makalah ini adalah artikel yang komprehensif, yang memperkenalkan konsep dan penerapan kecerdasan buatan dan jaringan saraf. Artikel ini awalnya dipilih karena jaringan saraf dipelajari dalam proses pembelajaran pembelajaran mesin, karena jaringan saraf tiruan lebih dekat ke otak manusia. dalam hal prinsip dan karakteristik fungsionalnya. itu bukan program yang diberikan yang melakukan operasi langkah demi langkah, tetapi mampu menyesuaikan diri dengan lingkungan, meringkas aturan, melakukan beberapa operasi, pengakuan atau pengendalian proses . Saya pikir pasti ada banyak aplikasi penting dalam kecerdasan buatan, jadi saya memilih artikel ini.

artikel ini adalah artikel komprehensif yang memperkenalkan konsep dan aplikasi kecerdasan buatan dan jaringan saraf. jaringan saraf tiruan lebih dekat ke otak manusia dalam hal prinsip konstitusi dan karakteristik fungsionalnya. itu bukan program yang diberikan yang melakukan operasi langkah demi langkah. langkah, tetapi dapat menyesuaikan diri dengan lingkungan dan meringkas aturan. melakukan operasi, pengakuan., atau kontrol proses.

bagian pertama terutama memperkenalkan kecerdasan buatan.

kecerdasan buatan didefinisikan sebagai objek buatan, seperti komputer atau mesin, yang menunjukkan perilaku cerdas yang mampu menangani masalah kompleks. dan apakah kecerdasan itu? ini melibatkan isu-isu seperti kesadaran, diri, pemikiran, dan sebagainya, dan satu-satunya kecerdasan yang kita tahu adalah kecerdasan manusia. Ini adalah semacam kemampuan untuk membayangkan dan menciptakan pemahaman ingatan, pengenalan pola, pilihan, beradaptasi dengan perubahan, dan mengalami pembelajaran. tujuan utama kecerdasan buatan adalah untuk membuat mesin berperilaku lebih seperti manusia, dan kedua, untuk membuat mesin lebih seperti manusia dalam cara mereka memecahkan masalah yang rumit tetapi menghabiskan lebih sedikit waktu daripada manusia. hari ini, kecerdasan buatan dibagi menjadi dua bagian: ai yang kuat dan ai yang lemah. ai yang kuat berarti bahwa mesin dapat berpikir sendiri, seperti adegan dalam film, dan bahkan menggantikan manusia. ai yang lemah adalah kinerja mesin yang tampaknya memiliki kecerdasan, seperti memainkan aplikasi catur, dan semua langkah yang dilakukan untuk bermain catur disimpan di komputer terlebih dahulu. aplikasi catur itu sendiri tidak berpikir atau merencanakan. bagaimana Anda tahu jika mesin memiliki perilaku cerdas? pada tahun 1950, alan turing mengajukan tes turing, dan tidak ada banyak penjelasan untuk tes turing, karena guru memperkenalkannya di kelas.

untuk asal usul kecerdasan buatan, ia dikaitkan dengan banyak disiplin ilmu, terutama filsafat, logika, matematika, komputasi, psikologi / ilmu kognitif, ilmu biologi / ilmu saraf.

bagian kedua terutama memperkenalkan jaringan saraf tiruan. Bagian ini juga memperkenalkan tiga bagian kecil, memperkenalkan konsep jaringan saraf tiruan, jenis metode pembelajaran jaringan saraf, dan fungsi penting dalam jaringan saraf tiruan - fungsi insentif artifisial.

bagian pertama memperkenalkan konsep jaringan saraf tiruan. jaringan saraf tiruan adalah jaringan pengolah Connecteor , masing-masing dengan sebagian dari ruang penyimpanan lokal (sangat kecil). neuron-neuron ini hanya mengoperasikan data lokal mereka sendiri dan memasukkan data (yang dimasukkan dalam satu cara melalui tautan dan sirkuit), dan masing-masing neuron menggunakan aturan untuk mengetahui memasukkan sinyal. keluaran sinyal-sinyal ini ke neuron lain, dan perhitungan data keluaran ini disebut fungsi insentif.

struktur jaringan saraf umumnya memiliki tiga lapisan, seperti yang ditunjukkan di bawah ini. lapisan pertama adalah lapisan input, yang digunakan untuk berinteraksi langsung dengan dunia luar, dan lapisan kedua adalah elemen tersembunyi, yang digunakan untuk menyelesaikan perhitungan sesuai dengan fungsi yang diperlukan. lapisan ketiga adalah lapisan keluaran.

bagian kedua dari pembelajaran jaringan saraf dapat dibagi menjadi tiga jenis: pembelajaran dengan pengawasan, pembelajaran tanpa pengawasan dan pembelajaran yang diperkuat. dalam pembelajaran pengawasan, setiap instance terdiri dari objek input dan nilai output yang diharapkan. Oleh karena itu, kesalahan dan perbedaan antara hasil yang diharapkan dan aktual dari setiap node pada lapisan output dapat ditemukan, yang akan digunakan untuk menentukan bobot jaringan simpul (menurut

aturan belajar). yaitu, nilai output yang diharapkan pada setiap node ditentukan oleh guru eksternal.

tidak ada guru eksternal dalam pembelajaran tanpa pengawasan, sehingga cara pembelajaran didasarkan pada pengelompokan, dan menurut input, set model dibagi menjadi beberapa kelas. model pembelajaran semacam ini juga bisa disebut mode pengorganisasian diri, contoh khasnya adalah hukum pembelajaran bahasa Portugis dan hukum pembelajaran persaingan, dan pembelajaran tanpa pengawasan lebih penting daripada pembelajaran yang diawasi. karena otak biasanya tidak diawasi.

