TR NG Đ I H C QU C GIA HÀ N IƯỜ Ạ Ọ Ố Ộ
Đ I H C CÔNG NGHẠ Ọ Ệ
-----o0o-----
BÁO CÁO
Môn: TRÍ TU NHÂN T O NÂNG CAOỆ Ạ
S D NG M NG NEURAL XÂY D NGỬ Ụ Ạ Ự
NG D NG NH N D NG CH VI T TAYỨ Ụ Ậ Ạ Ữ Ế
Gi ng viên h ng d n ả ướ ẫ : Đ NĂNG TOÀNỖ
H c viên th c hi nọ ự ệ : NGUY N H U HUYỄ Ữ
NGUY N XUÂN KỲỄ
ĐOÀN TH THÙY LINHỊ
L pớ: K16T3
Hà n i, 4-2010ộ
Mục lục
1. TỔNG QUAN VỀ MẠNG NƠRON .............................................................................................. 5
1.1. Mạng nơron là gì ............................................................................................................. 5
1.2. ứng dụng trong lĩnh vực gì .............................................................................................. 5
2. CẤU TRÚC CỦA MỘT NƠRON .................................................................................................. 5
3. HỌC CÓ GIÁM SÁT VÀ HỌC KHÔNG CÓ GIÁM SÁT ............................................................. 6
3.1. Mạng nơron học có giám sát: ........................................................................................ 7
3.2. Trong phương pháp học không có giám sát: ................................................................... 7
4. GIẢI THUẬT LAN TRUYỀN NGƯỢC ......................................................................................... 7
5. LEARNING RATE ....................................................................................................................... 8
6. HÀM ACTIVE .............................................................................................................................. 9
6.1. Mô hình hàm : y = 1 / (1 + Exp(-x)) ................................................................................. 9
6.2. Mô hình hàm : y = x ........................................................................................................ 9
6.3. Hình 7.3: Mô hình hàm y = Log(1 + |x|) ........................................................................ 10
6.4. Hình 7. 4: Mô hình hàm y = sin(x) ................................................................................. 10
6.5. Hình 7.5: Mô hình hàm y=Tan(x) .................................................................................. 10
7. BẢN ĐỒ TỔ CHỨC KOHONEN SOM (KOHONEN SELF -ORGANIZING MAPS) .................. 11
8. HÀM NEIGHBORHOOD ........................................................................................................... 13
2/22
8.1. Tổng quan .................................................................................................................... 13
8.2. Hình minh họa .............................................................................................................. 13
9. LƯỚI TOPOLOGY .................................................................................................................... 14
10. MỘT SỐ HÌNH DẠNG CỦA LỚP KOHONEN ........................................................................ 15
11. THIẾT KẾ MẠNG NƠRON ...................................................................................................... 15
11.1. Số lượng lớp ẩn (trong mạng Backpropagation) ........................................................ 16
11.2. Mạng neurol ban đầu ................................................................................................. 16
11.3. Số mẫu huấn luyện ..................................................................................................... 16
12. CÁC LĨNH VỰC ỨNG DỤNG MẠNG NƠRON ........................................................................ 16
12.1. Giải quyết các bài toán ............................................................................................... 17
12.2. Phạm vi ứng dụng ....................................................................................................... 17
13. CÀI ĐẶT MÔI TRƯỜNG PHÁT TRIỂN ................................................................................... 17
13.1. Ngôn ngữ lập trình ...................................................................................................... 17
13.2. Công cụ phát triển ...................................................................................................... 17
14. NEURONNETWORK CLASS ................................................................................................ 17
14.1. Neuron.Core namespace ............................................................................................ 18
14.2. NeuronNetwork.Core.Initializers namespace .............................................................. 18
14.3. NeuronNetwork.Core.LearningRateFunctions namespace ......................................... 19
14.4. NeuronNetwork.Core.BackPropagation namespace .................................................. 19
14.5. NeuronNetwork.Core.SOM namespace ..................................................................... 19
14.6. NeuronNetwork.Core.SOM.NeighborhoodFunctions namespace ............................... 20
15. MỘT VÀI ĐOẠN CODE HỮU DỤNG ...................................................................................... 20
15.1. backpropagation network ............................................................................................ 20
15.2. Đoạn mã khởi tạo một Kohonen SOM. ....................................................................... 20
16. CHƯƠNG TRÌNH ỨNG DỤNG MẠNG NEURON ................................................................... 21
3/22
16.1. Nhận dạng ký tự bàng cách vẽ chữ. ............................................................................ 21
4/22
1. Tổng quan về mạng nơron
1.1. Mạng nơron là gì
Mạng nơron nhân tạo, Artificaial Neural Network (ANN) gọi tắt là mạng nơron (neural
network), là mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của các hệ nơron
sinh học. Nó được tạo nên từ một số lượng lớn các phần tử (gọi là phần tử xử lý hay nơron)
kết nối với nhau thông qua các liên kết (gọi là trọng số liên kết) làm việc như một thể thông
nhất để giải quyết một vấn đề cụ thể nào đó.
1.2. ứng dụng trong lĩnh vực gì
Một mạng nơron nhân tạo được cấu hình cho một ứng dụng cụ thể (nhận dạng mẫu, phân
loại dữ liệu,…) thông qua một quá trình học từ các mẫu huấn luyện. Về bản chất học chính
là quá trình hiệu chỉnh trọng số liên kết giữa các nơron
2. Cấu trúc của một nơron
Cấu trúc tổng quát
5/22