Seminar Usulan
Fadhil Amarrilo Tsasami
Metode Pemantauan dan Indentifikasi Kadar Glukosa Darah Menggunakan PPG dengan ResNet32 yg dioptimalkan
ResNet32 adalah salah satu varian dari arsitektur jaringan saraf tiruan (neural network) yang disebut Residual Network (ResNet). ResNet dikembangkan oleh Kaiming He dkk. pada tahun 2015 dan telah menjadi salah satu arsitektur jaringan saraf yang paling populer dan efektif dalam berbagai tugas pengenalan pola, seperti klasifikasi gambar.
ResNet32 adalah versi yang lebih kecil dari ResNet, dengan 32 layer. Arsitektur ini menggunakan konsep “residual connection” yang memungkinkan jaringan untuk mempelajari fitur-fitur yang lebih kompleks dan abstrak dengan lebih efektif.
ResNet32 dapat digunakan untuk berbagai tugas, seperti:
1. *Klasifikasi gambar*: ResNet32 dapat digunakan untuk mengklasifikasikan gambar ke dalam kategori-kategori tertentu.
2. *Deteksi objek*: ResNet32 dapat digunakan sebagai backbone untuk deteksi objek dalam gambar.
3. *Segmentasi gambar*: ResNet32 dapat digunakan untuk segmentasi gambar, yaitu membagi gambar menjadi region-region yang berbeda.
Kelebihan ResNet32 adalah:
1. *Akurasi yang tinggi*: ResNet32 dapat mencapai akurasi yang tinggi dalam berbagai tugas pengenalan pola.
2. *Efisiensi komputasi*: ResNet32 relatif lebih efisien dalam komputasi dibandingkan dengan arsitektur jaringan saraf lainnya.
Namun, ResNet32 juga memiliki beberapa kekurangan, seperti:
1. *Kompleksitas yang tinggi*: ResNet32 memiliki kompleksitas yang tinggi, sehingga memerlukan waktu dan sumber daya yang lebih besar untuk pelatihan dan pengujian.
2. *Overfitting*: ResNet32 dapat mengalami overfitting jika tidak dilatih dengan dataset yang cukup besar dan beragam.