Algoritma Deep Learning

LancangKuning - Maksud dari Deep Learning ini adalah seperangkat algoritma yang ada di dalam mesin pembelajaran yang akan selalu berusaha untuk belajar dalam berbagai level yang menyesuaikan tingkat abstraksi yang berbeda. Biasanya deep learning ini menggunakan jaringan syaraf tiruan.

Tingkat dalam suatu model dari statistik yang akan dipelajari ini akan menyesuaikan sesuai dengan tingkat konsep yang berbeda yang mana konsep dari tingkat yang lebih tinggi ini ditentukan dari tingkat yang lebih rendah dan konsep tingkat yang lebih rendah tadi itu bisa membantu untuk mendefinisikan banyak konsep tingkat yang semakin tinggi.

Deep learning merupakan bagian yang ada dari mesin pembelajaran yang dijadikan sebagai acuan untuk menjadi bahan penelitian yang paling populer saat ini. Deep learning ini menggunakan artificial neural network(ANN) yang maksudnya adalah mesin proses informasi yang dimodelkan pada struktur dan ada sebuah tindakan jaringan saraf biologis pada otak. ANN tadi yang sudah dijelaskan sebelumnya itu bersifat fleksibel dan mampu beradaptasi sendiri untuk dapat memecahkan suatu masalah yang kompleks dan ribet yang tidak jelas digambarkan oleh seorang model matematika, seperti pengenalan pola dan klasifikasi, pendekatan fungsi kontrol. Prinsip yang didirikan atau yang sudah ada dari deep learning ini adalah artificial neural network yang memiliki banyak lapisan tersembunyi.

Berdasarkan arsitektur dan teknik yang digunakan, Deng dan Yu secara luas membagi menjadi 3 kategori :

• Deep Networks for Unsupervised or Generative Learning

Maksud dari kategori ini bisa menangkap korelasi tingkat yang tinggi dari sebuah data yang diamati atau terlihat untuk sebuah penelitian analisis pola atau tujuan sintesis ketika tidak adanya informasi tentang sebuah label kelas target yang sudah tersedia.

• Deep Networks for Supervised Learning

Maksud yang ada pada kategori ini secara langsung memberikan kekuatan diskriminatif untuk sebuah tujuan dari klasifikasi pola, biasanya dengan mengkarakterisasi distribusi posterior kelas yang memiliki kondisi yang ada pada data dan terlihat di data tersebut. Data label target selalu tersedia dengan seperti bentuk langsung atau tidak langsung untuk sebuah pembelajaran yang diawasi seperti biasanya. Kelas ini juga disebut juga dengan discriminative deep networks.

• Hybrid Deep Networks

Kategori ini bertujuan adalah sebagai alat bahan diskriminasi yang dibantu yang secara signifikan dengan hasil generative ata unsupervised deep networks. Ada juga tujuan lain yang ingin dicapainya ketika kriteria diskriminatif untuk supervised learning digunakan untuk memperhatikan dan sekaligus memperkirakan parameter di salah satu deep generative atau unsupervised deep networks yang sudah ada pada kategori sebelumnya.

Menurut Pandey pada tahun 2007, deep learning ini merupakan cabang dari suatu bentuk algoritma machine learning sebagai berikut :

• Begitu banyak menggunakan lapisan sebuah unit pemrosesan non-linear untuk ekstraksi fitur serta transformasi. Pengeluaran dari setiap lapisan yang ada tadi berturut – turut adalah masukan dari sebuah lapisan yang sebelumnya. Algoritma pembelajaran yang begitu mendalam mungkin unsupervised atau supervised dan aplikasi ini termasuk analisis pola dan klasifikasi.
• Mempelajari berbagai macam tingkat sebuah fitur atau representasi sebuah data yang sudah ada atau yang belum ada. Fitur yang ada pada tingkat yang tinggi itu berasal dari fitur tingkat yang lebih rendah untuk dapat membentuk representasi hirarkis.

Salah satu prasyarat yang dapat untuk melakukan pembelajaran ialah bahwa ada sesuatu untuk dipelajari sehingga sampel itu begitu diperlukan. Untuk mesin sampel ini adalah dapat mengumpulkan sebuah data yang ada. Pada algoritma deep learning yang bisa mendapatkan model yang begitu stabil dan tahan lama, diperlukan data yang cocok atau sesuai. Korelasi atau sebuah konteks itu antara sebuah data sampel atau transformasi data sampel dan hasil yang diinginkan untuk sebuah keperluan yang akan atau sedang dilakukan.(Yazid)