Perbedaan Antara Neural Network dan Deep Learning

Itu perbedaan utama antara jaringan saraf dan pembelajaran mendalam adalah itu jaringan saraf beroperasi mirip dengan neuron di otak manusia untuk melakukan berbagai tugas komputasi lebih cepat sementara pembelajaran mendalam adalah jenis pembelajaran mesin khusus yang meniru pendekatan pembelajaran yang digunakan manusia untuk mendapatkan pengetahuan.

Jaringan saraf membantu membangun model prediksi untuk memecahkan masalah yang kompleks. Di sisi lain, pembelajaran yang mendalam adalah bagian dari pembelajaran mesin. Ini membantu untuk mengembangkan pengenalan suara, pengenalan gambar, pemrosesan bahasa alami, sistem rekomendasi, bioinformatika dan banyak lagi. Neural Network adalah metode untuk mengimplementasikan pembelajaran yang mendalam.

ISI

1. Ikhtisar dan Perbedaan Utama
2. Apa itu Jaringan Saraf Tiruan
3. Apa itu Deep Learning
4. Perbandingan Berdampingan - Jaringan Saraf vs Pembelajaran Jauh dalam Bentuk Tabular
5. Ringkasan

Apa itu Jaringan Saraf Tiruan??

Neuron biologis adalah inspirasi untuk jaringan saraf. Ada jutaan neuron di otak manusia dan proses informasi dari satu neuron ke neuron lainnya. Neural Networks menggunakan skenario ini. Mereka menciptakan model komputer yang mirip dengan otak. Itu dapat melakukan tugas-tugas kompleks komputasi lebih cepat dari sistem yang biasa.

Gambar 01: Diagram blok Jaringan Saraf Tiruan

Dalam jaringan saraf, node terhubung satu sama lain. Setiap koneksi memiliki bobot. Ketika input ke node adalah x1, x2, x3, ... dan bobot yang sesuai adalah w1, w2, w3, ... maka input net (y) adalah,

 y = x1w1 + x2w2 + x3w3 + ... .

Setelah menerapkan input bersih ke fungsi aktivasi, ia memberikan output. Fungsi aktivasi dapat berupa fungsi linear atau sigmoid.

Y = F (y)

Jika output ini berbeda dari output yang diinginkan, bobot disesuaikan lagi dan proses ini berlanjut hingga mendapatkan output yang diinginkan. Berat pembaruan ini terjadi sesuai dengan algoritma backpropagation.

Ada dua topologi jaringan saraf yang disebut feedforward dan umpan balik. Jaringan feedforward tidak memiliki loop umpan balik. Dengan kata lain, sinyal hanya mengalir dari input ke output. Jaringan Feedforward lebih lanjut membagi ke jaringan neural satu layer dan multi-layer.

Jenis Jaringan

Dalam jaringan lapisan tunggal, lapisan input terhubung ke lapisan keluaran. Jaringan saraf multi-layer memiliki lebih banyak lapisan antara lapisan input dan lapisan output. Lapisan-lapisan itu disebut lapisan tersembunyi. Jenis jaringan lain yang merupakan jaringan umpan balik memiliki jalur umpan balik. Selain itu, ada kemungkinan untuk meneruskan informasi ke kedua belah pihak.

Gambar 02: Jaringan Saraf Multilayer

Jaringan saraf belajar dengan memodifikasi bobot koneksi antara node. Ada tiga jenis pembelajaran, seperti pembelajaran terbimbing, pembelajaran tanpa pengawasan dan pembelajaran penguatan. Dalam pembelajaran yang diawasi, jaringan akan menyediakan vektor keluaran sesuai dengan vektor input. Vektor keluaran ini dibandingkan dengan vektor keluaran yang diinginkan. Jika ada perbedaan, bobot akan dimodifikasi. Proses ini berlanjut sampai keluaran aktual sesuai dengan keluaran yang diinginkan.

Dalam pembelajaran tanpa pengawasan, jaringan mengidentifikasi pola dan fitur dari input data dan relasi untuk input data dengan sendirinya. Dalam pembelajaran ini, vektor input dari tipe yang sama bergabung untuk membuat cluster. Ketika jaringan mendapatkan pola input baru, itu akan memberikan output menentukan kelas milik pola input itu. Pembelajaran penguatan menerima beberapa umpan balik dari lingkungan. Kemudian jaringan mengubah bobot. Itu adalah metode untuk melatih jaringan saraf. Secara keseluruhan, jaringan saraf membantu menyelesaikan berbagai masalah pengenalan pola.

Apa itu Pembelajaran Jauh?

Sebelum pembelajaran mendalam, penting untuk membahas pembelajaran mesin. Ini memberi kemampuan bagi komputer untuk belajar tanpa diprogram secara eksplisit. Dengan kata lain, ini membantu untuk membuat algoritma belajar mandiri untuk menganalisis data dan mengenali pola untuk membuat keputusan. Tapi, ada beberapa keterbatasan pembelajaran mesin secara umum. Pertama, sulit untuk bekerja dengan data dimensi tinggi atau set input dan output yang sangat besar. Mungkin juga sulit untuk melakukan ekstraksi fitur.

Pembelajaran mendalam memecahkan masalah ini. Ini adalah jenis pembelajaran mesin khusus. Ini membantu untuk membangun algoritma pembelajaran yang dapat berfungsi mirip dengan otak manusia. Jaringan saraf dalam dan jaringan saraf berulang adalah beberapa arsitektur pembelajaran dalam. Jaringan saraf dalam adalah jaringan saraf dengan banyak lapisan tersembunyi. Jaringan saraf berulang menggunakan memori untuk memproses urutan input.

Apa Perbedaan Antara Jaringan Saraf Tiruan dan Pembelajaran Mendalam?

Neural Network adalah sistem yang beroperasi mirip dengan neuron di otak manusia untuk melakukan berbagai tugas komputasi dengan lebih cepat. Pembelajaran mendalam adalah jenis pembelajaran mesin khusus yang meniru pendekatan pembelajaran yang digunakan manusia untuk mendapatkan pengetahuan. Neural Network adalah metode untuk mencapai pembelajaran yang mendalam. Di sisi lain, Deep Leaning adalah bentuk khusus dari Machine Leaning. Ini adalah perbedaan utama antara jaringan saraf dan pembelajaran yang mendalam

Ringkasan - Neural Network vs Deep Learning

Perbedaan antara jaringan saraf dan pembelajaran dalam adalah bahwa jaringan saraf beroperasi mirip dengan neuron di otak manusia untuk melakukan berbagai tugas perhitungan lebih cepat, sedangkan pembelajaran mendalam adalah jenis pembelajaran mesin khusus yang meniru pendekatan pembelajaran yang digunakan manusia untuk memperoleh pengetahuan..

Referensi:

1. “Apa itu Deep Learning (Deep Neural Network)? - Definisi dari WhatIs.com. " CariEnterpriseAI. Tersedia disini 
2. "Pembelajaran yang mendalam." Wikipedia, Wikimedia Foundation, 30 Mei 2018. Tersedia di sini  
3. prosedurekaIN. What Is Deep Learning | Pembelajaran Jauh Sederhana | Tutorial Belajar Dalam | Edureka, Edureka !, 10 Mei 2017. Tersedia di sini   
4.Tutorial Point. "Blok Bangunan Jaringan Saraf Tiruan." Poin Tutorial, 8 Januari 2018. Tersedia di sini  

Gambar milik:

1.'Artificial neural network'By Geetika saini - Pekerjaan sendiri, (CC BY-SA 4.0) via Commons Wikimedia  
.