Atur jumlah dan catatan
Stok Total: 100
Subtotal
Rp136.800
Jaringan Syaraf Tiruan; Implementasi CNN menggunakan Jaringan Perceptron Berlapis Banyak
Rp136.800
- Kondisi: Baru
- Waktu Preorder: 2 Hari
- Min. Pemesanan: 1 Buah
- Etalase: Semua Etalase
Penerbit : Teknosain
Penulis : Saludin Muis
Halaman : XII+146
Tahun : 2024
Artificial Neural Network (ANN) sepenuhnya terinspirasi oleh cara kerja sistem saraf biologis. Misalnya, otak manusia bekerja. Atribut paling kuat dari otak manusia adalah beradaptasi, dan ANN memperoleh karakteristik serupa. ANN dapat memodelkan proses pembelajaran ini dengan mengubah asosiasi berbobot yang ditemukan antar neuron dalam jaringan. Ini secara efektif meniru penguatan dan pelemahan asosiasi sinaptik yang ditemukan di otak kita. Penguatan dan pelemahan asosiasi inilah yang memberdayakan jaringan untuk beradaptasi. Aturan belajar atau proses belajar baik menggunakan metode forward maupun back propagation, paradigma terawasi atau tidak terawasi adalah teknik atau logika matematika. Ini meningkatkan kinerja Jaringan Saraf Tiruan dan menerapkan aturan ini melalui jaringan. Jadi aturan pembelajaran menyegarkan bobot dan tingkat bias jaringan ketika jaringan meniru dalam lingkungan data tertentu. Topik jaringan saraf perceptron yang dibahas pada buku ini, merupakan model arsitektur jaringan saraf tiruan standar atau paling mendasar yang selanjutnya dapat dikembangkan dan diaplikasikan untuk berbagai tujuan, misalnya model CNN (jaringan saraf konvolusi) dikembangkan untuk fungsi klasifikasi pola gambar, dan model-model lainnya.
Penulis : Saludin Muis
Halaman : XII+146
Tahun : 2024
Artificial Neural Network (ANN) sepenuhnya terinspirasi oleh cara kerja sistem saraf biologis. Misalnya, otak manusia bekerja. Atribut paling kuat dari otak manusia adalah beradaptasi, dan ANN memperoleh karakteristik serupa. ANN dapat memodelkan proses pembelajaran ini dengan mengubah asosiasi berbobot yang ditemukan antar neuron dalam jaringan. Ini secara efektif meniru penguatan dan pelemahan asosiasi sinaptik yang ditemukan di otak kita. Penguatan dan pelemahan asosiasi inilah yang memberdayakan jaringan untuk beradaptasi. Aturan belajar atau proses belajar baik menggunakan metode forward maupun back propagation, paradigma terawasi atau tidak terawasi adalah teknik atau logika matematika. Ini meningkatkan kinerja Jaringan Saraf Tiruan dan menerapkan aturan ini melalui jaringan. Jadi aturan pembelajaran menyegarkan bobot dan tingkat bias jaringan ketika jaringan meniru dalam lingkungan data tertentu. Topik jaringan saraf perceptron yang dibahas pada buku ini, merupakan model arsitektur jaringan saraf tiruan standar atau paling mendasar yang selanjutnya dapat dikembangkan dan diaplikasikan untuk berbagai tujuan, misalnya model CNN (jaringan saraf konvolusi) dikembangkan untuk fungsi klasifikasi pola gambar, dan model-model lainnya.
Ada masalah dengan produk ini?
ULASAN PEMBELI
Belum ada ulasan untuk produk ini
Beli produk ini dan jadilah yang pertama memberikan ulasan