Halaman Kami

Fuzzy Logic

Posted on Rabu, 08 Juni 2011 by ai-a-erial.blogspot.com | 0 komentar

Materi

Pengaturan Mesin Pengering Pakaian Otomatis dengan menggunakan Fuzzy Logic Control.


INPUT

BERAT (KG)
KADAR AIR (%)



OUTPUT


LAMA PENGERINGAN (MENIT)



SIMULASI MATLAB


Input Bobot (Kg)


Input Kadar Air (%)
RULE EDITOR
RULE BASE
TAMPILAN TIGA DIMENSI
OUTPUT
LAMA PENGERINGAN (Menit)
KETERANGAN :
INPUT



KETERANGAN :
INPUT

BOBOT: (0 - 6 Kg)
*Ringan (0 - 2 Kg)
*Sedang (2 - 4.5 Kg)
*Berat (4.5 - 6 Kg)

KADAR AIR: (0 - 100 %)
*Lembab (0 - 20 %)
*Sedang (20 - 60 %)
*Basah (60 - 100 %)

OUTPUT

WAKTU: (0 - 10 Menit)
*Cepat (0 - 3 Menit)
*Sedang (3- 7 Menit)
*Lambat (7 - 10 Menit)




Kesimpulan

1. Semakin basah suatu pakaian maka akan semakin lama waktu pengeringannya
2. Semakin lembab suatu pakaian maka akan semakin cepat waktu pengeringannya
3. Semakin berat jumlah pakaian yang dikeringkan maka akan semakin lama waktu pengeringannya
4. Semakin ringan jumlah pakaian yang dikeringkan maka akan semakin cepat waktu pengeringannya

Pengenalan Pola

Posted on Rabu, 25 Mei 2011 by ai-a-erial.blogspot.com | 0 komentar

membuat program untuk pengenalan pola


sebagai berikut :

%---------------------------------------------------

% PROGRAM JARINGAN SYARAF TIRUAN MENGENALI POLA SEGITIGA, SEGIEMPAT DAN LINGKARAN

% Oleh : AI-A-ERIAL
% Anggota :
% Eko susanto (0915031035)
% Robert lie n ( 0915031099)
% Imam baldi p ( 0915031089)
% Achmad taufik p (0915031077 )
% Leonardo simanullang ( 0715031053 )
%--------------------------------------------------


clear all;

clc;


disp('-------------------------------');

disp('Program JST 2 (multilayer)');

disp('-------------------------------');


w11 = input('masukkan nilai w11 = ');

w12 = input('masukkan nilai w12 = ');

w21 = input('masukkan nilai w21 = ');

w22 = input('masukkan nilai w22 = ');

v1 = input('masukkan nilai v1 = ');

v2 = input('masukkan nilai v2 = ');

b1 = input('masukkan nilai Treshoold pertama = ');

b2 = input('masukkan nilai Treshoold kedua= ');

b = input('masukkan nilai Treshoold ketiga= ');




x1=0;

x2=0;



n11=x1*w11+x2*w12-b1;


if n11 >= 0

a11 = 1;



elseif n11 < a11 =" 0;" x1="0;" x2="1;" n12="x1*w11+x2*w12-b1;">= 0

a12 = 1;



elseif n12 < a12 =" 0;" x1="1;" x2="0;" n13="x1*w11+x2*w12-b1;">= 0

a13 = 1;



elseif n13 < a13 =" 0;" x1="1;" x2="1;" n14="x1*w11+x2*w12-b1;">= 0

a14 = 1;



elseif n14 < a14 =" 0;" x1="0;" x2="0;" n21="x1*w21+x2*w22-b2;">= 0

a21 = 1;



elseif n21 < a21 =" 0;" x1="0;" x2="1;" n22="x1*w21+x2*w22-b2;">= 0

a22 = 1;



elseif n22 < a22 =" 0;" x1="1;" x2="0;" n23="x1*w21+x2*w22-b2;">= 0

a23 = 1;



elseif n23 < a23 =" 0;" x1="1;" x2="1;" n24="x1*w21+x2*w22-b2;">= 0

a24 = 1;



elseif n24 < a24 =" 0;" pilih ="input">');


switch pilih





case 1



x1=a11;

x2=a21;

y1=x1*v1+x2*v2-b;

disp(['iterasi 1, Nilai y1 = ' num2str(y1)]);

if y1 >= 0

disp('Fn = 1');

disp('error');

elseif y1 < fn =" 0');" x1="12;" x2="22;" y2="x1*v1+x2*v2-b;" y2 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y2 < fn =" 0');" x1="13;" x2="23;" y3="x1*v1+x2*v2-b;" y3 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y3 < fn =" 0');" x1="14;" x2="24;" y4="x1*v1+x2*v2-b;" y4 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y4 < fn =" 0');" x1="a11;" x2="a21;" y1="x1*v1+x2*v2-b;" y1 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y1 < fn =" 0');" x1="a12;" x2="a22;" y2="x1*v1+x2*v2-b;" y2 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y2 < fn =" 0');" x1="a13;" x2="a23;" y3="x1*v1+x2*v2-b;" y3 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y3 < fn =" 0');" x1="a14;" x2="a24;" y4="x1*v1+x2*v2-b;" y4 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y4 < fn =" 0');" x1="a11;" x2="a21;" y1="x1*v1+x2*v2-b;" y1 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y1 < fn =" 0');" x1="a12;" x2="a22;" y2="x1*v1+x2*v2-b;" y2 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y2 < fn =" 0');" x1="a13;" x2="a23;" y3="x1*v1+x2*v2-b;" y3 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y3 < fn =" 0');" x1="a14;" x2="a24;" y4="x1*v1+x2*v2-b;" y4 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y4 < fn =" 0');" x1="a11;" x2="a21;" y1="x1*v1+x2*v2-b;" y1 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y1 < fn =" 0');" x1="a12;" x2="a22;" y2="x1*v1+x2*v2-b;" y2 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y2 < fn =" 0');" x1="a13;" x2="a23;" y3="x1*v1+x2*v2-b;" y3 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y3 < fn =" 0');" x1="a14;" x2="a24;" y4="x1*v1+x2*v2-b;" y4 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y4 < fn =" 0');" x1="a11;" x2="a21;" y1="x1*v1+x2*v2-b;" y1 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y1 < fn =" 0');" x1="a12;" x2="a22;" y2="x1*v1+x2*v2-b;" y2 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y2 < fn =" 0');" x1="a13;" x2="a23;" y3="x1*v1+x2*v2-b;" y3 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y3 < fn =" 0');" x1="a14;" x2="a24;" y4="x1*v1+x2*v2-b;" y4 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y4 < fn =" 0');" x1="a11;" x2="a21;" y1="x1*v1+x2*v2-b;" y1 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y1 < fn =" 0');" x1="12;" x2="22;" y2="x1*v1+x2*v2-b;" y2 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y2 < fn =" 0');" x1="13;" x2="23;" y3="x1*v1+x2*v2-b;" y3 =" '">= 0

disp('Fn = 1');

disp('error');

elseif y3 < fn =" 0');" x1="14;" x2="24;" y4="x1*v1+x2*v2-b;" y4 =" '">= 0

disp('Fn = 1');

disp('benar ');

elseif y4 < 0

disp('Fn = 0');

disp('error');

end;



end;

