Evolving Connection System ECOS

2.4 Evolving Connection System ECOS

Walaupun metode computational intelligence seperti jaringan saraf tiruan JST, sistem fuzzy, komputasi evolusioner, sistem hibrida, serta metode lainnya telah berhasil dikembangkan dan diterapkan. Ada beberapa masalah saat menerapkan metode ini dalam proses pengembangan yang kompleks kasabov, 2007, seperti: 1. Kesulitan dalam preselecting arsitektur sistem. Umumnya model kecerdasan buatan memiliki arsitektur tetap seperti jumlah neuron dan koneksi tetap. Hal ini membuat sistem sulit untuk beradaptasi dengan data baru yang dengan distribusi yang tidak diketahui sebelumnya. 2. Adanya kemungkinan sistem akan melupakan beberapa besar pengetahuan lama ketika melakukan pembelajaran terhadap data yang baru. 3. Membutuhkan banyak waktu untuk pelatihan. Pelatihan JST dalam mode batch umumnya melakukan perulangan pada saat proses propagasi data di dalam struksur JST. Hal tersebut sangat tidak cocok pada pembelajaran on-line dimana sistem membutuhkan proses adaptasi yang cepat. 4. Kurangnya fasilitas repersentasi pengetahuan. Banyaknya arsitektur komputasi cerdas menemukan beberapa parameter statistik selama pelatihan. Tetapi tidak memfasilitasi ekstraksi dari aturan-aturan yang ada ke dalam bentuk informasi linguistik yang mudah dimengerti. Untuk mengatasi masalah tersebut, dibutuhkan metode hybrid dan connectionist dalam hal pembelajaran algoritma maupun pengembangan sistem. Pada umumnya, sistem informasi akan membantu menentukan dan memahami model proses secara dinamika, aturan-aturan yang terus berkembang untuk mengambil jalan pintas dalam memecahkan masalah, serta meningkatkan kinerja proses yang berkembang sepanjang waktu. Kebutuhan tersebut merupakan bagian dari artificial intelligence AI yang disebut evolving intelligence system EIS. EIS merupakan sistem informasi yang mengembangkan struktur, fungsi, dan pengetahuan dengan cara terus menerus, adaptif, dan interaktif terhadap informasi yang masuk dan melakukan beberapa tugas cerdas yang dilakukan manusia pada umumnya Kasabov, 2007. Bentuk dari metode EIS yaitu evolving connectionist system ECOS. ECOS merupakan sistem computational intelligence berdasarkan jaringan saraf, Universitas Sumatera Utara menggunakan teknik lain computational intelligence yang beroperasi secara terus menerus dan mengadaptasikan struktur dan fungsinya melalui interaksi terhadap lingkungan dan sistem lainnya Kasabov, 2007. Proses adaptasi tersebut dilakukan melalui: 1. Aturan-aturan yang terus berkembang. 2. Parameter-parameter yang dapat berubah selama sistem beroperasi. 3. Informasi yang datang terus menerus, terutama pada distribusi data yang tidak diketahui sebelumnya. 4. Kriteria tujuan yang diterapkan untuk mengoptimalkan kinerja sistem dari waktu ke waktu. Pada Gambar 2.14 merupakan ilustrasi yang menggambarkan bagian-bagian EIS yang memproses berbagai informasi dengan cara yang adaptif dan terus menerus. Pengolahan online dari semua informasi memungkinkan ECOS untuk berinteraksi terhadap pengguna dengan sistem Kasabov, 2007. Proses interaksi ECOS dapat dilihat pada Gambar 2.14. Gambar 2.14 Proses Interaksi ECOS Kasabov, 2007 Universitas Sumatera Utara

2.5 Weighted Evolving Fuzzy Neural Network