Pertayaan :
- Draw a simple diagram of a neuron and label its components (inputs, weights, bias, activation function).
- What is the purpose of an activation function (like Sigmoid or ReLU)?
- What is the purpose of an activation function (like Sigmoid or ReLU)?
- What is the difference between an input layer, a hidden layer, and an output layer
Status :
100% Sudah tercapai
keterangan :
saya sudah mengerjakan assignment 6 dengan baik dan benar
Bukti :
No
Keterangan
- Neuron merupakan unit dasar dalam Neural Network yang menerima input, mengalikan input dengan bobot (weights), menambahkan bias, kemudian memprosesnya melalui fungsi aktivasi untuk menghasilkan output.
Input : Data yang masuk.
Weights : Bobot untuk setiap input.
Bias : Nilai tambahan untuk membantu penyesuaian hasil.
Activation Function: Mengolah hasil perhitungan.
Output : Hasil akhir pemrosesan neuron.
2. Fungsi aktivasi bertujuan untuk memberikan sifat nonlinier pada Neural Network sehingga model dapat mempelajari pola dan hubungan data yang lebih kompleks. Contohnya adalah Sigmoid dan ReLU.
3. Backpropagation adalah proses untuk menghitung kesalahan prediksi dan memperbarui bobot serta bias agar kesalahan model semakin kecil dan hasil prediksi menjadi lebih akurat.
4. Input Layer berfungsi menerima data awal, Hidden Layer memproses dan mempelajari pola dari data, sedangkan Output Layer menghasilkan hasil prediksi atau keputusan akhir dari model.