Proses Belajar

Posted on Minggu, 22 Mei 2011 by ai-a-erial.blogspot.com | 0 komentar

Pertemuan 7


Membuat JST dengan Scilab

Posted on Sabtu, 21 Mei 2011 by ai-a-erial.blogspot.com | 0 komentar

Pertemuan 6


1. Gambar Jaringan Syaraf Tiruan (JST) dengan 3 layer:
fw

Perhatikan notasi bobot setiap interkoneksi, dan variabel yang digunakan.
Rumusan yang digunakan untuk Forward :  dj=Σ(pi.wji)    hj=f(dj)    qm=Σ(hj.vmj)   a=f(qm)
dimana i= banyaknya input/masukan, j=banyaknya neuron di hidden layer, m= banyaknya neuron dioutput layer
d=hasil penjumlahan input kali bobot di hidden layer
h =  keluaran neuron di hidden layer,  merupakan fungsi aktifasi dari d
q=hasil penjumlahan h (keluran neuron di hidden layer)  kali bobot di output layer
a =  keluaran neuron di output layer/ keluran JST,  merupakan fungsi aktifasi dari q
2. Gambar Backpropagation
bw
3. Gambar Update Bobot di output layer
dv
rumusan update bobot antara hidden layer ke output layer:
v(t+1) = v(t) + Δ v(t)
Δ v(t) = η.e.f’(q).h
dimana :  t = iterasi ke …
v=bobot di output layer
η = learning rate (kecepatan penelajaran), nilainya berkisar antara  0<η≤1
e= error  (beda antara target dengan actual output JST )   e=target -a
h= keluaran neuron di hidden layer
f’(q) = turunan fungsi f(q) —> jika  a=f(q)=q then f’(q)=1 or jika f(q)=1/(1+exp(-q))
then f’(q)=f(q)(1-(f(q)) =a(1-a) a= actual output JST
4. Gambar Update bobot antara input layer ke  hidden layer
dw

Rumusan untuk update bobot w
w(t+1)= w(t) + Δw(t)
Δw(t) = η.e.f’(q).v.f’(d).p
dimana : w = bobot antara input layer ke hidden layer
v= bobot antara hidden layer ke output layer
f’(d) = turunan fungsi f(d),  jika  h=f(d)=d then f’(d) =1
jika digunakan h=f(d)=1/((1+exp(-d))  then f’(d) = f(d)(1-f(d))= h(1-h)

Backprogation NN

Posted on Jumat, 20 Mei 2011 by ai-a-erial.blogspot.com | 0 komentar

Pertemuan 5



Tugas Multilayer dengan 5 Input & 3 output

Posted on Kamis, 24 Maret 2011 by ai-a-erial.blogspot.com | 0 komentar

Multilayer dengan 5 Input & 3 output



https://spreadsheets.google.com/pub?hl=in&hl=in&key=0AhiA9xRmI03ZdEpUYzF5YjRUZGx4Y216WndMdmhaSFE&single=true&gid=0&output=html

Materi Multilayer Neural Network

Posted on by ai-a-erial.blogspot.com | 0 komentar

Materi Multilayer Neural Network


Preseptron Multi Layer XOR dan XNOR

Posted on Rabu, 16 Maret 2011 by ai-a-erial.blogspot.com | 0 komentar

Tugas pelatihan perseptron SINGLE LAYER untuk mengenali fungsi logika and,or,exor and xnor

Posted on Rabu, 09 Maret 2011 by ai-a-erial.blogspot.com | 0 komentar

Tugas
Tanggal Tugas
Tanggal Selesai
5
3 Maret 2011
9 Maret 2011

Nama
NPM
Tugas
Eko Susanto
0915031035
Mencari Bahan, Mengedit Bahan , Memposting di Blog
Robert Lie N
0915031099
Mencari Bahan, Mengedit Bahan
Imam Baldi P 0915031089
Memposting, Mengedit Blog
Ahmad Taufik P
0915031077
Memposting, Mengedit Blog
Leonardo Simanullang
0715031053
Mencari Artikel, Mengedit Artikel



Program microsoft excel dibawah ini adalah program perseptron untuk mengenali fungsi logika and,or,exor and xnor .
Sheet 1 : fungsi logika and, or
Sheet 2 : fungsi Logika exor
Sheet 3 : fungsi Logika xnor


Program Perseptron ( Menjadi Petinju )

Posted on by ai-a-erial.blogspot.com | 0 komentar

Tugas
Tanggal Tugas
Tanggal Selesai
4
3 Maret 2011
9 Maret 2011

Nama
NPM
Tugas
Eko Susanto
0915031035
Mencari Bahan, Mengedit Bahan , Memposting di Blog
Robert Lie N
0915031099
Mencari Bahan, Mengedit Bahan
Imam Baldi P 0915031089
Memposting, Mengedit Blog
Ahmad Taufik P
0915031077
Memposting, Mengedit Blog
Leonardo Simanullang
0715031053
Mencari Artikel, Mengedit Artikel


Membuat program perseptron dengan menggunakan microsoft excel .

