Jaringan Saraf McCulloch-Pitts

Jaringan saraf McCulloch-Pitts adalah model matematika dari jaringan saraf yang diusulkan oleh ahli neurofisiologi Amerika Warren McCulloch dan fisikawan Warren Pitts pada tahun 1943. Model ini merupakan salah satu upaya pertama untuk menciptakan kecerdasan buatan dan memberikan dampak yang signifikan terhadap perkembangan ilmu komputer dan kecerdasan buatan.

McCulloch dan Pitts mengembangkan model mereka berdasarkan gagasan bahwa neuron di otak beroperasi secara on/off dan dapat dijelaskan dalam dua variabel: potensial aksi dan latensi. Mereka mengusulkan bahwa potensial aksi dapat direpresentasikan sebagai fungsi dari jumlah seluruh potensial masukan, dan penundaan dapat direpresentasikan sebagai fungsi dari penundaan semua masukan.

Ide ini menjadi dasar model matematika jaringan saraf McCulloch-Pitz, yang terdiri dari banyak neuron yang terhubung satu sama lain melalui sinapsis. Setiap neuron mempunyai beberapa masukan yang masing-masing menerima sinyal dari neuron lain. Sinyal ditransmisikan melalui jaringan melalui sinapsis, yang memiliki bobot berbeda yang menentukan kekuatan koneksi antar neuron.

Model McCulloch-Pitt adalah dasar dari banyak jaringan saraf modern dan digunakan untuk memecahkan masalah dalam pembelajaran mesin, pengenalan pola, pemrosesan bahasa alami, dan bidang lainnya. Ia juga memiliki aplikasi praktis dalam bidang kedokteran, misalnya untuk mendiagnosis penyakit atau memprediksi hasil pengobatan.

Jaringan saraf McCulloch-Pitts McCulloch dan Pptts mengusulkan model neuron, yang menjadi dasar pengembangan jaringan saraf tiruan. Jaringan ini terdiri dari beberapa lapisan jaringan saraf, masing-masing berisi beberapa neuron. Setiap neuron pada masukan menerima N sinyal yang berbeda (dapat dipahami sebagai sinyal "perantara"), dan pada keluarannya menghasilkan Y nilai yang berbeda - sinyal untuk lapisan neuron berikutnya. Neuron pada lapisan pertama menerima sinyal masukan berupa piksel gambar atau masukan yang diproses oleh jaringan. Data masukan dimasukkan melalui neuron proyeksi. Mereka memberikan sinyal masukan ke masukan neuron. Ini mengoperasikan mekanisme sinyal untuk menghasilkan nilai lain yang digunakan pada tahap berikutnya. Proses ini diulangi hingga hasilnya mencapai akurasi yang diperlukan. Ada jaringan komunikasi saraf dua lapis dan multi lapis. Satu lapisan dapat berisi dua hingga beberapa ratus tautan, yang secara teoritis menyiratkan kemampuan untuk memproses jutaan data.