Arificial Neural Network (Part of Deep Learning)
Bogor, 27 September 2025 (Kelas gerah ehh)
Sumber
- Pengantar Statistika dan Analisis Data PPT, Universitas Pamulang, DR. Tukiyat, M.SI.
- Descriptive Statistics - Muhammed Shayib
pretest
on Develope
Neural network pertama kali muncul pada tahun 1980, pada tahun 2010 kembali tenar dengan nama baru Deep Learning, dengan aritektur baru dan keberhasilan dalam pemecahan masalah klasifikasi foto dan video, pemodelan speech and text. Banyak yg percaya bahwa keberhasilan dicapai karena ketersediaan data training yang lebih banyak dibandingan dengan pada tahun 1980.
InsyaAllah pada pertemuan ini akan membahas dasar Neural Network dan Deep Learning. Lalu mendalam ke pemecahan masalah yang lebih spesifik, misalkana untuk klasifikasi gambar menggunakan Convulutional Neural Network (CNNs) dan Recurrent Neural Networks (RNNs) untuk deret waktu dan semisalnya.
Single Layer Neural Network
Neural Network menerima parameter dalam bentuk vektor (deret angka dengan satu lapis) $ X = (X_1, X_2, X_3, ..., X_p) $ dan menghasilkan sebuah non linear function yang mana fungsi tersebut mengeluarkan hasil prediksi dari, \(Y\).
Pada pelajaran data mining kita telah membuat model prediksi nonlinear menggunakan KNN,Decission Tree dan lainnya. Yang membedakan Neural Network dengan dengan metode-metede tersebut adalah struktur dari model neural network.
Single layer Neuran Network dan Sandingan saraf alami dan buatan
Gambar diatas adalah feed forward Neural Network untuk pemodelan kuantitatif menggunakan 4 prediktor (variabel independen). Terminologi Neural Network \(X_1, X_2, X_3, X_4\) disebut dengan input layer. Garis yang terhubung mengindikasi bahwa setiap input layer diberikan ke setiap hidden layer \(K\). Bentuk matematikn Neural Network adalah sebagai berikut;