ScholarGate
Asisten
Machine learningDeep learning / NLP / CV

Jaringan Saraf Berulang (Recurrent Neural Network - RNN)

Jaringan Saraf Berulang (Recurrent Neural Network - RNN) adalah kelas jaringan saraf yang dirancang untuk memproses data sekuensial dengan mempertahankan keadaan tersembunyi (hidden state) yang membawa informasi lintas langkah waktu. Diperkenalkan dalam bentuk modernnya oleh Rumelhart et al. (1986) dan dibentuk lebih lanjut oleh Elman (1990), RNN menjadi arsitektur dominan untuk pemodelan sekuensial dalam NLP, ucapan, dan analisis deret waktu sebelum maraknya model berbasis perhatian (attention-based models).

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

+15 more

Sumber

  1. Elman, J. L. (1990). Finding structure in time. Cognitive Science, 14(2), 179–211. DOI: 10.1207/s15516709cog1402_1
  2. Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536. DOI: 10.1038/323533a0

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Recurrent Neural Network (RNN). ScholarGate. https://scholargate.app/id/deep-learning/recurrent-neural-network

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Dirujuk oleh

ScholarGateRecurrent Neural Network (Recurrent Neural Network (RNN)). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/recurrent-neural-network · Set data: https://doi.org/10.5281/zenodo.20539026