Memperkuat pembelajaran didasarkan pada pembelajaran tanpa pengawasan dan pembelajaran terawasi, dan dalam proses eksplorasi, dengan menjelajahi lingkungan yang tidak diketahui sambil membangun model lingkungan dan belajar strategi yang optimal, setiap tindakan sesuai dengan hadiah, dan akhirnya mendapatkan hadiah terbesar untuk pemrosesan data .

bagian ketiga memperkenalkan tiga jenis fungsi insentif. fungsi threshold pertama, ketika total input kurang dari threshold, set 0, dan ketika nilai input total lebih besar dari threshold, set 1.

yang kedua adalah fungsi linier tersegmentasi yang dapat mengambil nilai antara 0,1, tergantung pada pembesaran operasi linear suatu daerah.

yang ketiga adalah fungsi sigmoid, yang dapat menggunakan rentang antara 0 dan 1, tetapi kadang-kadang dapat mengambil rentang dari 1 hingga 1, contoh fungsi sigmoid adalah tangen hiperbolik.

bagian ketiga terutama memperkenalkan beberapa aplikasi canggih jaringan saraf.

aplikasi pertama adalah antarmuka komputer dari otak manusia berdasarkan jaringan saraf. antarmuka komputer otak manusia adalah salah satu teknologi antarmuka yang paling menjanjikan antara manusia dan mesin.bci juga disebut antarmuka siwei. sebenarnya merupakan saluran komunikasi antara otak dan komputer, yang memungkinkan sinyal yang dikirim oleh otak untuk berinteraksi langsung dengan kegiatan eksternal, seperti mengendalikan kursor, atau pengguna dapat memasukkan nomor telepon dengan menatap keyboard layar. .itu antarmuka modul menyediakan sarana komunikasi antara otak dan antarmuka yang ingin dikontrol, dan antarmuka bci memungkinkan orang lumpuh untuk menulis buku atau mengendalikan kursi roda listrik. mis. adalah pilihan terbaik untuk menerapkan bci, tetapi gelombang otak sangat lemah dan ada banyak jenis kebisingan.

sinyal diperoleh dari otak manusia, kemudian diproses, diekstraksi dari fitur, kemudian diklasifikasikan, dan kemudian diumpankan kembali ke manusia melalui antarmuka aplikasi. jumlah dan kecepatan penelitian bci telah berkembang pesat selama lima tahun terakhir, dengan tidak lebih dari enam kelompok yang mempelajarinya pada tahun 1995, dan setidaknya 20 kelompok belajar bci sekarang.

aplikasi kedua adalah untuk memahami dan menggambarkan aplikasi dalam perilaku objek. analisis lintasan adalah salah satu masalah inti dalam pemahaman perilaku. pembelajaran pola lintasan dapat digunakan untuk mendeteksi anomali dan untuk memprediksi lintasan objek. model yang mempelajari wilayah semantik dengan menganalisis lintasan objek bergerak dalam adegan atau kerangka kerja. jalur pertama dikodekan untuk menunjukkan lokasi gambar dan kecepatan sesaatnya. Kemudian algoritma pengelompokan diterapkan untuk mengklasifikasikan trek berdasarkan distribusi spasial dan kecepatan yang berbeda, dan di setiap cluster, ruang trek dekat dan kecepatan serupa. kelas ini dapat mewakili mode aktivitas. berdasarkan kluster orbital ini, model statistik daerah semantik dalam adegan dapat diperoleh dengan memperkirakan kepadatan dan distribusi kecepatan masing-masing pola aktivitas. model ini didasarkan pada kombinasi jaringan syaraf kuantisasi vektor dan jenis neuron dengan memori jangka pendek kemampuan. model lintasan pejalan kaki yang dihasilkan akan digunakan untuk mengevaluasi lintasan baru, memprediksi lintasan masa depan objek, menghasilkan lintasan baru secara acak.

aplikasi ketiga adalah jaringan saraf tiruan dalam grafik komputer.

jaringan saraf tiruan telah memainkan peran yang sangat penting dalam bidang gambar. perancang gambar berusaha menggabungkan gambar aktual dengan gambar yang dihasilkan komputer untuk meningkatkan visualisasi objek keluaran. menggunakan teknologi penginderaan termal dapat menghasilkan beberapa gambar paling otentik.

