Identifikasi Pola Warna Citra Google Maps Menggunakan Jaringan Syaraf Tiruan Metode Levenberg –Marquardt dengan MatLab Versi 7.8

John Adler, Tulus Bangkit Pratama
{"title":"Identifikasi Pola Warna Citra Google Maps Menggunakan Jaringan Syaraf Tiruan Metode Levenberg –Marquardt dengan MatLab Versi 7.8","authors":"John Adler, Tulus Bangkit Pratama","doi":"10.34010/KOMPUTIKA.V7I2.1396","DOIUrl":null,"url":null,"abstract":"Riset mengenai Jaringan Syaraf Tiruan telah banyak diimplementasikan dalam bidang keilmuan, khususnya Geografi, yang mengidentifikasi pola citra peta untuk membedakan kenampakan geografis, dan diterapkan pada Google Maps. Proses pengolahan citra, dengan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (komputer). Teknik yang digunakan adalah teknik Segmentasi. Metode training menggunakan algoritma Levenberg-Marquardt. Hasil penelitian pada proses training diperoleh nilai epoch sebanyak 17 dari 100 iterasi. Waktu yang digunakan selama proses training sebanyak 6 detik, nilai performance = 2,06; nilai gradient = 8,49; Mu = 1,00; validation check = 6 dan nilai regresi (R) proses training dan keseluruhan proses berturut-turut sebesar 0.95889 dan 0.91483. Nilai regresi menunjukan adanya hubungan linier antara output jaringan dengan target. Identifikasi pola telah berhasil membuat pola citra baru yang diidentifikasikan sebagai daerah daratan dan bukan daratan. Secara keseluruhan, aplikasi yang dibuat berhasil memenuhi fungsi yang diinginkan, yaitu untuk membantu penderita buta warna. \n  \nKata kunci: Jaringan Syaraf Tiruan, Pengolahan Citra, Teknik Segmentasi, Levenberg-Marquardt.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":"1 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2018-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Komputika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34010/KOMPUTIKA.V7I2.1396","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

Abstract

Riset mengenai Jaringan Syaraf Tiruan telah banyak diimplementasikan dalam bidang keilmuan, khususnya Geografi, yang mengidentifikasi pola citra peta untuk membedakan kenampakan geografis, dan diterapkan pada Google Maps. Proses pengolahan citra, dengan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau mesin (komputer). Teknik yang digunakan adalah teknik Segmentasi. Metode training menggunakan algoritma Levenberg-Marquardt. Hasil penelitian pada proses training diperoleh nilai epoch sebanyak 17 dari 100 iterasi. Waktu yang digunakan selama proses training sebanyak 6 detik, nilai performance = 2,06; nilai gradient = 8,49; Mu = 1,00; validation check = 6 dan nilai regresi (R) proses training dan keseluruhan proses berturut-turut sebesar 0.95889 dan 0.91483. Nilai regresi menunjukan adanya hubungan linier antara output jaringan dengan target. Identifikasi pola telah berhasil membuat pola citra baru yang diidentifikasikan sebagai daerah daratan dan bukan daratan. Secara keseluruhan, aplikasi yang dibuat berhasil memenuhi fungsi yang diinginkan, yaitu untuk membantu penderita buta warna.   Kata kunci: Jaringan Syaraf Tiruan, Pengolahan Citra, Teknik Segmentasi, Levenberg-Marquardt.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用Levenberg方法识别谷歌地图图像颜色模式复制系统-Marquardt与MatLab版本7.8
哥本哈根系统网络的研究已在科学领域广泛实施,尤其是地理学,它识别地图图像模式以区分地理表示,并应用于谷歌地图。图像处理过程,通过提高图像质量,使其易于被人类或机器解读。所使用的技术是分割技术。方法采用Levenberg-Marquardt算法进行训练。训练过程中的研究结果获得了100次迭代中的17次的历元值。训练过程中使用的时间为6秒,性能值=2.06;梯度值=8,49;Mu=1.00;验证检验=6,训练过程和整个序列过程的回归值(R)分别为0.95889和0.91483。回归值显示网络输出和目标之间的线性关系。模式识别已经成功地创建了被识别为陆地而非陆地的新图像模式。总的来说,创建的应用程序成功地实现了所需的功能,即帮助色盲。关键词:复制系统网络,图像检索,分割技术,Levenberg-Marquardt。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
25
审稿时长
12 weeks
期刊最新文献
Perbandingan Kinerja Algoritma Multinomial dan Bernoulli Naïve Bayes dalam Mengklasifikasikan Komentar Cyberbullying Klasifikasi Pemenuhan Pilar Sanitasi Puskesmas Menggunakan Metode Naive Bayes Analisis Cluster Kualitas Pemuda di Indonesia pada Tahun 2022 dengan Agglomerative Hierarchical dan K-Means Klasifikasi Rentang Usia Dan Gender Dengan Deteksi Suara Menggunakan Metode Deep Learning Algoritma Cnn (Convolutional Neural Network) Implementasi Metode Weighted Moving Average (WMA) Pada Prediksi Harga Bahan Pokok
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1