Diskritisasi WOA untuk Mengoptimalkan Arsitektur Long Short-Term Memory
RIZKI ACHMAD RIYANTO
Informasi Umum
Kode
20.04.3793
Klasifikasi
000 - General Works
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Artificial Intelligence
Dilihat
29 kali
Informasi Lainnya
Abstraksi
Jika data dapat dipengaruhi oleh data sebelumnya, maka data tersebut dapat dikatakan memiliki sifat sekuensial. Berbeda dengan data yang tidak sekuensial, pengacakan urutan data sekuensial dapat mengubah data. Model neural network yang biasa umumnya tidak dapat membedakan data sekuensial atau tidak. Dengan demikian model recurrent dibuat khusus untuk mengelola data yang memiliki sifat sekuensial dengan mempelajari hubungan antara satu data dengan data sebelumnya. Ada banyak hal yang harus diperhatikan untuk membuat model recurrent. Salah satunya adalah arsitektur model itu sendiri. Dalam tulisan ini, whale optimization algorithm (WOA) digunakan untuk mengoptimalkan arsitektur LSTM dengan menentukan jumlah neuron dan dropout dari tiap hidden layer. Hasil eksperimen menunjukkan bahwa ia dapat menghasilkan LSTM optimal dengan akurasi 83.59%.
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | RIZKI ACHMAD RIYANTO |
| Jenis | Perorangan |
| Penyunting | Suyanto |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom |
| Kota | |
| Tahun | 2020 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
