Apa itu Neural Networks?
Neural Network, juga dikenal sebagai jaringan saraf tiruan (JST) atau simulated neural networks (SNN), adalah bagian dari Machine Learning dan merupakan inti dari algoritme Deep Learning. Nama dan strukturnya terinspirasi oleh otak manusia, meniru cara neuron biologis memberi sinyal satu sama lain.

Neural Networks mengandalkan data training untuk mempelajari dan meningkatkan keakuratannya dari waktu ke waktu. Namun, setelah algoritme pembelajaran ini disesuaikan untuk keakuratannya, algoritme tersebut adalah alat yang ampuh dalam ilmu komputer dan kecerdasan buatan, yang memungkinkan kita semua untuk mengklasifikasikan dan mengelompokkan data dengan kecepatan yang tinggi.

Bagaimana Neural Networks bekerja?
Coba anda Pikirkan setiap node sebagai model regresi liniernya sendiri, yang terdiri dari data masukan, bobot, bias (atau ambang), dan keluaran. Rumusnya akan terlihat seperti ini:

setelah Input Layer ditentukan, bobot ditetapkan. Bobot ini membantu menentukan pentingnya variabel tertentu, dengan bobot yang lebih besar berkontribusi lebih signifikan terhadap keluaran dibandingkan dengan masukan lainnya. Semua masukan tersebut kemudian dikalikan dengan bobotnya masing-masing dan kemudian dijumlahkan. Setelah itu, keluaran dilewatkan melalui fungsi Activation, yang menentukan keluaran. Jika keluaran tersebut melebihi ambang yang diberikan, Maka ia “mengaktifkan” (atau mengaktifkan) node, meneruskan data ke Layer berikutnya dalam jaringan. Ini menghasilkan keluaran dari satu simpul menjadi masukan dari simpul berikutnya. Proses penerusan data dari satu lapisan ke lapisan berikutnya mendefinisikan jaringan saraf ini sebagai jaringan penerusan.

.
.
.

Bersambung………………… xD

 23 total views,  1 views today