Nama : Difani Annisa

NPM : 20220459

Kelas : 4EB07

Mata Kuliah : Praktikum Kecerdasan Artifisial dan Masyarakat

Pada praktikum Pertemuan 7 - Moda Self Study: LSTM

Rangkuman

Recurrent Neural Network (RNN) dikenal dengan kemampuannya dalam menangani data
sekuensial (seperti: teks, suara, video).

Dari ANN menjadi RNN

Ada 3 buah layer yaitu:

1) Input layer
2) Hidden layer
3) Output layer

dan di masing masing layer memiliki

neuron.

Masing masing neuron dari layer tersebut

saling berhubungan sehingga membentuk
sebuah jaringan saraf.
Arsitekstur diatas bisa disederhanakan dengan gambar yang ada di bawah ini:

Memahami Output RNN

Recurrent Neural Network (RNN) dikenal dengan kemampuannya dalam menangani data
sekuensial. Salah satu penggunaan RNN adalah untuk melakukan prediksi teks (yang
biasanya diimplementasikan pada aplikasi keyboard pada android)

Mengenal Long Short Term Memory (LSTM)

LSTM atau Long Short-Term Memory adalah salah satu algoritma Neural Network. Algoritma
LSTM merupakan mengembangan dari algoritma Recursive Neural Network (RNN).
Kelebihan dari LSTM adalah LSTM mampu mengatasi permasalahan long-term dependency
yang dimiliki oleh algoritma RNN. Apa sih masalah long-term dependency ini? Long-term
dependency adalah permasalahan yang dimiliki oleh algoritma RNN dimana algoritma RNN
tidak mampu belajar (learn) dengan semakin banyak data yang di berikan.

Implementasi Algoritma LSTM banyak digunakan untuk menyelesaikan permasalahan:

• Automatic translation
• Text Generation
• Music Generation
• Future Prediction