Kita ambil contoh tentang seseorang yang ingin menjadi Petinju Professional . Dia tentunya memiliki kelebihan dan kekurangan yang ada pada dirinya . Kelebihan yang ia miliki yaiu Pukulan  Akurat, Pertahanan baik, Postur Tubuh Ideal, Kecepatan, dan Pantang Menyerah . Namun ia juga memiliki kelemahan yakni Konsentrasi kurang dan staminanya cepat habis .

Di bawah ini adalah tahun pertamanya dalam proses ingin menjadi petinju profesional .




Dapat dilihat pada tahun pertamanya , ia belum dapat mewujudkan impiannya menjadi petinju profesional . Dia masih butuh banyak latihan dan pengalaman bertanding agar dapat mewujudkan impiannya tersebut .

Kita ubah waktunya hingga nilai error adalah nol .
programnya yaitu :




Seiring waktu berjalan , akhirnya ia dapat mewujudkan impiannya menjadi petinju profesional setelah 4 tahun berjalan dengan usaha yang dilakukannya .

Diskusi Pertemuan 3

Posted on Rabu, 02 Maret 2011 by ai-a-erial.blogspot.com | 0 komentar

Tugas
Tanggal Tugas
Tanggal Selesai
3
24 Februari 2011
2 Maret 2011

Nama
NPM
Tugas
Eko Susanto
0915031035
Mencari Bahan, Mengedit Bahan , Memposting di Blog
Robert Lie N
0915031099
Mencari Bahan, Mengedit Bahan
Imam Baldi P 0915031089
Memposting, Mengedit Blog
Ahmad Taufik P
0915031077
Memposting, Mengedit Blog
Leonardo Simanullang
0715031053
Mencari Artikel, Mengedit Artikel


Masalah

Ada seorang anak bernama  Prabowo Susanto, di panggil Owo . Ia ingin menjadi seorang atlet bulutangkis seperti idolanya "Taufik Hidayat" . Ia memiliki kelebihan dalam lompatan dan pukulan cock yang baik . Namun Ia juga memiliki kelemahan dalam hal stamina, badannya yang tambun membuat ia cepat kelelahan dan  tidak dapat bermain lama atau Rubber Set .
Bagaimanakah agar ia dapat menajadi atlet seperti yang didambakannya ?

Dengan usaha dan proses pembelajaran .

Penyelesaian




Dari usaha tahap awal yang dilakukan oleh Owo ternyata masih ada error sehingga belum dapat mencapai target, sehingga ada usaha yang harus dilakukan yaitu melatih pukulan yang ia miliki agar menjadi lebih baik lagi .

Akhirnya usaha yang dilakukan Owo pun berhasil

Materi Kuliah Pertemuan 3 : Jaringan Syaraf Tiruan

Posted on by ai-a-erial.blogspot.com | 0 komentar

img0
img1img2img3img4img5img6img7
img8

Baca selengkapnya »

Aplikasi Kecerdasan Buatan

Posted on Selasa, 22 Februari 2011 by ai-a-erial.blogspot.com | 0 komentar


 
Tugas
Tanggal tugas
Tugas selesai
2
17 Februari 2011
22 Februari 2011

Nama
NPM
TUGAS
Eko Susanto
0915031035
Buat Blog, Posting Artikel
Robert Lie Nasbuck
0915031099
Posting Artikel
Imam Baldi Pratama
0915031089
Cari Artikel dan Editing
Achmad Taufik Prabowo
0915031077
Cari Artikel
Leonardo Simanulang
0715031053
Cari Artikel dan Editing





Aplikasi Kecerdasan Buatan
aplikasi-aplikasi kecerdasan buatan pada kehidupan nyata.
Menyangkut masalah aplikasi kecerdasan buatan sangat banyak bidang padadi kehidupan kita sehari-hari. Misalnya seperti berikut ini.

