Unsupervised-learning based self-organizing neural network using multi-component seismic data: Application to Xujiahe tight-sand gas reservoir in China

Unsupervised learning applied to an unstructured neural network can give approximate solutions to the traveling salesman problem. For 50 cities in the plane this algorithm performs like the elastic net of Durbin and Willshaw (1987) and it improves when increasing the number of cities to get better than simulated annealing for problems with more than 500 cities. In all the tests this algorithm requires a fraction of the time taken by simulated annealing.

Download Full-text

Pengembangan Sistem Informasi Pemetaan Infrastruktur Sistem Informasi Di Kota Probolinggo

Jurnal Informatika Polinema ◽

10.33795/jip.v6i3.318 ◽

2020 ◽

Vol 6 (3) ◽

pp. 65-70

Author(s):

R. FARAH DINI QOYYIMAH ◽

Erfan Rohadi, ST., M. Eng., Ph.D ◽

Rizky Ardiansyah, S.Kom, MT

Keyword(s):

Neural Network ◽

Unsupervised Learning ◽

Self Organizing Map ◽

Cluster 2 ◽

Self Organizing

Infrastruktur dan sistem informasi merupakan sumber daya manusia yang membantu pemerintah dalam mewujudkan dan pemberdayaan masyarakat baik secara ekonomi maupun kepuasan publik. Tidak terkecuali yang dilakukan pada Dinas Komunikasi dan Informatika Pemerintah Kota Probolinggo. Dalam meningkatkan kualitas pengembangangan infrastruktur secara lebih terkoordinir maka dibuatlah sistem informasi berbasis pemetaan infrastruktur dan sistem informasi dengan menggunakan algoritma clustering SOM. Self Organizing Map (SOM) merupakan salah satu metode dalam Jaringan Syaraf Tiruan (Neural Network) yang menggunakan pembelajaran tanpa pengarahan (Unsupervised Learning). Penelitian ini menghasilkan sebuah website yang memberikan informasi kepada user atau pengguna yang merupakan pihak pemerintahan Dinas Kominfo Kota Probolinggo dalam mengevaluasi perkembangan dan pemerataan infrastruktur dan sistem informasi. Dari hasil perhitungan menggunakan metode Self -Organizing Map dapat diterapkan dalam clustering untuk pemerataan infrastruktur IT yang menghasilkan 3 cluster yang terdiri dari cluster 1 yang memiliki persebaran infrastruktur yang baik berjumlah 1 wilayah, cluster 2 yang memiliki persebaran infrastruktur yang cukup baik berjumlah 23 wilayah dan cluster 3 yang memiliki persebaran infrastrukttur yang kurang baik berjumlah 5 wilayah. Sehingga dapat diketahui pemerataan IT di Kota Probolingo dapat dinilai cukup baik. 4. Berdasarkan pengujian diperoleh hasil akurasi hasil cluster yang baik dengan menggunakan Self-Organizing Map sebanyak 62.06897%. Kata kunci : Clustering, Self Organizing Map (SOM)

Download Full-text

KLASIFIKASI SUARA MANUSIA KE DALAM SOPRAN, MEZZO SOPRAN, ALTO, TENOR, BARITON, BASS DENGAN SELF ORGANIZING MAP

Jurnal Informatika ◽

10.21460/inf.2015.111.418 ◽

2015 ◽

Vol 11 (1) ◽

Author(s):

Andreas Saputra ◽

Sri Suwarno ◽

Lukas Chrisantyo

Keyword(s):

Neural Network ◽

Artificial Neural Network ◽

Fourier Transform ◽

Fast Fourier Transform ◽

Unsupervised Learning ◽

Self Organizing Map ◽

Artificial Neural ◽

Self Organizing

Self Organizing Map adalah metode jaringan syaraf tiruan (Artificial Neural Network) yang biasa digunakan untuk melakukan proses klasifikasi dengan sifat unsupervised learning atau pelatihan tak terbimbing. Cluster yang akan digunakan akan ditentukan secara manual hanya saja dalam prosesnya data yang masuk akan dikelompokan secara otomatis tanpa adanya intevensi dari sistem. Penelitian ini menerapkan Self Organizing Map untuk melakukan klasifikasi data berupa rekaman suara dengan format file WAV karena merupakan format audio yang belum terkompresi ke dalam sopran, mezzo sopran, alto, tenor, baritone, dan bass. Dalam pengambilan data untuk input melalui proses preemphasis, frame, blocking, dan windowing sebelum dirubah menjadi sinyal diskrit dengan Fast Fourier Transform. Data berupa rata-rata magnitude menjadi input dalam sistem klasifikasi Self Organizing Map. Dalam penelitian ini hasil yang didapat belum sesuai dengan harapan karena data tidak mengelompok dengan baik.Self Organizing Map adalah metode jaringan syaraf tiruan (Artificial Neural Network) yang biasa digunakan untuk melakukan proses klasifikasi dengan sifat unsupervised learning atau pelatihan tak terbimbing. Cluster yang akan digunakan akan ditentukan secara manual hanya saja dalam prosesnya data yang masuk akan dikelompokan secara otomatis tanpa adanya intevensi dari sistem. Penelitian ini menerapkan Self Organizing Map untuk melakukan klasifikasi data berupa rekaman suara dengan format file WAV karena merupakan format audio yang belum terkompresi ke dalam sopran, mezzo sopran, alto, tenor, baritone, dan bass. Dalam pengambilan data untuk input melalui proses preemphasis, frame, blocking, dan windowing sebelum dirubah menjadi sinyal diskrit dengan Fast Fourier Transform. Data berupa rata-rata magnitude menjadi input dalam sistem klasifikasi Self Organizing Map. Dalam penelitian ini hasil yang didapat belum sesuai dengan harapan karena data tidak mengelompok dengan baik.

Download Full-text