Implementasi Spiking Neural Network Untuk Rekognisi Landasan Drone

Santana, giri atma (2022) Implementasi Spiking Neural Network Untuk Rekognisi Landasan Drone. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111540000118-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Implementasi Spiking Neural Network (SNN) merupakan jaringan saraf buatan yang berbeda dengan Artificial Neural Network pada umumnya. Perbedaan ini bisa dilihat dalam karakteristik Neuron pada model SNN dimana model ini meniru dengan cara kerja neuron biologis yang sesungguhnya. Neuron dan sinapsis akan saling berkomunikasi dengan menggunakan deret impulse. Tujuan dari dengan adanya SNN adalah dapat melakukan berbagai pendekatan untuk memodelkan bagaimana sebuah sistem saraf bekerja. Salah satunya adalah dengan meniru sistem penglihatan pada makhluk hidup yang memiliki kemampuan spesial untuk mengenali pola objek meskipun objek tersebut dilakukan beberapa perubahan, seperti diputar atau dimiringkan. Pada penelitian ini akan dipelajari mengenai bagaimana merancang sebuah SNN dimana dapat melakukan sistem rekognisi pola bentuk dengan memakai model jaringan Ripple Pond Network (RPN). RPN merupakan sebuah rancangan model SNN yang digunakan untuk meniru sistem penglihatan pada makhluk hidup. Salah satu fitur utama dalam model ini adalah rotation invariant, yaitu dapat mengenali objek pada setiap variasi rotasinya. Berdasarkan hasil pengujian didapatkan bahwa SNN bisa digunakan untuk membedakan pola objek dengan output impuls yang mewakili karakteristik pada masing-masing objek ditandai dengan adanya kesamaan pola impuls pada pola objek yang sama, namun akan mempunyai perbedaan yang cukup jelas jika dibandingkan dengan impuls objek lainnya. Dengan begitu sistem ini bisa diimplementasikan untuk pengenalan pola landasan drone.Kata kunci: Spiking Neural Network, Drone, Object Recognition.
==============================================================================================================================
Implementation of Spiking Neural Network (SNN) is an artificial neural network that is different from the usual Artificial Neural Network. This difference can be seen in the characteristics of neurons in the SNN model where this model mimics the working mechanism of real biological neurons. Neurons and synapses communicate with each other using impulse trains. The main goal of SNN is to create a model that can sufficiently mimic how neural systems work. One example is mimicking the visual system in living creatures, which has the ability to recognize object patterns even when the objects are rotated or skewed. In this research, a SNN is designed to recognize shape patterns using the Ripple Pond Network (RPN) model. RPN is a design of SNN model that imitates the visual system in living creatures. One of the main features of this model is rotation invariant, which means it can recognize objects at every variation of rotation. Based on the test data, it can be concluded that SNN can be used to differentiate each object. This is shown by the spike output pattern where there are similarities for each object in the same category, but also significant differences between different object categories. Thus, this system can be further implemented for drone landing recognition.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Spiking Neural Network. Landasan drone. Pengenalan pola.Neural Network. Drone. Pattern Recognition.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	11 Jun 2026 08:46
Last Modified:	11 Jun 2026 08:46
URI:	http://repository.its.ac.id/id/eprint/133740

Actions (login required)

View Item