Abstrak
Ridge polynomial neural network (RPNN) awalnya diusulkan oleh Shin dan Ghosh, dibangun dari jumlah peningkatan order pi-sigma neuron (PSN). RPNN mempertahankan pembelajaran cepat, pemetaan yang kuat dari layer tunggal higher order neural network (HONN) dan menghindari banyaknya bobot karena meningkatnya sejumlah input. Algoritma optimasi chaos digunakan dengan memanfaatkan persamaan logistik yang sensitif terhadap kondisi awal, sehingga pergerakan chaos dapat berubah di setiap keadaan dalam skala tertentu menurut keteraturan, ergodik dan mempertahankan keragaman solusi. Algoritma Optimasi Chaos diterapkan pada RPNN dan digunakan untuk prediksi jumlah pengangguran di Kalimantan Barat. Proses pelatihan jaringan menggunakan ridge polynomial neural network, sedangkan pencarian nilai awal bobot dan bias jaringan menggunakan algoritma optimasi chaos. Struktur yang digunakan terdiri dari 6 neuron layer input dan 1 neuron layer output. Data diperoleh dari Badan Pusat Statistik. Hasil dari penelitian ini menunjukkan bahwa algoritma yang diusulkan dapat digunakan untuk prediksi.
Kata kunci—prediksi jumlah pengangguran, jaringan syaraf tiruan, algoritma optimasi chaos, ridge polynomial neural network
Pendahuluan
Ridge polynomial neural network (RPNN) awalnya diusulkan oleh Shin dan Ghosh, dibangun dari jumlah peningkatan order pi-gma neural (PSN). RPNN mempertahankan pembelajaran cepat, pemetaan yang kuat dari layer tunggal higher order neural network (HONN) dan menghindari ledakan bobot karena meningkatnya sejumlah input [1]. Chaos [2] adalah gejala nonlinear secara universal dalam semua bidang ilmu, yang terjadi di dalam sistem. Variabel chaos di dalam range tertentu memiliki beberapa fitur sebagai berikut: randomness, ergodicity, keteraturan (regularity) dan sensitif terhadap kondisi awal.
Peneliti: Rina Pramitasari
Untuk lebih lengkapnya silahkan download di link berikut:
Post a Comment
Post a Comment