Jaringan Saraf Buatan (Ann) – (Keuangan) | Finansial 2022

Apa Jaringan Saraf Buatan (Ann)?

Jaringan saraf tiruan (JST) adalah bagian dari sistem komputasi yang dirancang untuk mensimulasikan cara otak manusia menganalisis dan memproses informasi. Ini adalah dasar dari kecerdasan buatan (AI) dan memecahkan masalah yang terbukti tidak mungkin atau sulit menurut standar manusia atau statistik. JST memiliki kemampuan belajar mandiri yang memungkinkannya menghasilkan hasil yang lebih baik saat lebih banyak data tersedia.

Poin Penting

Jaringan saraf tiruan (JST) adalah komponen kecerdasan buatan yang dimaksudkan untuk mensimulasikan fungsi otak manusia.
Unit pemrosesan membentuk ANN, yang pada gilirannya terdiri dari input dan output. Input adalah apa yang dipelajari JST untuk menghasilkan output yang diinginkan.
Propagasi mundur adalah seperangkat aturan pembelajaran yang digunakan untuk memandu jaringan saraf tiruan.
Aplikasi praktis untuk JST sangat luas, meliputi keuangan, komunikasi pribadi, industri, pendidikan, dan sebagainya.

Memahami Jaringan Syaraf Tiruan (JST)

Jaringan saraf tiruan dibangun seperti otak manusia, dengan simpul neuron yang saling berhubungan seperti jaring. Otak manusia memiliki ratusan miliar sel yang disebut neuron. Setiap neuron terdiri dari badan sel yang bertanggung jawab untuk memproses informasi dengan membawa informasi menuju (masukan) dan menjauh (keluaran) dari otak.

Sebuah ANN memiliki ratusan atau ribuan neuron buatan yang disebut unit pemrosesan, yang dihubungkan oleh node. Unit pemrosesan ini terdiri dari unit input dan output. Unit masukan menerima berbagai bentuk dan struktur informasi berdasarkan sistem pembobotan internal, dan jaringan saraf mencoba mempelajari informasi yang disajikan untuk menghasilkan satu laporan keluaran. Sama seperti manusia yang membutuhkan aturan dan pedoman untuk menghasilkan hasil atau keluaran, JST juga menggunakan seperangkat aturan pembelajaran yang disebut propagasi mundur, singkatan dari propagasi kesalahan ke belakang, untuk menyempurnakan hasil keluarannya.

Sebuah JST pada awalnya melewati fase pelatihan di mana ia belajar mengenali pola dalam data, baik secara visual, aural, atau tekstual. Selama fase pengawasan ini, jaringan membandingkan keluaran aktualnya yang dihasilkan dengan apa yang dimaksudkan untuk diproduksi — keluaran yang diinginkan. Perbedaan antara kedua hasil tersebut disesuaikan menggunakan propagasi mundur. Ini berarti bahwa jaringan bekerja mundur, mulai dari unit keluaran ke unit masukan untuk menyesuaikan bobot koneksi antar unit hingga perbedaan antara hasil aktual dan yang diinginkan menghasilkan kesalahan serendah mungkin.

Selama tahap pelatihan dan pengawasan, JST diajarkan apa yang harus dicari dan keluarannya, menggunakan jenis pertanyaan ya / tidak dengan bilangan biner. Misalnya, bank yang ingin mendeteksi penipuan kartu kredit tepat waktu mungkin memiliki empat unit input yang diberi pertanyaan berikut: (1) Apakah transaksi di negara yang berbeda dari negara tempat tinggal pengguna? (2) Apakah situs web tempat kartu digunakan di afiliasi dengan perusahaan atau negara dalam daftar pantauan bank? (3) Apakah jumlah transaksi lebih besar dari $ 2.000? (4) Apakah nama pada tagihan transaksi sama dengan nama pemegang kartu?

Bank menginginkan tanggapan “terdeteksi penipuan” menjadi Ya Ya Ya Tidak, yang dalam format biner adalah 1 1 1 0. Jika keluaran aktual jaringan adalah 1 0 1 0, ia menyesuaikan hasilnya hingga memberikan keluaran yang sesuai dengan 1 1 1 0. Setelah pelatihan, sistem komputer dapat memperingatkan bank tentang transaksi penipuan yang tertunda, sehingga bank menghemat banyak uang.

Aplikasi Praktis untuk Jaringan Saraf Tiruan (JST)

Jaringan saraf tiruan membuka jalan bagi aplikasi yang mengubah hidup untuk dikembangkan untuk digunakan di semua sektor ekonomi. Platform kecerdasan buatan yang dibangun di atas JST mengganggu cara tradisional dalam melakukan sesuatu. Dari menerjemahkan halaman web ke bahasa lain hingga memiliki asisten virtual memesan bahan makanan secara online hingga berbicara dengan chatbot untuk menyelesaikan masalah, platform AI menyederhanakan transaksi dan membuat layanan dapat diakses oleh semua dengan biaya yang dapat diabaikan.

Jaringan syaraf tiruan telah diterapkan di semua area operasi. Penyedia layanan email menggunakan ANN untuk mendeteksi dan menghapus spam dari kotak masuk pengguna; manajer aset menggunakannya untuk meramalkan arah saham perusahaan; perusahaan pemeringkat kredit menggunakannya untuk memperbaiki metode penilaian kredit mereka; platform e-niaga menggunakannya untuk mempersonalisasi rekomendasi kepada audiens mereka; chatbots dikembangkan dengan ANN untuk pemrosesan bahasa alami; algoritma pembelajaran mendalam menggunakan ANN untuk memprediksi kemungkinan suatu peristiwa; dan daftar penggabungan JST berlanjut di berbagai sektor, industri, dan negara.

Apa Jaringan Saraf Buatan (Ann)?

Poin Penting

Memahami Jaringan Syaraf Tiruan (JST)

Aplikasi Praktis untuk Jaringan Saraf Tiruan (JST)

Artikel terkait