Artificial Neural Network (ANN): Pengertian, Makna, dan Pembahasannya!

2 min read

Gambar Kamus Akronim Istilah Jargon Dan Terminologi Teknologi Artificial Intelligence AI Atau Kecerdasan Buatan

Berikut ini adalah postingan artikel kategori Artificial Intelligence yang membahas tentang penjelasan pengertian, definisi, dan arti dari istilah kata artificial neural network (ann) berdasarkan rangkuman dari berbagai jenis macam sumber (referensi) relevan, terkait, serta terpercaya.

Pengertian Artificial Neural Network (ANN)

Apa itu sebetulnya yang dimaksud dengan artificial neural network (ann) ini?

Jaringan neuron buatan (jaringan saraf) adalah model komputasi yang meniru cara sel saraf bekerja di otak manusia.

Jaringan Saraf Buatan (JST) Gunakan algoritma pembelajaran yang dapat secara mandiri membuat penyesuaian – atau belajar, dalam arti tertentu – karena mereka menerima input baru.

Ini membuat mereka menjadi alat yang sangat efektif untuk pemodelan data statistik non-linear.

Deep Learning Anns memainkan peran penting dalam pembelajaran mesin (ML) dan mendukung bidang teknologi kecerdasan buatan (AI) yang lebih luas.

Pembahasan dari Apa itu Pengertian, Arti, dan Istilah Teknis Kata Artificial Neural Network (ANN)

Ilustrasi Gambar Pembahasan Apa Pengertian Arti Dan Definisi Istilah Akronim Jargon Kata Teknis Atau Terminologi Artificial Neural Network (ANN)
Ilustrasi Gambar Pembahasan Apa Itu Pengertian Arti Dan Definisi Istilah Akronim Jargon Kata Teknis Atau Terminologi Artificial Neural Network (ANN)

Baik, agar kita dapat lebih mendalami arti penjelasan serta maksud dari acronym atau kata tersebut di atas, pastinya kita juga perlu memahami lebih dalam tentang pembahasan terkait apa itu pengertian, makna, dan akronim, istilah, jargon, atau terminologi artificial neural network (ann).

Jaringan saraf buatan memiliki tiga atau lebih lapisan yang saling berhubungan.

Lapisan pertama terdiri dari neuron input.

Neuron -neuron tersebut mengirim data ke lapisan yang lebih dalam, yang pada gilirannya akan mengirim data output akhir ke lapisan output terakhir.

Semua lapisan dalam tersembunyi dan dibentuk oleh unit yang secara adaptif mengubah informasi yang diterima dari lapisan ke lapisan melalui serangkaian transformasi.

Setiap lapisan bertindak baik sebagai lapisan input dan output yang memungkinkan JST untuk memahami objek yang lebih kompleks.

Secara kolektif, lapisan dalam ini disebut lapisan saraf.

Unit -unit di lapisan saraf mencoba mempelajari informasi yang dikumpulkan dengan menimbangnya sesuai dengan sistem internal JST.

Pedoman ini memungkinkan unit untuk menghasilkan hasil yang diubah, yang kemudian disediakan sebagai output ke lapisan berikutnya.

Serangkaian aturan pembelajaran tambahan memanfaatkan backpropagation, suatu proses yang melaluinya JST dapat menyesuaikan hasil outputnya dengan mempertimbangkan kesalahan.

Melalui backpropagation, setiap kali output diberi label sebagai kesalahan selama fase pelatihan yang diawasi, informasi dikirim ke belakang.

Setiap berat diperbarui secara proporsional dengan seberapa banyak mereka bertanggung jawab atas kesalahan tersebut.

Oleh karena itu, kesalahan digunakan untuk mengkalibrasi ulang berat koneksi unit JST untuk memperhitungkan perbedaan antara hasil yang diinginkan dan yang sebenarnya.

Pada waktunya, JST akan ″belajar″ bagaimana meminimalkan peluang untuk kesalahan dan hasil yang tidak diinginkan.

Melatih jaringan saraf buatan melibatkan pemilihan dari model yang diizinkan yang ada beberapa algoritma terkait.

Ann memiliki beberapa keuntungan tetapi salah satu yang paling dikenal dari ini adalah fakta bahwa ia benar -benar dapat belajar dari mengamati set data.

Dengan cara ini, Ann digunakan sebagai alat pendekatan fungsi acak.

Jenis alat ini membantu memperkirakan metode yang paling hemat biaya dan ideal untuk mencapai solusi sambil mendefinisikan fungsi atau distribusi komputasi.

Ann mengambil sampel data daripada seluruh set data untuk sampai pada solusi, yang menghemat waktu dan uang.

JST dianggap sebagai model matematika yang cukup sederhana untuk meningkatkan teknologi analisis data yang ada.

Mereka dapat digunakan untuk banyak aplikasi praktis, seperti analisis prediktif dalam intelijen bisnis, deteksi email spam, pemrosesan bahasa alami di chatbots, dan banyak lagi.

Seperti yang sudah kita lihat di atas, istilah ini merupakan salah satu dari kumpulan kamus, akronim, istilah, jargon, atau terminologi dalam bidang teknologi yang diawali dengan abjad atau awalan A, serta merupakan terms yang terkait dengan Artificial Intelligence.

Arti Artificial Neural Network (ANN) dalam Kamus Terjemahan Bahasa Indonesia dan Inggris

Selain membahas tentang pengertian dan pembahasan definisinya, untuk lebih memperdalamnya, di sini kita juga perlu mengetahui apa arti kata artificial neural network (ann) dalam kamus terjemahan bahasa Indonesia dan Inggris.

Untuk lebih mudah dalam memahaminya, di artikel ini Kami akan menguraikannya berupa tabel terjemahan bahasa Indonesia dan Inggris sebagai berikut.

Tipe Bahasa Indonesia Bahasa Inggris
Terminologi jaringan saraf buatan (ann) artificial neural network (ann)
Kategori kecerdasan buatan artificial intelligence

Penutup

Baiklah, di atas adalah pembahasan dan penjelasan tentang apa itu arti dari artificial neural network (ann).

Semoga postingan artikel yang sudah Kami bagikan ini dapat bermanfaat serta dapat menambah wawasan kita semua.

Lihat juga pembahasan terkait apa itu pengertian, makna, dan akronim, istilah, jargon, atau terminologi artikel lainnya yang berhubungan dengan bidang Teknologi yang ada di laman blog UrlWebsite Kami.

Sumber (Referensi)

Artikel ini dibuat berdasar dari simpulan arti definisi dari berbagai referensi relevan yang berotoritas seperti Wikipedia, Webopedia Technology Dictionary dan beberapa sumber lainnya seperti Technopedia dan Techterms. Kata Artificial Neural Network (ANN) ini merupakan salah satu dari kumpulan terminologi “Artificial Intelligence” dalam bidang teknologi yang dimulai dengan abjad atau awalan A. Artikel ini di-update pada bulan Nov tahun 2024.

UrlWebsite Blog: Membahas Teknologi Lebih Lanjut!