Professional Documents
Culture Documents
Chapter 2
Chapter 2
x2 w2 f y
xn wn
Synaptic weight
(a) Cấu trúc nơ-ron (a) Mô hình toán của nơ-ron
•
• trong đó xem x0 luôn bằng 1
Hàm tích cực (activation function)
f(x)
0 threshold x
•
1 𝑖𝑓 𝑤 𝑖 𝑥 𝑖 ≥ 𝑡h𝑟𝑒𝑠h𝑜𝑙𝑑
𝑦=
{
0𝑖𝑓 𝑤 𝑖 𝑥 𝑖< 𝑡h𝑟𝑒𝑠h𝑜𝑙𝑑
Mạng nơ-ron nhân tạo
Hidden layer
h1 h2 h3
Input layer
Output layer
Wn,2 Wm,1
W2,k
W1,k
yk
W1,m
xn
Wm,k Output
Wn,m
Input
hm
hidden
•
Biểu diễn tập trọng số và các phép toán
• ký hiệu Wxh, có kich thước n×m.
• Ngõ vào x được thể hiện bởi vector
Huấn luyện mạng nơ-ron nhân tạo
Output
Input
Học có giám sát (Supervised learning)
Ngõ ra
Output
Ngõ vào
Sai số
Ngõ ra
mong muốn
• Trong quá trình học có giám sát, các cặp giá trị x được đưa đến ngõ
vào để tính giá trị ngõ ra của mạng. Nếu ngõ ra chưa đúng với ngõ ra
mong muốn thì sai số được dùng để hiệu chỉnh các trọng số
Học không có giám sát (Unsupervised learning)
Output
• Để huấn luyện mạng chúng ta đưa các ngõ vào x nhưng chúng ta
không đưa các giá trị mong muốn ngõ ra. Trong trường hợp này không
có ngõ ra mong muốn để so sánh xem ngõ ra hiện tại đã phù hợp
chưa. Do đó chúng ta gọi là học không có giám sát. Các mạng nơ-ron
học thông qua các ngõ vào để giải quyết các bài toán như phân nhóm
Một số kiến trúc mạng nơ-ron phổ biến
• Perceptron nơ-ron
• Mạng nhiều lớp lan truyền thẳng (Multilayer feed forward neural
network).
Input layer
Output layer
Một số kiến trúc mạng nơ-ron phổ biến
• Mạng nơ-ron tích chập (Convolutional Neural Network).
Input
image
Convolutional layer Fully connected layer
Output
input
Môi trường phát triển các ứng dụng mạng nơ-ron
nhân tạo
• Phần mềm Matlab
• HĐH Ubuntu
• (Jyputer notebook)
• MacOS
• (Jyputer notebook)