Bài giảng Trí tuệ nhân tạo (Tuần 8)

Chia sẻ: Lê Na | Ngày: | Loại File: PDF | Số trang:4

Thêm vào BST

Báo xấu

49
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Trí tuệ nhân tạo (Tuần 8) trình bày các nội dung: Quá trình học máy, giới thiệu Neural Networks, cấu trúc Neural Networks, thuật toán SOM. Tham khảo nội dung bài giảng để nắm bắt nội dung chi tiết.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Trí tuệ nhân tạo (Tuần 8)

3/10/2014 Tuần 8 (Bài 1) Hai V Pham HUST 1 Một quá trình mà một chương trình máy tính cải thiện hiệu suất của nó thông qua kinh nghiệm [Mitchell, 1997] Lập trình các máy tính để tối ưu hóa một tiêu chí hiệu suất dựa trên các kinh nghiệm trong quá khứ [Alpaydin, 2004] 2 3 1
3/10/2014 4 Mạng nơron nhân tạo, Artificial Neural Network (ANN) gọi tắt là mạng nơron, neural network, là một mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của các hệ nơron sinh học 5 6 2
3/10/2014 7 8 Hai V Pham hai@spice.ci.ritsumei.ac.jp 9 3
3/10/2014 B0. Khởi tạo ngẫu nhiên bộ dữ liệu Cặt giá trị bán kính R lớn nhất. Cặt giá trị tốc độ học Alpha α. B1. Khi điều kiện dừng vẫn chưa thỏa mãn thì thực hiện B2 -> B8 B2. Với mỗi ví dụ học là vectơ X đầu vào thì thực hiện B3 -> B5 B3. Với mỗi Nơron trên bản đồ, tính khoảng cách Euclidean giữa từng nơron với input vectơ để xác định độ tương đồng giữa input vectơ với từng weight vectơ,theo công thức: Trong đó i và j là chỉ số của nơron chứa vectơ trọng số wj trên lưới nơron đầu ra. B4. Tìm chỉ số của nơron tương đồng với vectơ input nhất -> chính là winner-neuron Với k1,k2 ở đây là chỉ số của winner-neuron B5.Xác định các láng giềng của winner-neuron sẽ được cập nhật vectơ trọng số bằng một hàm hình học: Hàm này đạt giá trị max với winner neuron và tiến đến 0 khi khoảng cách đến winner neuron tiến ra vô cùng. σ(t) là hàm xác định khoảng cách láng giềng, ban đầu nó đủ lớn để bao trùm gần như toàn bộ lưới nơron đầu ra nhưng nó sẽ giảm dần theo thời gian. Với là khoảng cách tới winner neuron: B6. Cập nhật bộ trọng số của các nơron láng giềng của winner neuron: B7. Sau khi học xong toàn bộ các ví dụ trong tập học – hoàn thành 1 lần lặp, thực hiện cập nhật tốc độ học giảm dần. B8. Giảm bán kính để xác định láng giềng B9. Kiểm tra điều kiện dừng ( thường là khi giá trị của tộc độ học đạt tới một giá trị đủ nhỏ mà nếu tiếp tục cập nhật trọng số cũng ko có ý nghĩa hoặc ma trận trọng số hội tụ ( ma trận hội tụ là ma trận có các chỉ số hội tụ về một giá trị cố định) ). Hai V Pham 10 hai@spice.ci.ritsumei.ac.jp Trình bày tóm tắt dự án – bài tập lớn môn học Trình bày kết quả & demo chương trình Báo cáo nộp: ◦ Viết thuật giải ◦ Trình bày không gian trạng thái ◦ Các bước cài đặt / hướng dẫn cài đặt ◦ Gửi email cho lớp trưởng (báo cáo đầy đủ, Slides trình bày, mã nguồn) ◦ Gửi bản in báo cáo nộp tại lớp Hai V Pham hai@spice.ci.ritsumei.ac.jp 11 4