Jaringan Syaraf Tiruan; Implementasi CNN menggunakan Jaringan Perceptron Berlapis Banyak

Artificial Neural Network (ANN) sepenuhnya terinspirasi oleh cara kerja sistem saraf biologis. Misalnya, otak manusia bekerja. Atribut paling kuat dari otak manusia adalah beradaptasi, dan ANN memperoleh karakteristik serupa. ANN dapat memodelkan proses pembelajaran ini dengan mengubah asosiasi berbobot yang ditemukan antar neuron dalam jaringan. Ini secara efektif meniru penguatan dan pelemahan asosiasi sinaptik yang ditemukan di otak kita. Penguatan dan pelemahan asosiasi inilah yang memberdayakan jaringan untuk beradaptasi. Aturan belajar atau proses belajar baik menggunakan metode forward maupun back propagation, paradigma terawasi atau tidak terawasi adalah teknik atau logika matematika. Ini meningkatkan kinerja Jaringan Saraf Tiruan dan menerapkan aturan ini melalui jaringan. Jadi aturan pembelajaran menyegarkan bobot dan tingkat bias jaringan ketika jaringan meniru dalam lingkungan data tertentu. Topik jaringan saraf perceptron yang dibahas pada buku ini, merupakan model arsitektur jaringan saraf tiruan standar atau paling mendasar yang selanjutnya dapat dikembangkan dan diaplikasikan untuk berbagai tujuan, misalnya model CNN (jaringan saraf konvolusi) dikembangkan untuk fungsi klasifikasi pola gambar, dan model-model lainnya.