Perceptron adalah salah satu model jaringan saraf tiruan paling awal yang dikembangkan untuk melakukan klasifikasi biner. Model ini diperkenalkan oleh Frank Rosenblatt pada tahun 1958 dan menjadi dasar dari banyak arsitektur jaringan saraf modern. Perceptron bekerja dengan mengambil sejumlah fitur input, mengalikan mereka dengan bobot tertentu, dan menghasilkan keputusan berdasarkan fungsi aktivasi.
Struktur Perceptron
Setiap perceptron terdiri dari beberapa neuron tiruan yang menerima input, kemudian menghasilkan output setelah proses penjumlahan dan aktivasi. Perceptron hanya mampu memecahkan masalah yang linear separable, artinya data harus dapat dipisahkan dengan sebuah garis lurus atau hiperplane.
Keterbatasan Perceptron
Walaupun sederhana, perceptron memiliki keterbatasan, terutama dalam menyelesaikan masalah non-linear seperti XOR. Keterbatasan ini mendorong pengembangan arsitektur jaringan saraf multi-layer yang lebih kompleks, seperti multi-layer perceptron.
Pengaruh terhadap AI
Meskipun model ini memiliki kekurangan, perceptron tetap menjadi tonggak penting dalam sejarah kecerdasan buatan, dan konsep dasarnya masih digunakan dalam berbagai algoritma pembelajaran mesin modern.