Conditional Neural Fields untuk Pengenalan Fase Gerak
Abstract: Pengenalan pola
merupakan area informatika yang banyak dikaji hingga saat ini. Hal ini
dikarenakan pemanfaatannya yang luas diterapkan dalam kehidupan sehari-hari. Di
dalam makalah ini disajikan pengenalan pola untuk gerakan khususnya fase gerak.
Secara khusus pengenalan fase gerak di dalam makalah ini menitik beratkan pada
pengenalan pola pada data berbentuk sekuensial. Pengenalan ini dapat saja
mengabaikan faktor sekuensialnya, namun tentu akan menurunkan akurasi yang akan
diperoleh. Oleh karena itu untuk mengatasi tantangan tersebut, maka ditawarkan
penggunaan Conditional Neural Fields (CNF). Metode ini merupakan gabungan
antara Conditional Random Fields (CRF) dan Artifisial Neural Networks (ANN).
Representasi ANN disajikan dalam bentuk gate pada lapisan tengah dari CRF.
Lapisan ini bertujuan untuk memetakan hubungan non-linear antara input dan
output yang terdapat di dalam data. Sebagai hasilnya diperoleh bahwa CNF
terbukti lebih efektif dan efisien dibandingkan CRF berdasarkan akurasi dan
banyaknya iterasi yang dibutuhkan. Namun penggunaan terlalu banyak gate
ternyata tidak efektif dikarenakan konvergensi dari model pengenalan semakin
sulit tercapai. Di sisi lain, jika hanya satu gate yang digunakan maka
konvergensi tercapai namun akuarsi yang diperoleh rendah. Sehingga diperlukan
upaya untuk menemukan banyaknya gate optimal yang diperlukan.
Kata Kunci: Conditional Neural Fields, Pattern Recognition, Artificial
Inteligence, Conditional Random Fields
Penulis: Intan Nurma Yulita
Kode Jurnal: jptinformatikadd170277
