DETAIL BUKU
  • Recurrent neural network : implementasi metode lstm dalam memprediksi kepadatan pariwisata

    Recurrent neural network : implementasi metode lstm dalam memprediksi kepadatan pariwisata

    • Saludin Muis, dkk
    • TEKNOSAIN
    • 2025
    • 978-623-8075-87-4
    Sinopsis

    Jaringan saraf berulang atau recurrent (RNN) merupakan salah satu model jaringan saraf tiruan yang mempunyai peran besar dalam menangani masalah keadaan nonlinear, dimana keluaran memiliki ketergantungan pada variabel waktu, artinya data sebelumnya ikut berperan terhadap keluaran berikutnya. Buku ini menyajikan implementasi jaringan saraf recurrent atau disingkat RNN (recurrent neural network) dalam memprediksi data kunjungan pariwisata, dengan menggunakan data ril dimana tren pergerakan data bersifat alamiah, tidak diatur atau sengaja dipilih, sehingga pembaca dapat menangkap esensi dari penggunaan jaringan saraf berulang dan batasan-batasan dimana jaringan saraf berulang masih dapat bekerja dengan cukup baik. Buku ini terdiri dari 3 bab dan 4 lampiran. 2 bab pertama menyajikan pemahaman tentang RNN secara mendalam, dan bab 3 adalah implementasinya dengan menggunakan data kunjungan pariwisata, sedangkan 4 lampiran berisi penjelasan pelengkap yang berhubungan dengan beberapa metode tambahan yang dipergunakan didalam implementasi.

    Kata Kunci
    Tersedia di Perpustakaan Kampus:
    • Sukabumi
    Silahkan Login untuk dapat Melakukan Peminjaman Online
Kode Buku : 250582
Kode Klasifikasi : 006.3
Judul Buku : Recurrent neural network : implementasi metode lstm dalam memprediksi kepadatan pariwisata
Edisi : -
Penulis : Saludin Muis, dkk
Penerbit : TEKNOSAIN
Bahasa : Indonesia
Tahun : 2025
ISBN : 978-623-8075-87-4
Tajuk Subjek : Jaringan Saraf Tiruan,Kecerdasan buatan
Deskripsi : xiv, 124 hlm. : ill. ; 24 cm
Eksemplar : 2
Stok : 2
Petugas : Bhanu Dwi Yunianto
Jaringan saraf berulang atau recurrent (RNN) merupakan salah satu model jaringan saraf tiruan yang mempunyai peran besar dalam menangani masalah keadaan nonlinear, dimana keluaran memiliki ketergantungan pada variabel waktu, artinya data sebelumnya ikut berperan terhadap keluaran berikutnya. Buku ini menyajikan implementasi jaringan saraf recurrent atau disingkat RNN (recurrent neural network) dalam memprediksi data kunjungan pariwisata, dengan menggunakan data ril dimana tren pergerakan data bersifat alamiah, tidak diatur atau sengaja dipilih, sehingga pembaca dapat menangkap esensi dari penggunaan jaringan saraf berulang dan batasan-batasan dimana jaringan saraf berulang masih dapat bekerja dengan cukup baik. Buku ini terdiri dari 3 bab dan 4 lampiran. 2 bab pertama menyajikan pemahaman tentang RNN secara mendalam, dan bab 3 adalah implementasinya dengan menggunakan data kunjungan pariwisata, sedangkan 4 lampiran berisi penjelasan pelengkap yang berhubungan dengan beberapa metode tambahan yang dipergunakan didalam implementasi.
Terkait Subjek Buku yang sama