(17 revisi perantara oleh 12 pengguna tidak ditampilkan)
Baris 1:
#ALIH [[Pemelajaran dalam]]
'''Pembelajaran Dalam''' ({{lang-en|Deep Learning}}) atau sering dikenal dengan istilah '''Pembelajaran Struktural Mendalam''' ({{lang-en|Deep Structured Learning}}) atau '''Pembelajaran Hirarki''' ({{Lang-en|Hierarchical learning}}) adalah salah satu cabang dari ilmu [[Pembelajaran mesin]] ({{lang-en|Machine Learning}}) yang terdiri algoritma pemodelan abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi transformasi non-linear yang ditata berlapis-lapis dan mendalam.<ref>Li Deng and Dong Yu (2014), "Deep Learning: Methods and Applications", Foundations and Trends® in Signal Processing: Vol. 7: No. 3–4, pp 197-387. <nowiki>http://dx.doi.org/10.1561/2000000039</nowiki></ref> Teknik dan algoritma 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 algoritma pembelajaran mesin lainnya.<ref>http://www.nytimes.com/2012/11/24/science/scientists-see-advances-in-deep-learning-a-part-of-artificial-intelligence.html?_r=0</ref>
== Arsitektur ==
=== Deep Feedforward Network ===
Deep Feedforward Network atau dikenal dengan Multilayer Perceptron (MLP) merupakan pengembangan dari [[Jaringan saraf tiruan]] yang menekankan pada penggunakan satu atau lebih lapis tersembunyi (''hidden layer'') pada jaringannya dan penggunaan fungsi transformasi non-linear sebagai fungsi transformasi. Jaringan ini disebut Feedforward oleh karena sifatnya yang membawa informasi dari lapis masukan (''input layer'') untuk dibawa dan ditransformasi ke depan hingga lapis luaran (''output layer'').
=== Recurrent Neural Network ===
Recurrent Neural Network merupakan pengembangan dari Deep Feedforward Network yang mana informasi dari suatu ''neuron'' dapat berputar kembali ke ''neuron'' yang sama (Deep Feddforward Network hanya membawa informasi ke lapis A ke lapis B secara progresif tanpa kembali ke lapis sebelumnya).
=== Convolutional Neural Network ===
Convolutional Neural Network merupakan modifikasi dari Deep Feedforward Network yang mana setiap lapisnya dibuat dalam bentuk topologi grid mendalam.
