Jaringan saraf tiruan (JST)bertujuan untukmensimulasikan jaringan neuron yang membentuk otak manusia sehingga komputer akan dapat mempelajari berbagai hal dan membuat keputusan dengan cara seperti manusia. JST dibuat dengan memprogram komputer biasa untuk berperilaku seolah-olah mereka adalah sel-sel otak yang saling berhubungan.

Pembahasan

Jaringan saraf tiruan (JST) pertama kali dikembangkan pada 1950-an. Jaringan saraf tiruan menggunakan berbagai lapisan pemrosesan matematis untuk memahami informasi yang diberikannya. Biasanya, jaringan saraf tiruan memiliki lusinan hingga jutaan neuron buatan (disebut unit) tersusun dalam serangkaian lapisan. Lapisan input menerima berbagai bentuk informasi dari dunia luar.

Aplikasi jaringan syaraf tiruan (JST) dalam beberapa bidang yaitu:

1. Pengenalan wajah.

Convolutional Neural Networks (CNN) digunakan untuk pengenalan wajah dan pemrosesan gambar. Sejumlah besar gambar dimasukkan ke dalam database untuk melatih jaringan saraf. Gambar yang dikumpulkan diproses lebih lanjut untuk pelatihan.

2. Prediksi Pasar Saham.

Menggunakan Multilayer Perceptron MLP (kelas algoritma kecerdasan buatan feedforward), MLP terdiri dari beberapa lapisan node, masing-masing lapisan ini sepenuhnya terhubung ke node berikutnya. Kinerja masa lalu saham, pengembalian tahunan, dan rasio non profit dipertimbangkan untuk membangun model MLP.

3. Media sosial.

Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Squared Error (MSE). MLP mempertimbangkan beberapa faktor seperti halaman instagram favorit pengguna, pilihan bookmarked dll. Faktor-faktor ini dianggap sebagai masukan untuk melatih model MLP.

Dalam dinamika aplikasi media sosial yang terus berubah, jaringan saraf tiruan pasti dapat berfungsi sebagai model yang paling cocok untuk analisis data pengguna.

4. Antariksa.

Time Delay Neural Networks digunakan untuk pengenalan fitur independen posisi. Algoritma yang dibangun berdasarkan waktu tunda jaringan saraf dapat mengenali pola. (Mengenali pola secara otomatis dibangun oleh jaringan saraf dengan menyalin data asli dari unit fitur).

5. Pertahanan.

Convolutional Neural Networks (CNN), digunakan untuk menentukan keberadaan ranjau bawah laut. Tambang bawah laut adalah underpass yang berfungsi sebagai rute perjalanan ilegal antara dua negara. Unmanned Airborne Vehicle (UAV), dan Unmanned Undersea Vehicle (UUV) kendaraan laut otonom ini menggunakan jaringan saraf convolutional untuk pemrosesan gambar.

6. Kesehatan.

Convolutional Neural Networks secara aktif digunakan dalam industri perawatan kesehatan untuk deteksi sinar X, CT Scan, dan ultrasound.

7. Verifikasi Tanda Tangan dan Analisis Tulisan Tangan.

Convolutional Neural Networks (CNN) digunakan untuk analisis tulisan tangan dan verifikasi tulisan tangan.

Pelajari lebih lanjut

Materi tentang kecerdasan buatan: yomemimo.com/tugas/20854371

#BelajarBersamaBrainly #SPJ1