2) Recurrent Neural Networks (RNNs)
Digunakan untuk memproses data berurutan seperti teks, suara, dan data waktu. Ini bertanggung jawab untuk tugas seperti pengenalan suara dan prediksi series data.
3) Autoencoders
Digunakan untuk pengurangan dimensi dan kompresi data. Ini mempelajari representasi fitur yang efisien dari data dan membuat representasi yang lebih sederhana dan kompak.
4) Generative Adversarial Networks (GANs)
Digunakan untuk membuat data baru yang mirip dengan data asli. Ini terdiri dari dua jaringan: generator dan diskriminator. Generator membuat data baru, sementara diskriminator memverifikasi keaslian data.
5) Long Short-Term Memory (LSTM) Networks
Varian dari RNNs yang mengatasi masalah pengulangan pendek dan memori jangka panjang. Ini membantu memproses data berurutan yang memiliki keterkaitan jangka panjang.
6) Fully Connected Neural Networks (FCNs)
Jaringan saraf yang paling sederhana yang terdiri dari lapisan input, lapisan tersembunyi, dan lapisan output. Ini digunakan untuk tugas pembelajaran mesin yang tidak spesifik.
7) Deep Belief Networks (DBNs)
Salah satu jenis jaringan generatif tersembunyi Markov yang digunakan untuk membuat model probabilistik dari data. Ini membantu menemukan representasi fitur yang lebih efisien dan berguna dari data.