Deep Learning
Sejarah Deep Learning antara lain:
1. Awal Konsep Jaringan Saraf Tiruan (1940-an - 1960-an)
1943: Warren McCulloch dan Walter Pitts memperkenalkan model matematika pertama dari neuron tiruan, yang disebut threshold logic unit. Ini menjadi dasar untuk jaringan saraf.
1958: Frank Rosenblatt mengembangkan perceptron, model jaringan saraf satu lapis yang dapat belajar berdasarkan data. Namun, perceptron hanya mampu menangani masalah linear.
1969: Marvin Minsky dan Seymour Papert menerbitkan buku Perceptrons, yang menunjukkan keterbatasan jaringan saraf satu lapis. Kritik ini menyebabkan minat terhadap jaringan saraf menurun.
2. Kebangkitan Jaringan Saraf (1980-an)
1980: Kunihiko Fukushima mengembangkan neocognitron, jaringan saraf konvolusi awal yang dirancang untuk mengenali pola visual.
1986: Geoffrey Hinton, David Rumelhart, dan Ronald Williams memperkenalkan algoritma backpropagation untuk melatih jaringan saraf multilayer. Ini memungkinkan jaringan untuk belajar dari kesalahan dan menjadi lebih akurat.
3. Pengembangan Awal Deep Learning (1990-an)
1990-an: Yann LeCun menggunakan jaringan saraf konvolusi untuk mengenali angka tulisan tangan (dalam dataset MNIST). Metode ini digunakan dalam sistem pembaca cek bank.