Kusumadewi[1] mengemukakan Neuro-Fuzzy Inference System merupakan kumpulan aturan dan suatu
metode inferensi yang dikombinasikan dalam suatu struktur terhubung kemudian
dilakukan pelatihan dan adaptasi. Salah satu model yang merupakan bentuk
jaringan adaptif yang berfungsi seperti halnya sistem inferensi fuzzy adalah Adaptive Neuro-Fuzzy Inference System (ANFIS)[2], dan Dynamic Envolving Neuro-Fuzzy Inference System
(DENFIS)[3].
Banyak sistem neuro-fuzzy yang menggunakan algoritma backpropagation untuk membangkitkan aturan-aturan fuzzy dengan fungsi keangotaan
menggunakan model gaussian yang
diberikan secara terpisah. Hal ini mengakibatkan, jika jumlah variabel masukan ditambah,
maka bertambah banyak pula parameter-parameter yang harus dibangkitkan.
Mizumoto[4] memperkenalkan algoritma pembelajaran pada neuro-fuzzy tanpa harus mengubah bentuk
aturan fuzzy. Metode ini sangat
efisien terutama jika digunakan untuk identifikasi fungsi-fungsi nonlinier[5].
refferensi :
- [1] Kusumadewi, Sri., Neuro-Fuzzy Integrasi Jaringan Syaraf dan Sistem Fuzzy, Penerbit Graha Ilmu, Yogyakarta, 2006.
- [2] Jang, J-S, dkk., Neuro-Fuzzy and Soft Computing, Prentice-Hall International, Inc., 1997.
- [3] Kasabov, Nik. Envolving Neuro-Fuzzy Inference Systems. 2002.
- [4] Mizumoto, Masaharu dan Shi, Yan., A New Approach of Neuro-Fuzzy Learning Algorithm, 1997.
- [5] Kusumadewi, Sri., Artificial Intelligence (Teknik & Aplikasinya), Penerbit Graha Ilmu, Yogyakarta, 2003.
Tidak ada komentar:
Posting Komentar