Apa definisi dari jaringan saraf yang dalam? Mengapa mereka begitu populer atau penting?
Jawaban:
Deep neural network (DNN) tidak lain adalah jaringan saraf yang memiliki banyak lapisan, di mana banyak bisa menjadi subyektif.
IMHO, jaringan apa pun yang memiliki 6 atau 7 atau lebih lapisan dianggap dalam. Jadi, di atas akan membentuk definisi yang sangat mendasar dari jaringan yang dalam.
Deep network memiliki dua perbedaan utama dengan jaringan 'normal'.
Yang pertama adalah bahwa kekuatan komputasi dan set data pelatihan telah berkembang pesat, yang berarti praktis untuk menjalankan jaringan yang lebih besar dan secara statistik valid (yaitu, kami memiliki cukup contoh pelatihan yang tidak hanya akan mengalami masalah pemasangan yang terlalu tinggi dengan jaringan yang lebih besar).
Yang kedua adalah bahwa propagasi kembali dibatasi semakin banyak lapisan yang Anda miliki; setiap lapisan mewakili gradien kesalahan, dan pada saat satu adalah sekitar enam lapisan, tidak ada banyak kesalahan yang tersisa untuk memodifikasi bobot neuron. Tetapi orang mungkin berharap neuron sebelumnya lebih penting daripada neuron kemudian, karena mereka mewakili 'konsep' yang lebih dekat dengan input mentah.
Teknik pelatihan baru menghindari masalah ini, biasanya dengan melakukan pembelajaran tanpa pengawasan pada input mentah, menciptakan 'konsep' tingkat tinggi yang kemudian berguna sebagai input untuk pembelajaran yang diawasi.
(Misalnya, pertimbangkan masalah menentukan apakah suatu gambar mengandung kucing dari piksel atau tidak. Lapisan awal jaringan harus melakukan hal-hal seperti mendeteksi tepi, yang dapat dibagikan kepada semua gambar dan sebagian besar tidak bergantung pada apa seseorang mencoba melakukan dengan lapisan keluaran, dengan demikian juga sulit untuk melatih melalui sinyal 'kucing-bukan kucing' banyak lapisan.
Struktur umum dari Jaringan Syaraf Tiruan
Lapisan Input + Lapisan Tersembunyi + Lapisan Output
Jika ada lebih banyak lapisan tersembunyi di jaringan saraf tiruan, maka jaringan saraf disebut sebagai jaringan saraf dalam. Berapa banyak tepatnya membentuk jaringan saraf yang dalam adalah titik perdebatan, tetapi secara umum, semakin banyak lapisan tersembunyi, yang dalam adalah jaringan saraf.
Datang ke mengapa mereka begitu populer atau penting, banyak masalah seperti deteksi objek, klasifikasi, pengenalan wajah, pengenalan suara diselesaikan dengan munculnya jaringan saraf yang dalam. Tidak berlebihan untuk mengatakan bahwa, kinerja jaringan saraf yang mendalam bahkan melampaui kinerja manusia dalam banyak tugas yang disebutkan di atas. Itu berarti sekarang komputer adalah yang terbaik untuk melakukan tugas-tugas di atas daripada manusia. Semua masalah yang disebutkan di atas tergeletak di bidang penelitian sejak hampir 5 dekade. Semuanya telah diselesaikan dengan sempurna hanya dalam 4,5 tahun terakhir hanya karena keberhasilan jaringan saraf yang dalam. Itu sebabnya mereka sangat populer dan penting. Saya menyebutkan sedikit masalah yang saya kerjakan, ada banyak tugas serupa yang diselesaikan oleh jaringan saraf dalam dengan mudah dalam dekade terakhir.
Dan, pada titik waktu ini, banyak orang di seluruh dunia sedang bekerja untuk memecahkan aplikasi yang tak terhitung banyaknya menggunakan jaringan saraf yang dalam.