PENGHARGAAN




Bersyukur saya ke hadrat ilahi kerana dengan limpah dan perkenan-Nya dapat juga saya menyiapkan kertas kerja saranan untuk projek ilmiah tahun akhir saya ini bagi memenuhi syarat untuk memperolehi Sarjana Muda Teknologi Maklumat-Kejuruteraan Perisian.

Seinfiniti perhargaan dan ucapan terima kasih yang tidak terhingga kepada En. Zailani Abdullah selaku penyelia projek saya yang terlalu banyak membantu, membimbing dan juga sebagai pemudahcara saya sepanjang proses menyiapkan kertas kerja ini. Tanpa tunjuk ajar yang begitu jitu dan padu daripada beliau, mana mungkin saya akan dapat menghasilkan satu kertas kerja yang baik. Jutaan penghargaan juga diucapkan kepada semua pensyarah Jabatan Sains Komputer yang terlibat secara langsung ataupun tidak langsung dalam pembikinan kertas kerja ini.

Tidak lupa juga untuk mengucapkan berbanyak terima kasih kepada rakan-rakan yang banyak memberi sokongan dan dorongan disamping idea-idea yang bernas pada masa saya ketandusan idea seperti Zantinita, Nurhidayati, Mohd Asri, Wei Sum dan juga mana-mana nama lagi yang mungkin terlibat. Terima kasih sekalung budi.

Jika tiada nama-nama dan orang-orang yang terlibat di atas, berkemungkinan kertas kerja ini tidak dapat disiapkan dengan dengan jayanya. Ribuan terima kasih juga diucapkan kepada mana-mana orang perseorangan yang terlibat secara langsung dalam menyiapkan kertas kerja ini. Seinfiniti ucapan terima kasih.



PARALLEL BACK-PROPAGATION NEURAL NETWORK FOR TIME-SERIES FORECASTING




ABSTRACT

The use of Neural Network technology is become tremendous nowadays and of course if it more popular in such many application area. This thesis will be focused on the case studies of one Neural Network program which is already developed and need to characterized all the patern by using reverse engineering technique. All the patern or function in the program need to well understand. Another thing is to run the programme in parallel system by adding some function at the required place. This thesis will be using C++.net and C++ programming language.


ABSTRAK



Penggunaan teknologi Neural Network dewasa ini semakin mendapat perhatian. Jadi tidak hairanlah jika sekiranya semakin banyak aplikasi menggunakan Neural Network. Projek ini dikhususkan kepada mengkaji sebuah program Neural Network yang telah siap dan dilaksanakan teknik reverse engineering supaya setiap fungsi yang ada di dalamnya dapat dikategorikan. Selain itu, program yang ada ini juga perlu dibuat tambahan fungsi supaya dapat dilaksanakan dalam sistem yang selari (parallel system). Kajian ini menggunakan teknologi C++.net dan bahasa pengaturcaraan C++.



SENARAI KANDUNGAN





Halaman
BORANG PENGESAHAN ii
PENGHARGAAN iii
ABSTRACT iv
ABSTRAK v
SENARAI KANDUNGAN vi
SENARAI RAJAH x
SENARAI SINGKATAN xi



BAB 1 PENDAHULUAN
1.1 Pengenalan 1
1.2 Objektif 2
1.3 Skop 2
1.4 Hasil yang Dijangkakan 2

BAB 2 ULASAN BAHAN RUJUKAN
2.1 Pengenalan 3
2.2 Asas Teori / Konsep 3
2.2.1 Apa Itu Rangkaian Neural (Neural Network) 3
2.2.2 Algoritma Neural Network 5
2.3 Sorotan Sistem Kajian Lepas 9
2.3.1 NeuroSolutions 5.00 9
2.3.1.1 NeuroSolutions untuk Excel. 9
2.3.1.2 Custom Solution Wizard 10
2.3.2 Back Error Propagation Simulator 11
2.4 Pemerihalan Permasalahan 11
2.5 Cadangan Penyelesaian Masalah 12



