Text

Jaringan Neural ART; Dilengkapi dengan Contoh Implementasi

---

“Jaringan neural yang dibahas pada buku ini dikembangkan oleh Stephen Grossberg dan Gail Carpenter pada tahun 1987. Berbasis kompetisi dan menggunakan model pembelajaran tanpa pengawasan. Teori Resonansi Adaptif Jaringan ART, seperti namanya, selalu terbuka untuk pembelajaran baru yang adaptif tanpa kehilangan pola resonansi yang lama. Pada dasarnya, jaringan ART adalah pengklasifikasi vektor yang menerima vektor input dan mengklasifikasikannya ke dalam salah satu kategori tergantung pada pola tersimpan mana yang paling mirip.
Selanjutnya jaringan neural ART berkembang menjadi dua tipe yang dikenal sebagai ART1 dan ART2. Perbedaan dari kedua tipe adalah terletak pada data input yang bersifat biner dan kontinu. ART mudah dipelajari dan diimplementasikan karena kesederhanaannya.
Buku ini terfokus pada materi ART, terdiri dari tiga bab, dimana bab 1 dan bab 2 membahas teori ART1 dan ART2 sebagai dasar untuk memahami cara kerja jaringan neural ART sehingga dapat diimplementasikan secara efektif, bab 3 membahas contoh implementasi ART sebagai pengidentifikasi nomor plat kendaraan. Dua lampiran bersifat pelengkap, yaitu materi Hamming yang ada kemiripan dengan prinsip ART sebagai perbandingan, dan program C untuk ART.”

---

Ketersediaan

K3930

006.32 MUI j.1.ED1 WSD-2024

Kampus Tipes (006)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

006.32 MUI j.1.ED1 WSD-2024

Penerbit

Yogyakarta. : TEKNOSAIN.., 2024

Deskripsi Fisik

xiv;98;17x24

Bahasa

Indonesia

ISBN/ISSN

978-623-8075-33-1

Klasifikasi

006.32

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

1

Subjek

Nifas dan Menyusui
JARINGAN.

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar