TUGAS

SISTEM CERDAS

I GEDE PUTU PERDIANA

200040019

INSTITUT TEKNOLOGI DAN BISNIS

STIKOM BALI
2023
Neural Network

Neural networks (NN) yakni bagian dari AI yang yaitu sistem komputasi fleksibel yang
ada keahlian meringkus khas dasar non-linier serta kompleks dari tiap sistem yang khas
kinerjanya semacam jaringan syaraf biologis. (Risaldi Hidayat, 2022)
NN yaitu semacam sistem pemrosesan data dengan menjiplak teknik fungsi sistem saraf
orang. NN yaitu semacam sistem yang terdiri dari banyak bagian pemrosesan simpel yang
tersambung dengan cara paralel. (Mila Oktaviyani Lussa, 2019).

Manfaat Neural Network

Neural Network ada sebagian keistimewaan ketimbang dengan cara yang lain, ialah NN bisa
memberikan hasil yang sanggup mengenal pola-pola dengan cakap serta gampang dibesarkan
jadi bermacam-macam intermezo serupa dengan perkara atau patokan yang ada..(Jayadianti,
2020)
Arsitektur Neural Networks

Gambar 1. Arsitektur Neural Networks

Arsitektur Neural Networks ialah susunan maupun metode neuron serta koneksi temani neuron
yang dikenakan buat mencetak data. Arsitektur ini terdiri dari separuh elemen serupa input
layer, hidden layer, output layer, serta tugas aktivasi. (Aggarwal, 2018)
1.Input layer yakni layer yang menerima input data yang hendak diproses. Input layer sanggup
terdiri dari satu maupun lebih neuron, terkait pada jumlah fitur maupun tanda pengenal yang
dipunyai data masukan. (Aggarwal, 2018)
2.Hidden layer yakni layer yang berlokasi di antara input layer serta output layer. Tujuan dari
hidden layer ialah buat menekuni pola maupun korespondensi dari data masukan dengan
memakai algoritma penataran. (Aggarwal, 2018)
3.Output layer yakni layer yang memberikan output dari hasil pemrosesan data. (Aggarwal,
2018)
4.Fungsi aktivasi dikenakan buat mengaktifkan maupun memadamkan neuron dalam jaringan.
selanjutnya. separuh ilustrasi tugas aktivasi ialah sigmoid, relu, serta tanh. (Aggarwal, 2018)
Tipe-tipe Neural Networks

Ada beberapa kelas Neural Networks yang jadi tersohor serta banyak digunakan.
Seterusnya yakni sebagian kategori Neural Networks:
1. Feedforward Neural Networks (FFNN) Feedforward Neural Networks yakni kelas
Neural Networks yang setidaknya lazim serta selalu . dari Neural Networks ini sama
semacam gerakan data yang mengalir dari input ke output. Dalam kelas Neural Networks
ini, data cukup mengalir ke satu arah, ialah dari input ke output. (Maksov, 2021)
2. Convolutional Neural Networks (CNN) Convolutional Neural Networks alias CNN
yakni kelas Neural Networks yang spesial didesain guna mencuci data penilaian. CNN
selalu dalam aplikasi vision serta bagian persepsi entitas. (Hussain, 2020)
3. Recurrent Neural Networks (RNN) Recurrent Neural Networks alias RNN yakni kelas
Neural Networks yang guna mencuci data yang berkepribadian sekuensial, semacam alih
bahasa mesin serta penilaian aksi. bentuk ini menguatkan RNN guna mengulang-ulang
sistem guna mencuci data yang berkepribadian sekuensial. (Läubli, 2018)
4. Long Short-Term Memory (LSTM) Neural Networks Long Short-Term Memory alias
LSTM Neural Networks yakni kelas Neural Networks yang versi dari RNN. model Neural
Networks ini banyak pada bagian pengerjaan bahasa natural. (Ahmad M. , 2018)
5. Generative Adversarial Networks (GANs) Generative Adversarial Networks alias
GANs yakni Neural Networks yang guna membuat penilaian maupun cuplikan dengan
metode mengadu satu Neural Networks yang menciptakan ilustrasi (Generator) dengan satu
Neural Networks yang lain yang memperkirakan ilustrasi (Discriminator). (Nandyala,
2018)

DAFTAR PUSTAKA

Aggarwal, C. C. (2018). Neural Networks and Deep Learning: A Textbook.

Ahmad, A. (2017). Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep
Learning.
Ahmad, M. (2018). A Comprehensive Review on Tool-Based Approaches, Architectures and
Applications of Recurrent Neural Networks.
Hussain, T. (2020). A Comprehensive Survey on Convolutional Neural Network.
Jayadianti, H. a. (2020). METODE KOMPARASI ARTIFICIAL NEURAL NETWORK PADA
PREDIKSI CURAH HUJAN - LITERATURE REVIEW.
Läubli, T. (2018). Recurrent Neural Network: A Comprehensive Survey on Applications and
Techniques.
Maksov, A. (2021). A Survey of Feedforward Neural Network Applications.
Mila Oktaviyani Lussa, I. A. (2019). Pemanfaatan Artificial Neural Network dan Fuzzy Inventory
Model untuk Penentuan Persediaan Pengaman.
Nandyala, S. ( 2018). Generative Adversarial Networks (GANs): A Review.
Risaldi Hidayat, S. K. (2022). Analisis Kestabilan Lereng Menggunakan Artificial Neural Network :
Sebuah Tinjauan Pustaka.