Arsitektur Neural Network

Neural Network

Referensi : 1. Pengenalan Konsep Pembelajaran Mesin dan Deep Learning (Jan Wira Gotama Putra)

                   2. Deep Learning: Convolutional Neural Networks (Mega Bagus Herlambang)

 

                   

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Tujuan

2. Alat dan Bahan

3. Dasar Teori

4. Percobaan

5. Video

6. Link Download

                1. Tujuan [back]
1. Memahami algoritma machine learning Convolutional Neural Network

2. Mengetahui cara kerja Supervised Learning

                2. Alat dan Bahan [back]
Alat yang digunakan pada pembelajaran ini adalah python pada percobaan ini kita menggunakan spyder sebagai platform open sourcenya

                3. Dasar Teori [back]

Python

python dibuat pertama kali oleh Guido van Rossum di tahun 1991. Saat ini ada 2 versi, yaitu python 2 dan python 3. Versi yang terbaru adalah versi yang ketiga.

Python dapat digunakan sebagai berikut :

1. Pengembangan aplikasi web dan seluler back end (atau sisi server)
2. Pengembangan aplikasi atau perangkat lunak untuk dekstop
3. Memproses data besar dan melakukan perhitungan matematis
4. Menulis skrip sistem (membuat instruksi yang memberitahu sistem komputer untuk “melakukan” sesuatu)

Neural Network

Neural networks/Jaringan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut, di implementasikan dengan program computer

Arsitektur sebuah neural networks

sebuah neural network (NN) terbagi menjadi tiga bagian, yaitu input, neuron (hidden layer) dan output.

Convolutional Neural Network

Convolutional Neural Network (CNN) yang  adalah salah satu jenis neural network yang biasa digunakan pada data image atau video. CNN bisa digunakan untuk mendeteksi dan mengenali object pada sebuah image atau video. CNN adalah sebuah teknik yang terinspirasi dari cara manusia, menghasilkan persepsi visual

Tahapan pada CNN 

1. Convolution
   Convolusi merupakan proses pengalian matriks input dengan feature detector yang akan menghasilkan feature map, konvolusi layer adalah gabungan dari beberaoa feature map
   
   
   
   
   
   
   
2. Max Pooling
   Teknik ini melakukan proses pencarian fitur yang sudah didapat di tahap sebelumnya, yaitu convolution. Dari hasil convolutional layer ini, teknik max pooling mencari fitur dengan tetap mempertahankan fleksibilitas yang tinggi. Ia tidak peduli apakah gambarnya miring ke kiri, kanan, diputar, dikecilkan, dibesarkan, berbeda teksturnya, warnanya dan lain sebagainya. Ia hanya peduli dengan fitur yang ia cari.
   
   
   
   
   
   
   
3. Flattening
   

   Tahapan flattening adalah merubah dari matriks yang ada di pooling layer menjadi satu kolom saja (sebuah vektor tunggal). 
   

   
   
   
   

4. Full Connection
   Full Conection adalah tahap dimana semua nodes harus terhubung dengan nodes di depan dan belakangnya
   
   
   
   
   
   

                  4. Percobaan (Contoh) [back]

Kasus : Mendeteksi gambar anjing atau kucing

Hasil :

                5. Video [back]

  

                  6. Link Download [back]

Dowload Code Python : download

Download Data Set    : download