BAB 3 METODOLOGI
3.1 Pengenalan 13
3.1.1 Metodologi 13
3.1.2 Jenis Metodologi 14
3.1.3 Unified Modelling Language (UML) 16
3.2 Struktur Model 16
3.2.1 Model Rational Unified Process (RUP) 16
3.3 Fasa-fasa Model (RUP) 19
3.3.1 Fasa Permulaan (Inception) 19
3.3.2 Fasa Penghuraian (Elaboration) 20
3.3.3 Fasa Pembinaan (Construction) 20
3.3.4 Fasa Pemindahan (Transition) 20
3.4 Disiplin / Aliran Kerja 20
3.4.1 Pengurusan Projek 21
3.4.2 Keperluan (Requirement) 21
3.4.3 Analisis dan Rekabentuk (Análisis and Design) 21
3.4.4 Pelaksanaan (Implementation) 21
3.4.5 Pengujian (Test) 22

BAB 4 KEPERLUAN SISTEM
4.1 Pengenalan 26
4.2 Keperluan 26
4.2.1 Diagram Kes-Guna 27
4.2.2 Deskripsi Kes Guna (Functional) 28
4.2.3 Diagram Aktiviti 35



BAB 5 ANALISIS DAN REKABENTUK KAJIAN
5.1 Pengenalan 40
5.2 Keperluan 40
5.2.1 Analisa Kelas (boundry, control dan entity) 40
5.2.2 Diagram Jujukan (Sequence Diagram) 43
5.2.3 Digram Kolaborasi (Collaboration Diagram) 47
5.3 Rekabentuk Skrin 51
5.3.1 Paparan Input Data 51
5.3.2 Paparan Neural Network Layer 52
5.3.3 Paparan Data Information 53
5.3.4 Paparan Simulate Network 54



BAB 6 KESIMPULAN 55
RUJUKAN 56
LAMPIRAN 58
A CARTA GANTT 58



SENARAI RAJAH




Rajah Halaman


2.1 Contoh Sel Neuron 4
2.2 Contoh Struktur Asas Rangkaian Neural 4
2.3 Algoritma Back-propagation 6
2.4 Contoh bias 7
3.1 Model Rational Unified Process (RUP) 9
3.3 Proses Reverse Engineering 25
4.1 Diagram Kes Guna Program Neural Network 27
4.2 Diagram Aktiviti Untuk Fungsi Input Data and 36
Normalize Sunspot
4.3 Diagram Aktiviti Untuk Fungsi Generate 37
And Establish Network
4.4 Diagram Aktiviti Untuk Fungsi Test Network, Train Network 38
And Evaluate Error
4.5 Diagram Aktiviti Untuk Fungsi Finalize Application 39
5.1 Analisa Kelas Untuk Input Data 41
5.2 Analisa Kelas Untuk GenerateAnd Establish Networ 41
5.3 Analisa Kelas Untuk Evaluate Error 42
5.4 Analisa KelasUntuk Finalize Application 42
5.5 Diagram Jujukan Untuk Input Data 43
5.6 Diagram Jujukan Untuk Generate Network 44
5.7 Diagram Jujukan Untuk Evaluate Error 45
5.8 Diagram Jujukan Untuk Finalize Application 46
5.9 Diagram Kolaborasi Untuk Input Data 47
5.10 Diagram Kolaborasi Untuk Generate and Establish Network 48
5.11 Diagram Kolaborasi Untuk Evaluate Error 49
5.12 Diagram Kolaborasi Untuk Finalize Application 50
5.13 Paparan Input Data 51
5.14 Paparan Network Layer 52
5.15 Paparan Data Information 53
5.16 Paparan Simulate Network 54



SENARAI SINGKATAN




Singkatan Teks Penuh
RUP Rational Unified Process
UML Unified Modelling Language
AI Artificial Intelligence
NN Neural Network
bpNN Back-propagation Neural Network
ASP Active Server Page
CSW Custom Solution Wizard
BPS Back-propagation Simulator
DLL Dynamic Link Library
MLP Multilayer Perceptron
CASE Computer-Aided Software Engineering
XP Extreme Programming
SSADM Structured System Analysis and Design Method
SLDC System Development Life Cycle
ICT Information Communication Technology
IBM International Business Machine