Neural Network sejak lama diakui memiliki kemampuan mengenali citra atau pola tertentu. Beberapa metode seperti NARXNET telah dipakai untuk proyeksi/peramalan. Jika Deep Learning menggunakan Convolutional Neural Network (CNN) untuk mengenali citra, untuk mengenali data sekuensial Deep Learning menggunakan Recurrent Neural Network (RNN).
Untuk memahami metode RNN, kita banyak menjumpai di internet dengan bentuk animasi-animasi yang membantu memudahkan pemahaman. Jika ebook atau situs blog sulit, silahkan tonton video dari kanal-kanal youtube: https://www.youtube.com/watch?v=LHXXI4-IEns atau https://www.youtube.com/watch?v=Y2wfIKQyd1I. Untuk yang detil mungkin dari Massachusetts Institute of Techonology: https://www.youtube.com/watch?v=SEnXr6v2ifU.
RNN muncul karena CNN tidak sanggup mengklasifikasi data sekuensial/berurutan. Bayangkan kalimat: “i am a boy” dengan 4 buah bag of words (I, am, a, boy) tidak bisa membedakan dengan kalimat: “am I a boy” (lihat: https://www.youtube.com/watch?v=esrv7bahlng).
Untuk memahami RNN, kita harus menguasai dasar-dasar neural network, terutama feed forward beserta fungsi tangen sigmoid. Beberapa library seperti pada TensorFlow, sudah menyediakan fasilitas ini. Google translate memanfaatkan RNN, termasuk juga suggestion kata berikut ketika mengetik. Yuk, belajar implementasinya dengan Python.
Rahmadya Trias Handayanto 