scholarly journals Expert System to Diagnose Computer Hardware Damage Using Artificial Neural Networks

2020 ◽  
Vol 1 (1) ◽  
pp. 75
Author(s):  
Muhammad Miftakhul Arifin ◽  
Yudo Bismo Utomo
Keyword(s):  
Neural Networks ◽  
Artificial Neural Networks ◽  
Expert System ◽  
Knowledge Base ◽  
Computer Hardware ◽  
Artificial Neural

Kerusakan hardware komputer terkadang menjadi masalah besar ketika user yang awam tidak mengetahui letak kerusakan hardware komputer mereka, maka dibutuhkan sistem yang mampu bekerja otomatis untuk memberikan solusi kerusakan hardware komputer. Penelitian ini bertujuan untuk merancang sebuah sistem yang dapat digunakan untuk menangani kerusakan hardware komputer. Pengguna aplikasi ini seolah-olah berhadapan langsung dengan pakar dibidang hardware khususnya komputer. Perencanaan sistem dilakukan dengan membuat knowledge base menggunakan aturan if-then sebagai representasi pengetahuan. Sistem dibuat dengan meenggunakan metode backpropagation dan menggunakan android studio sebagai IDE untuk mendesain interface sekaligus untuk membuat aplikasi sistem pakar ini. Hasil penelitian ini mengungkapka kerusakan hardware yang terjadi pada sebuah komputer serta solusi dari kerusakan tersebut. Pengujian aplikasi juga dilakukan untuk mengetahui akurasi dan fleksibilitas sistem. Hasil dari keseluruhan pengujian ini dapat disimpulkan bahwa program sudah cukup baik walaupun jenis kerusakan yang dihasilkan belum lengkap karena pada sistem ini mendeteksi 6 jenis hardware komputer secara umum, serta tingkat keakurasian dari aplikasi sistem pakar ini sebesar 80%, serta tingkat efisiensi sistem pakar sebesar 77,7 % dari pakar dan 82,03 % dari user.

Expert system for heart function based on artificial neural networks and fuzzy theory

1998 ◽  
Author(s):  
Wei Yu ◽  
Xiaoying Li ◽  
Daoyin Yu ◽  
Yi Mao ◽  
Qi Hua
Keyword(s):  
Neural Networks ◽  
Artificial Neural Networks ◽  
Expert System ◽  
Fuzzy Theory ◽  
Heart Function ◽  
Artificial Neural

Autonomous Design of Artificial Neural Networks by Neurex

1996 ◽  
Vol 8 (8) ◽  
pp. 1767-1786 ◽  
Author(s):  
François Michaud ◽  
Ruben Gonzalez Rubio
Keyword(s):  
Neural Networks ◽  
Mathematical Model ◽  
Artificial Neural Networks ◽  
Expert System ◽  
Design Process ◽  
Design Rules ◽  
Learning Abilities ◽  
Artificial Neural ◽  
Number Of Iterations ◽  
Learning Law

Artificial neural networks (ANN) have been demonstrated to be increasingly more useful for complex problems difficult to solve with conventional methods. With their learning abilities, they avoid having to develop a mathematical model or acquiring the appropriate knowledge to solve a task. The difficulty now lies in the ANN design process. A lot of choices must be made to design an ANN, and there are no available design rules to make these choices directly for a particular problem. Therefore, the design of an ANN demands a certain number of iterations, mainly guided by the expertise and the intuition of the developer. To automate the ANN design process, we have developed Neurex, composed of an expert system and an ANN simulator. Neurex autonomously guides the iterative ANN design process. Its structure tries to reproduce the design steps done by a human expert in conceiving an ANN. As a whole, the Neurex structure serves as a framework to implement this expertise for different learning paradigms. This article presents the system's general characteristics and its use in designing ANN using the standard backpropagation learning law.

Sign in / Sign up

Export Citation Format

Share Document