Langsung ke konten utama

Pembelajaran Dalam (Deep Learning)

sumber gambar : https://beyonder.asia/ini-alasan-mengapa-deep-learning-dapat-mengubah-hidup-anda/

Pembelajaran Dalam (bahasa Inggris: Deep Learning) atau sering dikenal dengan istilah Pembelajaran Struktural Mendalam (bahasa Inggris: Deep Structured Learning) atau Pembelajaran Hierarki (bahasa Inggris: Hierarchical learning) adalah salah satu cabang dari ilmu Pembelajaran mesin (bahasa Inggris: Machine Learning) yang terdiri algoritme pemodelan abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi transformasi non-linear yang ditata berlapis-lapis dan mendalam. Teknik dan algoritme dalam Pembelaran dalam dapat digunakan baik untuk kebutuhan pembelajaran terarah (supervised learning), pembelajaran tak terarah (unsupervised learning) dan semi-terarah (semi-supervised learning) dalam berbagai aplikasi seperti pengenalan citra, pengenalan suara, klasifikasi teks, dan sebagainya. Model pada Pembelaran Dalam pada dasarnya dibangun berdasarkan Jaringan saraf tiruan, yang risetnya sudah berlangsung sejak era 80an namun baru-baru ini kembali bangkit dengan adanya komputer yang semakin cepat apalagi ditambah dengan kemampuan Kartu grafis modern yang mampu melakukan kalkulasi berbasis matriks secara simultan.
Berdasarkan riset yang baru-baru ini dilakukan, Pembelajaran Dalam mampu melakukan pengenalan grafis, pola tulis tangan dan beberapa pola lainnya lebih akurat dibandingkan dengan algoritme pembelajaran mesin lainnya

sumber : https://id.wikipedia.org/wiki/Pembelajaran_dalam (diakses pada tanggal 23 Maret 2018)

Komentar

Postingan populer dari blog ini

Jaringan Saraf Tiruan (Artificial Neural Network)

Jaringan saraf tiruan merupakan jaringan dari unit pemroses kecil yang saling terhubung, yang dimodelkan berdasar jaringan saraf (neuron )  jaringan saraf . Jaringan Saraf Tiruan (JST) (Artificial Neural Network) (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia. JST merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Oleh karena itu sifatnya yang adaptif, JST juga sering disebut dengan jaringan adaptif. Secara sederhana, JST adalah sebuah alat pemodelan data statistik non-linier. JST dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data. Menurut suatu teorema yang disebut "teorema penaksiran universal", JST dengan minimal sebuah...

Daftar Blog Dewanto Krisna

(gambar mungkin memiliki hak cipta / bukan milik saya) Student Blog Dinus : Link Wordpress Blog : Link Blogspot : Link