuron buatan yang terhubung satu sama lain.
Biasanya, JST mengadaptasi strukturnya berdasarkan informasi yang datang kepadanya.
Apa itu Logika Fuzzy?
Logika Fuzzy milik keluarga logika banyak nilai.
Ini berfokus pada penalaran tetap dan perkiraan yang bertentangan dengan penalaran tetap dan tepat.
Variabel dalam logika fuzzy dapat mengambil rentang nilai kebenaran antara 0 dan 1, berbeda dengan mengambil benar atau salah dalam himpunan biner tradisional.
Karena nilai kebenaran adalah rentang, ia dapat menangani kebenaran parsial.
Awal mula logika fuzzy ditandai pada tahun 1956, dengan diperkenalkannya teori himpunan fuzzy oleh Lotfi Zadeh.
Logika fuzzy menyediakan metode untuk membuat keputusan yang pasti berdasarkan input data yang tidak tepat dan ambigu.
Logika fuzzy banyak digunakan untuk aplikasi dalam sistem kontrol, karena sangat mirip dengan cara manusia mengambil keputusan tetapi dengan cara yang lebih cepat.
Logika fuzzy dapat digabungkan untuk mengontrol sistem berdasarkan perangkat genggam kecil hingga workstation PC besar.
Apa itu Neural Network?
JST adalah model komputasi yang dikembangkan berdasarkan jaringan saraf biologis.
JST terdiri dari neuron buatan yang terhubung satu sama lain.
Biasanya, JST mengadaptasi strukturnya berdasarkan informasi yang datang kepadanya.
Serangkaian langkah sistematis yang disebut aturan pembelajaran perlu diikuti saat mengembangkan JST.
Selanjutnya, proses pembelajaran memerlukan data pembelajaran untuk menemukan titik operasi JST terbaik.
JST dapat digunakan untuk mempelajari fungsi perkiraan untuk beberapa data yang diamati.
Namun saat menerapkan JST, ada beberapa faktor yang harus dipertimbangkan.
Model harus dipilih dengan hati-hati tergantung pada data.
Menggunakan model rumit yang tidak perlu akan membuat proses pembelajaran menjadi lebih sulit.
Memilih algoritme pembelajaran yang tepat juga penting, karena beberapa algoritme pembelajaran berperforma lebih baik dengan jenis data tertentu.
Apa perbedaan antara Fuzzy Logic dan Neural Networks?
Logika fuzzy memungkinkan pengambilan keputusan yang pasti berdasarkan data yang tidak tepat atau ambigu, sedangkan ANN mencoba menggabungkan proses berpikir manusia untuk memecahkan masalah tanpa memodelkannya secara matematis.
Meskipun kedua metode ini dapat digunakan untuk menyelesaikan masalah nonlinier, dan masalah yang tidak ditentukan dengan benar, keduanya tidak berhubungan.
Berbeda dengan logika Fuzzy, JST mencoba menerapkan proses berpikir pada otak manusia untuk memecahkan masalah.
Selanjutnya, JST mencakup proses pembelajaran yang melibatkan algoritma pembelajaran dan membutuhkan data pelatihan.
Namun ada sistem cerdas hibrid yang dikembangkan menggunakan dua metode ini yang disebut Fuzzy Neural Network (FNN) atau Neuro-Fuzzy System (NFS).