1. Bidang Komputer dan Sains
 
Para Peneliti kecerdasan buatan telah membuat banyak alat untuk memecahkan beberapa masalah yang dapat dikategorikan paling rumit pada bidang komputer dan sains. Kebanyakan dari penemuan mereka telah diambil alih oleh cabang ilmu komputer dan sains dan tidak lagi menjadi bagian dari bidang ilmu kecerdasan buatan. Beberapa daftar aplikasi yang sebelumnya dikembangkan oleh para peneliti kecerdasan buatan adalah GUI (Graphical User Interface), Kalkulasi koordinat mouse pada layar monitor, manajemen penyimpanan otomatis, pemrograman dinamis serta pemrograman orientasi objek.

2. Finansial
 
Pada bidang finansial, penggunaan kecerdasan buatan ditujukan pada pengorganisasian operasi, investasi saham, dan memanajemen properti. Sebuah sistem yang memiliki kecerdasan buatan dapat mengkalkulasi inflasi maupun deflasi yang akan terjadi di masa depan serta dapat mengkalkulasi probabilitas naik turunnya harga saham sehingga dapat digunakan untuk menentukan investasi secara detail.

3. Kesehatan
 
Pada bidang kesehatan, sistem kecerdasan buatan telah digunakan, slah satunya adalah algoritma genetika yang memungkinkan simulasi proses evolusi dan rekayasa genetika diuji coba tanpa memerlukan “korban” makhluk hidup. Algoritma ini juga dapat digunakan untuk pencocokan DNA yang sering digunakan dan saat ini mungkin populer untuk mengidentifikasi identitas seseorang.

4. Industri
 
Pada bidang Industri penggunaan mesin sudah merupakan hal yang umum. Mesin biasanya digunakan dalam industri untuk pekerjaan yang membahayakan manusia dan yang sulit untuk dilakukan manusia. sebagai contoh memindahkan barang yang mempunyai berat ber ton-ton, pemotongan besi dan baja. bahkan dalam industri manufaktur, pekerjaan yang membutuhkan tingkat ketelitian tinggi dan konsistensi sudah diambil alih oleh mesin.

5. Telekomunikasi
 
Pada Bidang telekomunikasi, sistem kecerdasan buatan juga banyak digunakan antara lain untuk pencarian heuristik tentang tenaga kerja mereka, mengatur penjadwalan puluhan ribu pekerjanya, serta menentukan jumlah gaji sesuai dengan kualitas kerja mereka. Semuanya dilakukan secara otomatis dengan kecerdasan buatan yang telah diimplementasikan ke dalam sistemnya.

6. Pengembangan Game
 
Perkembangan Game yang pesat pada masa ini juga membutuhkan sesuatu yang berbeda pada rule permainannya. Sebuah sistem game, jika sudah dimainkan sampai tuntas oleh seorang player, maka ketika player yang sama memulai lagi permainan dari awal, maka rule permainannya akan sama. namun berbeda untuk game-game yang telah ada saat ini. sistem dalam game, dapat belajar mengenali pola permainan dari player dan ketika player tersebut memulai permainan kembali, maka sistem ini akan menggunakan rule yang berbeda untuk pemain yang sama ini. sehingga game menjadi lebih menarik dan menantang untuk dimainkan.
Contoh aplikasi kecerdasan buatan dalam bentuk game sangat banyak sekali, ada yang berbentuk game PC, dan ada pula yang berbentuk game jaringan.
Pada artikel ini penulis memberikan contoh aplikasi game yaitu game Tic Tac Toe.


Gambar : Game Tic Tac Toe.