aplikasi keempat adalah robot berjalan otomatis dan robot bawah air.

robot berjalan otomatis didasarkan pada konsep modular. masalah pembuatan robot berjalan otomatis dapat dibongkar menjadi beberapa masalah fungsional. memecah masalah kompleks menjadi sederhana, masalah kecil yang dapat dikelola, dan penelitian di bidang ini menggabungkan pengetahuan biologi, mekanik, dan teknologi informasi, kemudian mengembangkan kendaraan seluler yang dinamis, stabil, menggunakan kontrol jaringan saraf. Hal yang sama berlaku untuk robot bawah air , dan mesin bawah air membantu menyelamatkan operasi, mencegah polusi, menyelamatkan riset ilmiah kelautan dan kelautan. jadi robot bawah air telah berkembang pesat selama bertahun-tahun.

aplikasi kelima adalah animasi wajah.

pemodelan wajah dan animasi adalah salah satu tugas paling sulit dalam grafik komputer, dan sangat sulit untuk mengubah kehidupan menjadi bentuk digital. gunakan b-surface layered sebagai dasar untuk membuat animasi wajah. neural networks dapat digunakan untuk mempelajari fitur dari setiap ekspresi wajah dalam urutan animasi.

keenam adalah jaringan saraf untuk memperkuat teknologi anti-virus.

jaringan saraf tiruan dan kecerdasan buatan memainkan peran yang semakin penting dalam deteksi virus, yang memperkuat fungsi internal teknologi anti-virus, yang memungkinkannya untuk mendeteksi dan memperbaiki semua jenis virus. misalnya, teknologi deteksi permulaan jaringan saraf ibm memberikan keamanan tambahan dengan meniru neuron manusia untuk mempelajari perbedaan antara rekaman yang terinfeksi dan yang tidak terinfeksi. Banyak contoh virus dan non-virus menunjukkan bahwa jaringan saraf berkinerja lebih baik daripada pencarian penyihir yang disesuaikan dengan tangan untuk virus.

bagian keempat terutama memperkenalkan penerapan kecerdasan buatan.

aplikasi pertama adalah penambangan data dan ekstraksi pengetahuan. tiga teknik dasar dalam kecerdasan buatan diterapkan, termasuk ekspresi pengetahuan, dan penambangan data ingin menemukan pola yang menarik dari sejumlah besar data, yang dapat digunakan dalam berbagai bentuk, seperti aturan asosiasi. aturan keputusan dan pohon keputusan. Ada juga akuisisi pengetahuan dan penalaran pengetahuan, dan pola yang ditemukan dari kumpulan data perlu diverifikasi dalam aplikasi yang berbeda.

aplikasi kedua adalah sistem buatan. sistem pakar adalah bagian dari kecerdasan buatan, dan sistem pakar adalah program kecerdasan buatan, yang memiliki pengetahuan pakar dalam bidang tertentu dan tahu cara menggunakan pengetahuannya untuk merespons dengan benar masalah yang terkait.

aplikasi ketiga adalah sifat dan proses asli nlp. pemrosesan bahasa alami adalah subdomain dari kecerdasan buatan. tujuannya adalah untuk mencapai mekanisme pemrosesan bahasa yang mirip manusia. gambar berikut adalah model nlp.

aplikasi keempat adalah sianologi. robotika adalah bagian dari bidang kecerdasan buatan.

aplikasi kelima adalah menerapkan kecerdasan buatan ke dalam game. game modern biasanya menggunakan grafik animasi 3d untuk memberi orang perasaan nyata. kecerdasan buatan dalam kebanyakan permainan komputer bukanlah kecerdasan buatan akademis, tetapi sangat dekat dengan teknologi kecerdasan buatan, yang menciptakan ilusi intelektual. Kecerdasan buatan mencakup teknik yang menggabungkan praktik pemrograman dan desain: pencarian jalur, jaringan saraf, model emosional, sosial adegan, mesin negara hingga, sistem aturan, pembelajaran pohon keputusan dan teknik lainnya.

pada akhir makalah, beberapa masalah yang peneliti sedang kerjakan adalah, misalnya, apakah mesin sadar akan keberadaannya? apa artinya bagi manusia? akankah jaringan saraf benar-benar mirip dengan otak manusia dan seterusnya. Pada akhir makalah, beberapa masalah yang sedang dikerjakan peneliti adalah, misalnya, apakah mesin sadar akan keberadaannya? apa artinya bagi manusia? jaringan saraf akan benar-benar mirip dengan otak manusia dan sebagainya.

subjek makalah ini selesai. melalui studi dan membaca makalah ini, ditemukan bahwa dunia komputer dapat memperoleh banyak manfaat dari metode jaringan saraf. di masa depan, kecerdasan buatan akan mengembangkan mesin dan komputer yang lebih kompleks daripada kita saat ini, dan mereka mungkin benar-benar memiliki akal sehat sederhana dan memiliki kecerdasan manusia yang serupa di beberapa bidang. perkembangan kecerdasan buatan di masa depan mungkin benar-benar mengubah dunia kita.