Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Computing Jurnal Informatika

Mekanisme Umum Untuk Sistem Kecerdasan Buatan Novianti Indah Putri
COMPUTING | Jurnal Informatika Vol. 6 No. 2 (2019): COMPUTING Edisi Bulan Desember 2019 | Jurnal Informatika
Publisher : Program Studi Teknik Informatika FTI UNIBBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (280.685 KB)

Abstract

Sumber informasi secara real time terdapat pada lingkungan dunia nyata dari kehidupan sehari-hari yang dapat diproses secara real time oleh kecerdasan kognitif manusia. Tujuan dari kecerdasan umum buatan yang beroperasi dengan sumber daya terbatas di bawah batasan waktu di lingkungan seperti itu harus memilih dengan cermat informasi mana yang akan diproses dan yang akan diabaikan. Bahkan dalam sebagian kecil kasus di mana sumber daya yang cukup mungkin tersedia, perhatian dapat membantu memanfaatkannya dengan lebih baik. Semua tugas dunia nyata datang dengan batasan waktu, dan pengelolaan ini adalah bagian kunci dari peran kecerdasan. Kebanyakan peneliti kecerdasan buatan mengabaikan fakta ini. Sehingga, mayoritas arsitektur kecerdasan buatan yang ada secara keliru yang berdasarkan pada asumsi (eksplisit atau implisit) tentang tak terbatas atau memadai sumber daya komputasi. Perhatian belum diakui sebagai kunci kognitif proses sistem kecerdasan buatan dan khususnya bukan sistem kecerdasan umum buatan. Penelitian ini mengemukakan tentang perlunya mekanisme mutlak perhatian kecerdasan umum buatan buatan. Pemeriksaan terhadap beberapa masalah terkait untuk perhatian dan manajemen sumber daya, meninjau pada penelitian sebelumnya tentang topik-topik dalam bidang psikologi dan kecerdasan buatan, yang menyajikan desain untuk mekanisme perhatian umum untuk Sistem kecerdasan umum buatan. Desain yang diusulkan terinspirasi oleh metodologi kecerdasan buatan yang konstruktif dengan tujuan pada kemandirian arsitektur, dan secara komprehensif membahas dan mengintegrasikan semua faktor utama yang terkait dengan perhatian hingga saat ini.
Deep Learning Dan Teknologi Big Data Untuk Keamanan IOT COMPUTING INFORMATIKA; Novianti Indah Putri
COMPUTING | Jurnal Informatika Vol. 7 No. 1 (2020): COMPUTING Edisi Bulan Juni 2020| Jurnal Informatika
Publisher : Program Studi Teknik Informatika FTI UNIBBA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (472.477 KB)

Abstract

Di bidang artificial intelligence (AI), deep learning adalah metode yang termasuk dalam keluarga yang lebih luas dari algoritma machine learning yang bekerja berdasarkan prinsip belajar. Untuk belajar, diawasi dan tidak diawasi, keduanya dapat digunakan. Dalam deep learning, model yang terkomputerisasi akan melakukan serangkaian tugas klasifikasi atau analisis pola khusus berdasarkan data yang dipelajari sebelumnya. Untuk itu, seorang model harus dilatih terlebih dahulu dengan set data berlabel. Teknologi telah menjadi tak terhindarkan dalam kehidupan manusia, terutama pertumbuhan Internet of Things (IoT), yang memungkinkan komunikasi dan interaksi dengan berbagai perangkat. Namun, IoT terbukti rentan terhadap pelanggaran keamanan. Karena itu, perlu dikembangkan dengan solusi dengan menciptakan teknologi baru atau menggabungkan teknologi yang sudah ada untuk mengatasi masalah keamanan. Deep learning, cabang machine learning telah menunjukkan hasil yang menjanjikan dalam studi sebelumnya untuk mendeteksi pelanggaran keamanan. Selain itu, perangkat IoT menghasilkan volume besar, variasi, dan kebenaran data. Dengan demikian, ketika teknologi big data dimasukkan, kinerja yang lebih tinggi dan penanganan data yang lebih baik dapat dicapai. Oleh karena itu, kami telah melakukan survei komprehensif tentang deep learning yang canggih, keamanan IoT, dan teknologi big data. Selanjutnya, analisis komparatif dan hubungan antara deep learning, keamanan IoT, dan teknologi big data juga telah dibahas. Selanjutnya, telah diperoleh klasifikasi tematik dari analisis komparatif studi teknis dari tiga domain tersebut. Akhirnya, telah diidentifikasi dan mendiskusikan tantangan dalam menggabungkan deep learning untuk keamanan IoT menggunakan teknologi big data dan telah menyediakan arahan untuk peneliti masa depan pada aspek keamanan IoT.