Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem pengenal objek 3 dimensi secara otomatis sedang banyak diteliti, berkaitan dengan kegunaannya dalam masalah keamanan dan perkantoran degnan tingkat kerahasisaan yang tinggi. Aplikasi dalam sistem multi media juga memerlukan sistem pengenalan 3 dimensi ini. Akan tetapi hingga sekarang, tingkat pengenalan yang tinggi disertai dengan waktu dan biaya komputasi rendah masih sangat sulit untuk dapat dilakukan. Dalam makalah ini, penulis akan menggunakan jaringan percentron lapis jamak yang telah dimodifikasi pada lapis tersembunyi untuk diterapka ndalam sistem pengenal 3 dimensi ini. Modifikasi ini dilakukan dengan menggantikan setiap neuron pada jaringan perceptron lapis jamak dengan sbuat (atau beberapa bua) lingkaran neuron-neuron sehingga membentuk lapis tersembunyi berbentuk silinder. Makalah ini juga akan membahas penggunaan beberapa fungsi kesalahan dan pengaruhnya terhadap tingkat pengenalan sistem. Dengan menggunakan jaringan syarat buatan dengan lapis tersembunyi berbentuk silinder ini, kemampuan sistem ini dapat ditingkatkan hingga mencapai tingkat pengenalan sebesar 97.2%"

"Cylindrical Hidden Multi-Layer Perceptron Back Propagation (CHMLP-BP) adalah sistem jaringan syaraf tiruan berdasarkan multy-layer perceptron untuk mengenali objek 3 dimensi secara horizontal. Arsitektur CHMLP-BP dikembangkan lebih lanjut menjadi Hemisphere Structure of Hidden Layer (HSHL) sehingga mampu mengenali objek 3 dimensi secara vertikal dan horizontal dengan lingkup ½ bola. Efektifitas HSHL mendorong disempurnakannya arsitektur HSHL agar dapat mengenali objek 3 dimensi dengan lingkup 1 bola penuh. menjadi Spheric Structure of Hidden Layer. Dalam pengembangan SSHL dilakukan juga penambahan pemrosesan pada citra masukan dengan melakukan inversi dan perentangan nilai piksel citra masukan. Dilakukan juga modifikasi pada metode pengklasifikasian kelas pada neuron keluaran dari penggunaan batas treshold ½ untuk menentukan apakah neuron harus dibaca sebagai 1 atau 0 menjadi menggunakan metode greedy dengan harapan proses pembelajaran menjadi lebih mudah dan pengenalan objek 3 dimensi menjadi lebih baik. Metode eksperimen yang dilakukan pada SSHL menggunakan Percentage of Learning/Testing Paradigm. Kemampuan pengenalan objek 3 dimensi terbaik didapatkan pada jenis jaringan Multiplied untuk arsitektur SSHL Tunggal maupun Jamak dengan prosentase data pelatihan sebesar 47% didapatkan pengenalan sekitar 94% - 95% khususnya menggunakan Multiplied 3 Lapis yang mencapai 95.87%. Pengenalan terburuk pada SSHL didapatkan pada SSHL Tunggal Normal dengan prosentase data pelatihan sebesar 26% diperolah hasil pengenalan mencapai 81.02%."

"ABSTRAK Tantangan pada sistem temu-kembali informasi dewasa ini adalah timbulnya ledakan informasi, sehingga akses ke sumber informasi bukan saja semakin luas, tetapi juga semakin kompleks. Hal ini menyebabkan kesulitan pada masyarakat pencari informasi, dimana dokumen yang diperoleh tidak selalu sesuai dengan yang diharapkan. Tujuan penelitian ini adalah mencoba untuk menjawab tantangan di atas dengan mengimplementasikan dan mengkaji suatu sistem temu-kembali informasi yang menggunakan jaringan syaraf tiruan (JST) Hopfield dengan beberapa ukuran kemiripan. Metode yang diimplementasikan menggunakan suatu paradigma bahwa JST dapat memformulasikan suatu istilah (j) yang diwakili oleh suatu simpul (node atau neuron), dan hubungan antar istilah direpresentasikan oleh neural network links antar simpul tersebut. Keterhubungan diantara istilah (j) dengan istilah lain (k) dalam kumpulan dokumen dihitung dengan menggunakan beberapa ukuran kemiripan, yaitu berdasarkan rumusan Hsinchun Chen[HSI94a], koefisien Jaccard, koefisien Dice, koefisien Cosine[RIJS80, MICH73, SALT88]. Kemudian basil temu-kembali masingmasing dibandingkan dengan hasil temu-kembali pads sistem kueri Boolean. Dari hasil penelitian diperoleh kesimpulan bahwa JST mampu mengakomodir istilah lain yang tidak dijadikan kueri dan dapat mengatasi kekakuan sistem kueri Boolean. Dokumen yang diperoleh adalah dokumen yang sebagian relevan yang memuat kueri dan yang memuat istilah teraktivasi yang terurut berdasarkan bobotnya. Jumlah istilah teraktivasi berbanding lurus dengan dokumen yang memuat istilah teraktivasi. Peringkat dokumen adalah konsisten, artinya dokumen yang berada pada peringkat atas, juga tetap berada pada range tersebut pada pengukuran kemiripan lainnya, walaupun ada perubahan bobotnya. Dari setiap ukuran kemiripan, diperoleh rata rata precision untuk sepuluh kueri yang diuji-cobakan adalah: precision dengan menggunakan ukuran Cosine = 60,758%, Hsinchun Chen = 59,081%, Jaccard = 58,772%, dan Dice = 58,623%. "

