Neural Networks vs. Deep Learning
deep Learning dan Neural Networks cenderung digunakan secara bergantian dalam percakapan, yang bisa membingungkan. Akibatnya, perlu dicatat bahwa “deep” dalam pembelajaran mendalam hanya mengacu pada kedalaman lapisan dalam jaringan neural. Neural Networks yang terdiri dari lebih dari tiga lapisan — yang akan mencakup masukan, Proses dan keluaran — dapat dianggap sebagai algoritme Deep Learning. Neural Networks yang hanya memiliki dua atau tiga lapisan hanyalah Neural Networks dasar.

Sejarah Neural  Networks
Sejarah Neural  Networks lebih panjang dari yang diperkirakan kebanyakan orang. Sementara gagasan “Machine Thinking” dapat ditelusuri ke Yunani Kuno, kami akan fokus pada peristiwa penting yang mengarah pada evolusi pemikiran seputar Neural  Networks, yang telah surut dan mengalir dalam popularitas selama bertahun-tahun:

1943: Warren S. McCulloch dan Walter Pitts menerbitkan “Kalkulus logis dari ide-ide yang melekat dalam aktivitas saraf. Penelitian ini berusaha untuk memahami bagaimana otak manusia dapat menghasilkan pola kompleks melalui otak yang terhubung sel, atau neuron. Salah satu ide utama yang keluar dari pekerjaan ini adalah perbandingan neuron dengan ambang biner dengan logika Boolean (yaitu, pernyataan 0/1 atau benar / salah).

 

1958: Frank Rosenblatt dikreditkan dengan preception development, didokumentasikan dalam penelitiannya, “The Perceptron: Model Probabilistik untuk Penyimpanan Informasi dan Organisasi di Otak”. Dia membawa pekerjaan McCulloch dan Pitt selangkah lebih maju dengan memasukkan bobot ke dalam persamaan. Memanfaatkan IBM 704, Rosenblatt bisa mendapatkan komputer untuk mempelajari cara membedakan kartu yang ditandai di sebelah kiri vs. kartu yang ditandai di sebelah kanan.

1974: Sementara banyak peneliti berkontribusi pada gagasan backpropagation, Paul Werbos adalah orang pertama di AS yang mencatat penerapannya dalam jaringan saraf dalam tesis PhD-nya.

1989: Yann LeCun menerbitkan sebuah makalah ) yang menggambarkan bagaimana penggunaan batasan dalam backpropagation dan integrasinya ke dalam arsitektur jaringan saraf dapat digunakan untuk melatih algoritme. Penelitian ini berhasil memanfaatkan jaringan saraf untuk mengenali digit kode pos tulisan tangan yang disediakan oleh Layanan Pos A.S.

.

.

.

.

.

.

.

Masih Bersambung ya Kawan-kawan, Stay tuned di blog klikgss untuk kelanjutan dari Neural Networks….xD

 63 total views,  1 views today