ANALISIS PENGAPLIKASIAN JARINGAN SARAF TIRUAN DALAM KEAMANAN JARINGAN KOMPUTER
Banyak kemajuan telah dibuat dalam pengembangan teknologi kecerdasan buatan, beberapa di antaranya diprakarsai oleh sistem jaringan saraf biologis. Ilmuwan dan peneliti dari semua disiplin ilmu telah merancang jaringan saraf tiruan yang bertujuan untuk memecahkan masalah yang...
| 出版年: | Multitek Indonesia |
|---|---|
| 主要な著者: | , |
| フォーマット: | 論文 |
| 言語: | インドネシア語 |
| 出版事項: |
Universitas Muhammadiyah Ponorogo
2020-12-01
|
| 主題: | |
| オンライン・アクセス: | https://journal.umpo.ac.id/index.php/multitek/article/view/2056/1757 |
| 要約: | Banyak kemajuan telah dibuat dalam pengembangan teknologi kecerdasan buatan, beberapa di antaranya diprakarsai oleh sistem jaringan saraf biologis. Ilmuwan dan peneliti dari semua disiplin ilmu telah merancang jaringan saraf tiruan yang bertujuan untuk memecahkan masalah yang berkaitan dengan prediksi, pengoptimalan, pengenalan pola, kontrol, dan asosiatif. Jaringan saraf sendiri adalah kelas algoritma pembelajaran mesin yang banyak digunakan dalam penambangan data berbasis komputer. Kontribusi aplikasi jaringan saraf berfokus pada pemeliharaan sistem kontrol data komunikasi melalui teknologi jaringan saraf ahli. Memperoleh informasi atau data yang relevan dan akuntabilitas merupakan kondisi yang tidak dapat kitahindari dalam bisnis modern. Informasi dapat dibedakan menjadi dua bagian yaitu informasi data, dan pengetahuan. Cara mengumpulkan, menyimpan, dan mengambilnya, dapat dipelajari dalam teori database. Bahkan dalam rekayasa pengetahuan, ada metode yang harus kita ketahui dan pelajari, yang didapat dari peneliti atau ahli di bidang yang ingin kita kaji. Penelitian ini bertujuan untuk melakukan perancangan sistem, pemilihan jenis jaringan saraf tiruan, pengambilan data, dan transformasi data. Metode prop cepatdipilih berdasarkan metode Newton, terdapat di bagian hasil jurnal ini. Penelitian ini menyimpulkan bahwa untuk menghasilkan keseimbangan dan kontinuitas dapat diperoleh antara memori data atau penyimpanan data dan kemampuan generalisasi umum atau universal pada pola masukan yang sama tetapi tidak identik dengan pola yang telah dipelajari, diteliti, dan diuji sebelumnya. |
|---|---|
| ISSN: | 1907-6223 2579-3497 |