"Skripsi ini dibuat untuk merancang perangkat lunak yang dapat mengidentifikasi plat nomor mobil melalui proses image processing dengan ekstraksi fitur skeletonisasi menggunakan metode pengenalan Neural Network.Selama ini pencatatan plat nomor setiap mobil yang memasuki area parkir secara umum masih dilakukan secara manual oleh manusia, namun saat ini mulai muncul suatu sistem baru sehingga identifikasi plat nomor dapat dilakukan secara otomatis. Skripsi ini bertujuan untuk menganalisa pengenalan plat nomor mobil dalam bentuk Image dengan mengekstrak fitur/karakter pada plat dengan proses skeletonisasi menggunakan metode pembelajaran Neural Network (jaringan syaraf tiruan) yang selanjutnya akan dihasilkan output dalam bentuk tulisan karakter yang terdapat dalam plat nomor tersebut. Proses pengenalan ini dilakukan dengan memasukkan citra/image ke dalam pemrogaman MatLabTM dan proses ini dilakukan dalam 2 tahap, yaitu: pembentukan basis data untuk training serta proses recognition/identifikasi.Pada proses pembuatan basis data, gambar akan dibagi-bagi per karakter terlebih dahulu agar lebih memudahkan proses. Setiap karakter tersebut kemudian diekstrak dengan proses skeletonisasi sehingga dihasilkan skeleton/kerangka dari setiap karakter tersebut. Selanjutnya dilakukan proses training terhadap jaringan syaraf tiruan dengan memasukkan nilai-nilai piksel skeleton yang dihasilkan dari proses skeletonisasi untuk mendapatkan nilai bobot yang tepat. Nilai bobot ini kemudian akan disimpan untuk dapat digunakan pada proses selanjutnya yaitu proses recognition plat nomor. Proses recognition plat nomor yang dilakukan menggunakan metode pembelajaran ini mencapai tingkat akurasi sebesar 80%.

---

This final assignment is made to design a program that could be used to identify cars’ licensed plates through image processing with skeletonization feature extraction using Neural Network recognition method.Up to these days, licensed plate identification to every car entering the parking area is still commonly run by humanbeing, but nowadays there comes a new system that enables the identification to be run automatically. The aim of this final assignment is to analyse this automatic process in the image format by extracting features/characters using skeletonization and also applying Neural Network learning method to produce output consisting of the characters as mentioned on the plate. This identification is run by inserting an image into the MatLabTM program which is run in 2 stages comprises the making of training database and the recognition/identification itself.In making the database, the image is divided into characters to make the next process easier. Each of these characters is then extracted with skeletonization to produce the skeleton and then continued by training the Neural Network by inserting the values of the skeletons in order to produce the right weights. The weights themselves are furthermore saved to be used in the identification/recognition. The recognition using Neural Network run in this final assignment yields the percentage of accuracy up to 80%."

"Jaringan saraf tiruan telah banyak dikembangkan untuk aplikasi pengenalan pola objek 3 dimensi. Salah satu metode pengenalan objek 3 dimensi melalui citra 2 dimensi dari berbagai sudut pandang telah dikembangkan dengan cara memodifikasi arsitektur lapis tersembunyi pada jaringan multi-layer perceptron menjadi bentuk silindris dan menggunakan metode pelatihan propagasi balik yang dikenal dengan Cylindrical Hidden Multi-Layer Perceptron Back Propagation (CHMLP-BP).Metode ini melibatkan pasangan berarah antara vektor sudut pandang terhadap objek dengan vektor posisi neuron pada lapis tersembunyi yang diabstraksikan ke dalam konstanta yang akan berperan dalam proses pelatihan maupun pengenalan[1]. Kinerja JST CHMLP-BP tersebut masih kurang baik dan diperbaiki dengan menambah neuron pada lapis tersembunyi secara acak sehingga membentuk arsitektur lapis tersembunyi konsentris[2]. Walaupun kinerja meningkat, pertambahan neuron pada lapis tengah secara acak belum membuktikan bahwa struktur jaringan dan kinerja jaringan telah optimal.Algoritma Genetika adalah sebuah teknik untuk pencarian solusi optimal untuk berbagai macam permasalahan. Penulis menggunakan Algoritma Genetika untuk mencari struktur jaringan dan kinerja jaringan yang telah optimal.Penggunaan Algoritma Genetika untuk optimasi terhadap JST CHMLP-BP dilakukan terhadap dua hal. Satu, optimasi pada jumlah bobot-bobot koneksi jaringan, dengan membuang koneksi-koneksi yang tidak diperlukan. Dua, optimasi pada jumlah neuron-neuron tersembunyi, dengan membuang neuron-neuron tersembunyi yang tidak diperlukan.Hasil eksperimen menunjukkan bahwa dengan parameter-parameter yang tepat, Algoritma Genetika dapat mereduksi ukuran jaringan dan meningkatkan kemampuan pengenalan pola. Analisa terhadap parameter-parameter tersebut menunjukkan penggunaan parameter-parameter yang berbeda untuk tiap persoalan optimasi JST."