Jaringan Syaraf Tiruan (Neural Networks) adalah inti dari Deep Learning, yang meniru struktur dan fungsi otak manusia untuk memproses data. Neural network tersusun dari node-node (neuron) yang terhubung dalam lapisan-lapisan, masing-masing dengan peran yang berbeda: Lapisan Input, Lapisan Hidden, dan Lapisan Output.
1. Tiga Lapisan Fundamental
-
Lapisan Input: Menerima data mentah eksternal (misalnya, piksel gambar, harga saham). Setiap node mewakili satu fitur dari dataset input. Tidak ada perhitungan yang dilakukan di lapisan ini; tugasnya hanya mendistribusikan data.
-
Lapisan Hidden: Lapisan di antara input dan output. Dalam Deep Learning, terdapat banyak lapisan tersembunyi.
-
Fungsi: Melakukan komputasi dan transformasi kompleks pada data input menggunakan bobot dan fungsi aktivasi. Setiap lapisan hidden belajar untuk mengenali fitur yang semakin kompleks (misalnya, lapisan pertama mungkin mengenali tepi, lapisan berikutnya mengenali bentuk).
-
-
Lapisan Output: Menghasilkan hasil akhir (prediksi) jaringan.
-
Fungsi: Jumlah node di lapisan ini tergantung pada tugas. Untuk klasifikasi biner, mungkin ada satu node (0 atau 1); untuk klasifikasi multi-kelas, mungkin ada satu node per kelas.
-
2. Proses Pembelajaran
Selama pelatihan, jaringan menyesuaikan bobot (kekuatan koneksi antar node) untuk meminimalkan perbedaan antara output yang diprediksi dan output yang sebenarnya (menggunakan backpropagation).