2022-10-23

Deep Learning

Apa itu Deep Learning

Deep learning, merupakan salah satu cabang dari machine learning, yang melibatkan pengembangan jaringan saraf multi-lapisan untuk memodelkan pola dan struktur kompleks pada data. Dengan meniru struktur dan fungsi otak manusia, algoritma deep learning dapat secara otomatis mempelajari fitur-fitur dari data, menghilangkan kebutuhan akan ekstraksi fitur secara manual.

Deep Learning Spreads

Memodelkan Neuron Tunggal

Sebuah neuron dapat digambarkan sebagai berikut:

Neuron
Artificial Neural Networks And its Intuition

Dalam model neuron, konsep "bobot", "bias", dan "fungsi aktivasi" merupakan komponen penting:

Bobot
Mewakili efisiensi transmisi sinapsis, bobot menentukan seberapa kuat setiap neuron mempengaruhi neuron lain.
Bias
Kepekaan neuron, bias menyesuaikan kegairahan neuron.
Fungsi Aktivasi
Fungsi yang menggambarkan aturan neuron dalam memproses informasi.

Keluaran sebuah neuron ditentukan oleh persamaan berikut:

y = f({\sum\limits_{k=1}^{n}{x_k}{w_k} + b})

$y$ : Keluaran dari neuron.
$f$ : Fungsi aktivasi, yang menentukan keluaran dari neuron berdasarkan masukan dan bobot.
$\sum\limits_{k=1}^{n}{x_k}{w_k}$ : Jumlah tertimbang dari masukan ( $x_k$ ) dan bobotnya ( $w_k$ ). Simbol sigma ( $\sum$ ) menunjukkan bahwa kita menjumlahkan hasil kali dari setiap masukan dan bobotnya pada seluruh masukan ( $k=1$ hingga $k=n$ ).
$b$ : Istilah bias, yang menyesuaikan kegairahan neuron.

Dalam intinya, persamaan ini menjelaskan bagaimana sebuah neuron dalam jaringan saraf buatan memproses data masukan. Neuron mengambil jumlah tertimbang dari masukan, menambahkan istilah bias, dan kemudian menerapkan fungsi aktivasi untuk menghasilkan keluaran akhir ( $y$ ). Keluaran ini kemudian dapat diteruskan ke neuron lain pada lapisan berikutnya dalam jaringan saraf.

Jaringan Saraf

Jaringan saraf adalah kumpulan neuron yang saling terhubung, biasanya diatur dalam lapisan-lapisan. Setiap neuron pada satu lapisan terhubung dengan neuron lain pada lapisan berikutnya.

Neural Network

What is a neural network?

Jaringan saraf terdiri dari lapisan masukan, satu atau lebih lapisan tersembunyi, dan lapisan keluaran:

Lapisan Masukan
Neuron-neuron pada lapisan masukan awalnya menerima informasi.
Lapisan Tersembunyi
Lapisan-lapisan ini memproses data kompleks yang diterima oleh lapisan masukan, mengubahnya menjadi data yang lebih sederhana yang dapat diolah oleh lapisan keluaran. Jumlah lapisan tersembunyi dapat bervariasi tergantung pada kompleksitas informasi yang diolah. Namun, peningkatan jumlah neuron dan lapisan tersembunyi juga dapat meningkatkan jumlah data, memori, dan operasi yang diperlukan.
Lapisan Keluaran
Lapisan keluaran menghasilkan nilai yang diproses oleh fungsi aktivasi dan ditimbang oleh lapisan masukan dan tersembunyi.

Dalam jaringan saraf, setiap node (neuron) terhubung dengan node lainnya, dengan bobot dan ambang yang terkait. Ketika keluaran node melebihi ambang batas tertentu, node diaktifkan, dan data dikirim ke lapisan selanjutnya dalam jaringan. Jika tidak, tidak ada data yang diteruskan.

Aplikasi Deep Learning

Deep learning, dengan kemampuannya untuk memodelkan pola yang kompleks, memiliki berbagai macam aplikasi di berbagai domain. Aplikasi ini meluas jauh melampaui bidang pengolahan citra, pengenalan suara, dan pemrosesan bahasa alami, mencakup berbagai industri dan sektor lainnya. Beberapa contoh aplikasi deep learning meliputi:

Deep Learning

Apa itu Deep Learning

Memodelkan Neuron Tunggal

Jaringan Saraf

Aplikasi Deep Learning

Pengolahan Citra

Pengenalan Suara

Pemrosesan Bahasa Alami

Kesehatan

Keuangan

Kendaraan Otonom

Referensi

Panduan LightGBM

Perseptron

Ryusei Kakujo