Game ini merupakan game yang mengasah kemampuan berpikir manusia, dimana setiap pemain harus menyusun gambar secara vertikal, horizontal, miring kiri, dan miring kanan agar memperoleh nilai. Apabila pemain tidak dapat membentuk formasi gambar yang diinginkan maka permain dinyatakan kalah. Dan apabila pola gambar seimbang maka permainan dinyatakan drow atau seri. Permainan ini mengasah kemempuan berpikir sehingga para pemain harus melakukan tindakan yang baik dan memperhitungkan apa aibat dari tindakan yang dilakukan tersebut.



http://taminteckom.wordpress.com/2010/12/08/aplikasi-kecerdasan-buatan-ai/ 

Bidang-Bidang Kecerdasan Buatan

Posted on by ai-a-erial.blogspot.com | 0 komentar

 

 
Tugas
Tanggal tugas
Tugas selesai
2
17 Februari 2011
22 Februari 2011

Nama
NPM
TUGAS
Eko Susanto
0915031035
Buat Blog, Posting Artikel
Robert Lie Nasbuck
0915031099
Posting Artikel
Imam Baldi Pratama
0915031089
Cari Artikel dan Editing
Achmad Taufik Prabowo
0915031077
Cari Artikel
Leonardo Simanulang
0715031053
Cari Artikel dan Editing



Bidang – Bidang dalam Artificial Intelligence

Kecerdasan Buatan ( Artificial Intelligence atau AI ) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa bidang kecerdasan buatan antara lain sebagai berikut :

1. Expert System

Expert System adalah system yang berusaha mengadopsi pengetahuan manusia kekomputer,agar
computer bisa menyelesaikan masalah seperti yang dilakukan para ahli. Sistem pakar merupakan
salah satu aplikasi dari Artificial Inteligence (AI) yang banyak dimanfaatkan dalam dunia bisnis.
Komponen Sistem pakar terbagi menjadi empat bagian, yaitu:

a. Knowledge base ( basis pengetahuan)

Knowledge Base merupakan inti dari program sistem pakar karena basis pengetahuan itu
merupakan presentasi pengetahuan atau knowledge representation basis pengetahuan adalah
sebuah basis data yang menyimpan aturan-aturan tentang suatu domain knowledge/pengetahuan
tertentu. Basis pengetahuan ini terdiri dari kumpulan objek beserta aturan dan atributnya (sifat
atau cirinya). Contoh : If hewan merupakan sayap dan bertelur then hewan jenis burung.

b. Working Memory (basis data atau memori kerja)

Working memory adalah bagian yang mengandung semua fakta-fakta baik fakta awal pada saat
sistem beroperasi maupun fakta-fakta pada saat pengambilan kesimpulan sedang dilaksanakan
selama sistem pakar beroperasi basis data berada di adalam memori kerja.

c. Inference Engine (mesin inferensia)

Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan pola-pola
penalaran sistem yang digunakan oleh seorang pakar.

d. User interface

Antarmuka pemakai adalah bagian penghubung antara program sistem pakar dengan pemakai.
Pada bagian memungkinkan pengguna untuk memasukkan instruksi dan informasi ke dalam
sistem pakar serta menerima penjelasan dan kesimpulan.






Contoh apikasi dalam kehidupan sehari-hari:

• Implementasi sistem pakar dalam bidang farmakologi dan terapi sebagai pendukung
pengambilan keputusan berbasis web



2. Logica Fuzzy

Logika fuzzy adalah Fuzzy Logic adalah metodologi pemecahan masalah dengan beribu - ribu aplikasi dalam pengendali yang tersimpan dan pemrosesan informasi. Fuzzy logic menyediakan cara sederhana untuk menggambarkan kesimpulan pasti dari informasi yang ambigu, samar - samar, atau tidak tepat. Sedikit banyak, fuzzy logic menyerupai pembuatan keputusan pada manusia dengan kemampuannya untuk bekerja dari data yang ditafsirkan dan mencari solusi yang tepat.

Mekanisme FIS (fuzzy Inference System):






Contoh implementasi dalam kehidupan sehari – hari :

Robot ASIMO menggunakan sensor dan algoritma kecerdasan buatan untuk menuruni tangga dan menghindari rintangan
Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

http://ai-b-rybut.blogspot.com/2010/02/bidang-bidang-yang-termasuk-kecerdasan.html 

Langganan: Postingan (Atom)

ai-a-erial.blogspot.com: 2011


Copyright (c) 2010.Design by WP Templates - Free Card Sharing - Converter by: TemplatesByBlogger and OYUN