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

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.
==============================================================================================================================
Spiking Neural Network (SNN) is one of artificial intelligence that was very different compared to other Artificial Neural Network. The main characteristic can be seen by how neuron was designed to mimicking the mechanism of real biology neuron. In SNN concept, each Neuron and Synapsis communicate by using spike trains. The main goal of SNN is to create model that can mimic enough for how this neural network works. For example, SNN can try to mimic on how vision system works on living creature. Vision sistem had some special features that can easily recognize the object pattern, even though the object is rotated or skewed. On this research an SNN is created to recognize object pattern by using Ripple Pond Network (RPN). RPN is one of SNN model that offered the ability to mimicking vision system on living creature. One of the main feature by using RPN is rotation invariant, which is it can recognize every variation of object rotation. Based from the test data can be concluded if SNN can be used to differentiate for each objek. This can be showed from the spiking output pattern that there is a similarities for each object on same category, but also some major discrepancy different object category. Thus, this system can be further implemented for drone landing recognition.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Spiking Neural Network, Drone, Object Recognition. Spiking Neural Network, Drone, Object Recognition.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	12 Jun 2026 01:01
Last Modified:	12 Jun 2026 01:01
URI:	http://repository.its.ac.id/id/eprint/133743

Actions (login required)

View Item