Opacity: zIndex: Get 100000 0FP0EXP Token to input your own list (json format) or insert json link:

Get 80000 0FP0EXP Token to input your own list (json format) or insert json link:

My Playlist:

JSON Ready: Not Ready

Ready State:

Network State:

Name:

Album:

Reference:

Background Color

General HTML background color:

Header background color:

Menu background color:

Content background color:

Widget background color:

Footer background color:

Font Size

Get 150000 0FP0EXP Token to unlock this feature.

Heading 1 font size:

Heading 2 font size:

Heading 3 font size:

Heading 4 font size:

Heading 5 font size:

Heading 6 font size:

Header font size:

Header Widget font size:

Menu font size:

Widget font size:

Footer font size:

Content font size:

Font Color

Get 200000 0FP0EXP Token to unlock this feature.

Heading 1 font color:

Heading 2 font color:

Heading 3 font color:

Heading 4 font color:

Heading 5 font color:

Heading 6 font color:

Header font color:

Header Widget font color:

Menu font color:

Widget font color:

Footer font color:

Content font color:

Font Shadow

Get 250000 0FP0EXP Token to unlock this feature.

Heading 1 font shadow:

Heading 2 font shadow:

Heading 3 font shadow:

Heading 4 font shadow:

Heading 5 font shadow:

Heading 6 font shadow:

Header font shadow:

Header Widget font shadow:

Menu font shadow:

Widget font shadow:

Footer font shadow:

Content font shadow:

Other Styles Coming Soon



Source Code

Click the above image for basic sourced and click following button for processing token source code.

Ethereum Virtual Machine

Ethereum and EVM (ETC, BSC, AVAX-C-Chain, Polygon, etc).

Telegram Open Network

Telegram Open Network (TON) decentralized application.

Solana

Solana decentralized application.

Tron

Tron decentralized application.

Near

Near decentralized application.

Wax

Wax decentralized application.

Myalgo

Myalgo wallet for Algorand decentralized application.

Sync2

Sync2 wallet for Vechain decentralized application.

Scatter

Scatter wallet for EOS decentralized application.

Ontology

Ontology decentralized application.

Rabbet

Rabbet wallet for Stellar Lumen decentralized application.

Freighter

Freighter wallet for Stellar Lumen decentralized application.

Hivesigner

Hive Signer for Hive decentralized application.

Hivekeychain

Hive Key Chain for Hive decentralized application.

Zilpay

Zilpay wallet for Zilliqa decentralized application.

Neoline N2

Neoline wallet for Neo N2 decentralized application.

Neoline N3

Neoline wallet for Neo N3 decentralized application.

Keplr

Keplr wallet for Cosmos and other decentralized application.

Keeper

Keeper wallet for Waves decentralized application.

IWallet

IWallet for IOST decentralized application.

Konsep Dasar Jaringan Saraf Tiruan

Get 60 0FP0EXP Token to remove widget entirely!

source code



source code
old source code

get any 0FP0EXP Token to automatically turn off or 10 0FP0EXP Token to remove this JavaScript Mining.

Get 50000 0FP0EXP Token to remove my NFTS advertisements!

Get 40000 0FP0EXP Token to remove this donation notification!

get 30000 0FP0EXP Token to remove this paypal donation.

View My Stats

Need referral links?

get 20000 0FP0EXP Token to remove my personal ADS.

word number: 437

Time: 2024-10-02 15:37:44 +0000

neural network

Jaringan saraf tiruan merupakan tiruan kerja saraf berpikir manusia dalam bentuk logika matematika dan diterapkan ke dalam komputer agar komputer dapat memberi keputusan dan belajar. Saraf secara sederhana terdiri dari Dendrit, Soma, Axon, dan Axon terminal. Dendrit berfungsi menerima input baik berupa sensasi, perasaan, maupun informasi, dan setelah itu diproses ke otak sampai menghasilkan keputusan atau ilmu.

brain neurons

Banyak pakar sepakat bahwa otak kita terdiri dari beberapa milyar neuron yang saling terhubung dimana mempengaruhi tingkah laku dan keputusan yang kita pilih.

simple neural network conservative investor

Contoh sangat sederhana penerapan saraf tiruan adalah penghasil keputusan untuk investasi. Input merupakan kondisi pasar yang secara umum dapat dibagi menjadi fundamental, teknikal, dan sentimental. Sifat investor berbeda-beda dimana salah satunya berdasarkan fungsi aktifasi misalnya investor konservatif tidak akan berinvestasi jika keyakinannya tidak mencapai 75%.

simple neural network moderate investor

Investor moderat tidak akan berinvestasi jika keyakinannya tidak mencapai 50%.

simple neural network aggressive

investor agresif akan berinvestasi walaupun hanya yakin 25%.

simple neural network long term investor

Ada sifat investor lainnya yaitu berdasarkan bobot dimana contoh disini investor jangka panjang akan mementingkan fundamental daripada analisa lainnya.

simple neural network influencers followers

Investor yang sekedar hanya ingin ikut-ikutan investasi baik coba-coba maupun hanya ingin cepat kaya akan mementingkan sentimental daripada faktor lainnya bahkan banyak investor jenis ini tidak mengetahui tentang produk sendiri yang diinvestasikannya.

simple neural network analyst

Analyst akan mempertimbangkan semua faktor.

simple neural network trader

Trader bukan lah investor tetapi merupakan pihak yang mengikuti pola pasar yaitu lebih banyak ke analisa teknikal dan berusaha menebak sentimen pasar. Jika pasar cenderung positif maka trader akan melakukan taruhan long yaitu harga akan naik dan sebaliknya jika pasar cenderung negatif maka trader akan melakukan taruhan short yaitu harga akan turun. Jika taruhan trader tersebut tepat, maka trader akan mendapat keuntungan yang berlimpah.

more complicated neural network

Fundamental, technical, dan sentimental dapat dipecah menjadi beberapa bagian khusus dan input pun bisa ditambah jenis lain misalnya analisa chain pada aset kripto. Pembobotan pun dapat bertambah seiring dengan bertambahnya ilmu. Keputusanpun dapat bertambah misalnya dapat ditambah jumlah modal yang ingin digunakan.

complicated learning neural network

Jaringan saraf tiruan bisa lebih kompleks lagi dimana output bisa menjadi input lagi buat jaringan saraf berikutnya. Contohnya keputusan bisa berantai pada trading dimana setelah memasang long atau short, kita tetap perlu memerhatikan pasar untuk menentukan kapan take profit atau stop loss. Jaringan saraf tiruan manusia dapat belajar dimana kita belajar dari hasil apakah sesuai dengan harapan kita atau tidak dan jika tidak maka kita perlu merubah pola kita dan coba berulang lagi sampai tercapai dimana disini bobot-bobot dan koneksi-koneksi antar saraf yang diubah sampai hasilnya bagus.