Let's share knowledge... just like water, it flows and fills the empty spaces ...

ANFIS (I)

Tidak ada komentar
Pada kesempatan kali ini kita akan membahas tentang Adaptive Neuro-Fuzzy Inference Systems (ANFIS) [1],[2]. Pada beberapa literatur, ANFIS juga disebutkan sebagai Adaptive Neural Fuzzy Inference Systems [3] atau Adaptive-Network-Based Fuzzy Inference systems [4].

Pada pembahasan ini, kita akan menggunakan software Matlab untuk simulasi. ANFIS diikutkan pada bagian Fuzzy Logic Toolbox. Oleh karena itu, saya sarankan agar teman-teman menginstal Matlab dan Toolbox Fuzzy-nya. Teman-teman juga sebaiknya memiliki dasar tentang logika fuzzy dan jaringan syaraf tiruan ^_^

Baiklah.. mari kita mulai obrolan kita ...

ANFIS termasuk adaptive network yang secara fungsional sama dengan fuzzy inference system (FIS) pada sistem fuzzy [2]. ANFIS mencoba mengintegrasikan kemampuan yang dimiliki oleh sistem fuzzy dan jaringan syaraf [3], sebagai berikut :
  •  dari sistem fuzzy : representasi pengetahuan ke dalam bentuk sekumpulan (set) data yang telah memiliki batasan tertentu sehingga lebih mudah dalam proses optimasi.
  • dari jaringan syaraf : kemampuan adaptasi dari jaringan backpropagation pada jaringan syaraf mempermudah dalam proses tunning parameter fuzzy.
Marilah kita bahas ANFIS secara bertahap.... Sebelumnya, mari kita kembali melihat struktur FIS, yaitu sebagai berikut [1], [5] :

Fuzzy Inference System (FIS) dapat dijelaskan sebagai model yang memetakan
  • input karakteristik ke input fungsi keanggotaan (membership functions),
  • input fungsi keanggotaan ke aturan-aturan fuzzy (rules),
  • aturan-aturan fuzzy ke output karakteristik,
  • output karakteristik ke output fungsi keanggotaan, dan
  • output fungsi keanggotaan ke keluaran nilai tunggal (atau keputusan lain sesuai dengan output tersebut).

Sekarang, yang perlu kita pertimbangkan adalah fungsi keanggotaan apa yang akan kita pakai dan menetapkan aturan-aturan apa yang akan kita terapkan untuk sistem ANFIS kita. Secara umum,bentuk-bentuk fungsi keanggotaan yang akan kita pakai tergantung pada kasus kita, dan bentuk-bentuk ini secara otomatis dapat diatur sesuai dengan pembelajaran terhadap data model kita.

Bersambung ...

Referensi
[1] Fuzzy Logic Toolbox(TM) User's Guide R2012a
    http://www.mathworks.it/help/pdf_doc/fuzzy/fuzzy.pdf
[2] Cruz Adriano, ANFIS : Adaptive Neuro-Fuzzy Inference Systems, Mestrado NCE,IM,UFRJ
    http://equipe.nce.ufrj.br/adriano/fuzzy/transparencias/anfis/anfis.pdf
[3] Bonissone P.P., 2002, Adaptive Neural Fuzzy Inference Systems (ANFIS) : Analysis and Applications.
    http://homepages.rpi.edu/~bonisp/fuzzy-course/Papers-pdf/anfis.rpi04.pdf
[4] J.-S. Roger Jang, ANFIS: Adaptive-Network-Based Fuzzy Inference System, IEEE Transactions on Systems, Man, and Cybernatics, Vol.23, No.3, may/June 1993
[5] Paplinski A.P., 2005, Neuro-Fuzzy Computing. http://www.csse.monash.edu.au/courseware/cse5301/2006/Lnts/L12fz.pdf

Tidak ada komentar :