Teori dan Materi Metode Neural Network MLP, CNN, dan RNN
Assalamualaikum Wr. Wb, Salam Bagas, Rahayu dan Wilujeng
Nah, sering kali kita bertanya tentang model neural netwok apa yang sesuai untuk masalah pada pemodelan prediktif kamu ?
Mungkin hal ini akan sulit bagi pemula khususnya pada bidang deep learning untuk mengetahui jenis jaringan apa yang akan digunakan. Terlebih ada begitu banyak jenis neural network untuk dipilih dan metode baru selalu diterbitkan dan didiskusikan oleh para pakar-pakar data analis.
Maka sebenarnya termasuk saya sendiri juga masih kebingungan dengan model neural network karena banyak sekali metode-metode yang diberikan entah di jurnal maupun di bukunya sekaligus yang enggan akan sulit untuk dicerna oleh para pemula data mining.
Nah, dalam artikel ini saya akan mengutip sebagian tulisan yang telah ditulis oleh Jason Brownlee pada blog nya tentang Machine Learning Mastery. Yang dibahas adalah bagaimana menentukan model atau metode neural network yang terbagi menjadi MLP, CNN dan RNN ?
Sejarah Neural Network
Pada metode dalam Deep Learning yaitu neural network atau yang sering disebutkan sebagai ANN (Artificial Neural Network) yang dalam bahasa Indonesia adalah Jaringan Sarat Tiruan/Buatan yang pada awalnya mendapat inspirasi dari sistem haringan saraf makhluk hidup yang nanti diharapkan ANN bisa meniru cara kerja otak manusia yang bisa mengingat, menghitung, mengeneralisasi, adaptasi dan konsumsu energi yang rendah. Hal ini dituliskan pada buku karya Budi Santosa dan Ardian Umam yang berjudul Data Mining dan Big Data Analytics.
Dengan seiringnya waktu model dari ANN ini menemukan berbagai algoritma yang digunakan seperti, Algoritma Perceptron yang meliputi Single Layer Percetron dan MLP (Multi Layer Perceptron). Kemudian ada Algoritma Back-Propagasi, CNN (Convolutional Neural Network) dan RNN (Recurrent Neural Network).
Pada artikel ini kita akan mengerti model Neural Network apa yang akan difokuskan oleh Jason Brownlee yaitu MLP, CNN dan RNN.
Dalam postingan artikelnya dikatakan bahwa ketiga kelas jaringan tersebut memberikan banyak fleksibilitas dan mereka juga memiliki banyak subtipe untuk membantu mengkhususkan
Kapan Menggunakan MLP ?
MLP adalah singkatan dari multi layer perceptron yang merupakan tipe neural network klasik. MLP terdiri dari satu atau lebih lapisan neuron. Data diumpamakan ke lapisan input, mungkin ada satu atau lebih lapisan tersembunyi, dan prediksi dibuat pada lapisan keluaran, atau disebut dengan lapisan yang terlihat.
Gunakan MLP untuk :
- Kumpulan Data Tabular
- Masalah prediksi regresi sederhana
- Prediksi Klasifikasi
Kapan Menggunakan CNN ?
Convolutional Neural Network atau CNN, difungsikan untuk memetakan data gambar ke variabel keluaran. Dalam kasus-kasus penelitian CNN telah terbukti sangat efektif sehingga menjadi metode masuk untuk semua jenis masalah prediksi yang melibatkan data gambar sebagai input.
Manfaat menggunakan CNN adalah kemampuannya untuk mengembangkan representasi internal dari gambar dua dimensi. Hal ini memungkinkan model untuk mempelajari posisi dan skala dalam struktur varian dalam data, yang penting saat bekerja dengan gambar. Ringkasannya adalah sebagai berikut
CNN baik digunakan untuk :
- Data gambar
- Masalah prediksi klasifikasi
- Prediksi regresi
Kapan Menggunakan RNN ?
RNN adalah singkatan dari Recurrent Neural Networks yang dirancang untuk bekerja dengan masalah prediksi urutan.
Seperti yang saya tuliskan tentang CNN yang mampu bekerja analisis sentimen dan prediksi urutan, namun RNN masih lebih baik ketimbang CNN dalam beberapa jenis data yang mungkin hanya bisa digunakan oleh RNN.
Nah, apa itu dan kapan menggunakan RNN ?
Daripada saya sendiri salah menyampaikan informasi atau pengetahuan yang baik ini, lebih baik kamu baca sendiri ya referensinya dari link dibawah ini
https://machinelearningmastery.com/when-to-use-mlp-cnn-and-rnn-neural-networks/
Oke, sekian dari saya, semoga bermanfaat dan kamu bisa menemukan apa yang kamu cari.
Wassalamualaikum Wr. Wb