Learning Algorithm

Salah satu hal yang menarik dari cabang ilmu ini adalah diimplementasikannya kemampuan belajar(learning). Proses ini dicapai dengan mengatur nilai bobotbobot yang menghubungkan antar neuron, sehingga diperoleh nilai bobot yang sesuai dengan pola dataset pelatihan. Berdasarkan algoritma yang digunakan dalam proses pembelajaran, terdapat lima algoritma learning, yaitu, Error Corection Learning, Boltzman Learning, Hebbian Learning, Competitive Learning dan Thorndike's Law. Sedangkan berdasarkan metode pembelajaran, terdapat 2 metode, yaitu, metode pembelajaran terawasi (Supervised Learning) dan metode pembelajaran yang tak terawasi (Unsupervised Learning). Pada penerapannya, metode pembelajaran terawasi mampu memberikan solusi yang lebih akurat daripada metode yang kedua. Metode Supervised Learning adalah metode pembelajaran yang mempunyai target tertentu, dan jaringan dianggap sudah mengenali pola jika mampu menghasilkan output yang sesuai dengan target melalui algoritma tertentu. Proses penyesuaian target dan output dihasilkan dari proses iterasi (perbaikan bobot) yang dilakukan secara terus menerus sehingga jaringan mampu mengenali pola atau penghentian dilakukan berdasarkan kriteria yang sudah ditetapkan sebelumnya. Metode Unsupervised Learning adalah metode pelatihan yang tidak memerlukan target. Perubahan bobot dilakukan berdasarkan parameter tertentu. Tujuan metode ini berupa pengelompokan (clustering) unit-unit input dalam suatu area tertentu.