Sumber : disini

Jaringan syaraf tiruan atau yang lebih dikenal dengan JST menurut Haykin didefiisikan sebagai Sebuah neural network (JST: JaringanSaraf Tiruan) adalah prosesor yang terdistribusi paralel, terbuat dari unit-unit yang sederhana, dan memiliki kemampuan untuk menyimpan pengetahuan yang diperoleh secara eksperimental dan siap pakai untuk berbagai tujuan. Neural network ini meniru otak manusia dari sudut :
1)Pengetahuan diperoleh oleh network dari lingkungan, melalui suatu proses pembelajaran.
2)Kekuatan koneksi antar unit yang disebut synaptic weights, berfungsi untuk menyimpan pengetahuan yang telah diperoleh oleh jaringan tersebut. JST memiliki tiga element dasar dari model neuron, yaitu:
· Sekumpulan sinapsis atau jalur penghubung yang dipresentasikan sebagai bobot
· Fungsi penjumlah untuk menjumlahkan sinyal-sinyal input yang diberikan bobot oleh sinapsis
neuron yang bersesuaian. Operasioperasinya mengikuti aturan kombinasi linier
· Suatu fungsi aktifasi untuk membatasi amplitudo output dari setiap neuron.

Ada beberapa arsitektur jaringan syaraf, yaitu :
1. Jaringan Syaraf perceptron ( single layer ) Jaringan jenis ini hanya terdiri dari layer input dan layer output saja. Input yang masuk
melalui vector input akan langsung diproses dan kemudian ditentukan target output dari hasil pengolahan tadi.

arsitektur perseptron yg terdiri dari 4 node.jpg

2. Jaringan Syaraf multilayer
Jaringan jenis ini mempunyai lapisan yang terletak di antara input layer dan output layer
yang lebih dikenal sebagai hidden layer, jumlah lapisan hidden layer ini minimal satu buah dan maksimalnya tidak ada batasan.

Umumnya JST jenis ini lebih mampu untuk menyelesaikan masalah yang lebih rumit dibandingkan dengan JST perceptron

arsitektur jst.jpg

terdiri dari empat node input, empat node hidden, dan dua node output

3. Jaringan Syaraf recurrent
Jika pada jenis perceptron dan multilayer terdapat jenis arsitektur yang simetris dimana tiap layer-nya terhubung ke layer yang lebih atas, maka pada arsitektur jenis ini akan 9,45 2,12 -4,23 4,56 7,34 2,53 -10 0,34 9,45 2,12 -4,23 4,56 7,34 2,54 -9,98 0,34 7 dijumpai suatu node yang mempunyai link ke dirinya sendiri ataupun link ke node yang lain dalam satu layer bahkan ada juga yang dari input layer langsung menuju ke output layer tanpa melalui output layer. JST jenis ini lebih mirip pada jaringan syaraf yang dimiliki manusia dimana struktur jaringannya tidak tersruktur. Umumnya JST jenis ini lebih sulit untuk diimplementasikan dari pada jenis arsitektur yang lainnya. Masalah yang ada pada JST, antara lain:
1. Bagaimana learning yang baik (bagaimana
menentukan nilai learning rate yang tepat).
2. Kapan proses learning itu berhenti.
Solusi untuk memecahkan masalah di atas adalah dengan jalan :
1. Gunakan algoritma genetika untuk melatih JST
(dalam hal ini algoritma genetika digunakan
untuk melatih bobot – bobot yang ada pada
arstektur JST)
2. Bagi data yang tersedia menjadi tiga bagian :
training set, validation set, testing set.