Mạng neuron nhân tạo ANN

Chia sẻ: Pham Ngoc Hai | Ngày: | Loại File: PDF | Số trang:34

Thêm vào BST

Báo xấu

194
lượt xem 48
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mạng neuron nhân tạo là mạng được xây dựng bằng cách sao chép lại các nguyên lý tổ chức của hệ neuron con người...cấu trúc cơ bản của một neuron trong hệ neuron con người gồm có các đầu vào, thân neuron và đầu ra (axon). Cấu trúc cơ bản của một hệ neuron con người gồm có lớp neuron đầu vào, các lớp neuron ẩn và lớp neuron đầu ra.

Chủ đề:

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

Lưu

Nội dung Text: Mạng neuron nhân tạo ANN

Mạng neuron nhân tạo ANN Phần GV: Lê Hoài Long
Mạng neuron nhân tạo Mạng neuron nhân tạo là mạng được xây dựng bằng cách sao chép lại các nguyên lý tổ chức của hệ neuron con người GV: Lê Hoài Long
Mạng neuron nhân tạo Cấu trúc cơ bản của một neuron trong hệ neuron con người gồm có các đầu vào (dendrities), thân neuron và đầu ra (axon) Synaps Synaps Neuron Axon Dendrite GV: Lê Hoài Long
Mạng neuron nhân tạo Cấu trúc cơ bản của một hệ neuron con người gồm có lớp neuron đầu vào, các lớp neuron ẩn và lớp neuron đầu ra GV: Lê Hoài Long
Mạng neuron nhân tạo Mc.Culloch và Pitts vào năm 1943 đề ra cấu trúc cơ bản của một neuron thứ i trong mô hình của mạng neuron nhân tạo xj - là đầu ra của neuron thứ j w11 hoặc đầu vào từ môi x1 i trường bên ngoài. wij - là trọng số kết nối giữa w12 yi neuron thứ i và neuron thứ x2 Đầu ra j.  - là giá trị ngưỡng của Phần tử xử lý thứ i w1m neuron thứ i. xm yi - là đầu ra của neuron thứ i GV: Lê Hoài Long
Mạng neuron nhân tạo Mô hình tính toán đơn giản cho đầu ra yi của neuron thứ i được định nghĩa như sau m    wij  x j (t )   i  yi (t  1)  a    j 1 Nếu gọi fi là một hàm tổng hợp để tổng hợp tất cả các thông tin đến từ các đầu vào của neuron thứ i m  f i    w ij  x j (t )   i     j 1  GV: Lê Hoài Long
Mạng neuron nhân tạo Lúc này ta có một hàm tác động (hàm chuyển) – đầu ra yi (t  1)  a f i  Trọng số wij biểu diễn cường độ kết nối giữa neuron thứ j với neuron thứ i. Nếu là trọng số dương tương ứng với tín hiệu truyền kích động, nếu là trọng số âm tương ứng với tín hiệu truyền ức chế, và nếu wij = 0 thì không có sự kết nối giữa hai neuron. GV: Lê Hoài Long
Mạng neuron nhân tạo Xác định cấu trúc Để thiết kế một mạng mạng ANN Huấn luyện mạng GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo Xử lý ảnh và nhận biết bằng máy tính  Xử lý tín hiệu  Nhận dạng mẫu  Kỹ thuật chế tạo  Hệ thống điện  Y học  Quân sự  Kinh tế  …  GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo Ứng dụng ANN trong quản lý xây dựng trên thế giới  Dự trù chi phí cho công tác lót đường bằng bê tông cốt thép của Hojjat Adeli và Mingyang Wu, ASCE (1998 [13]),  Dự trù chi phí xây dựng đường cao tốc Tarek Hegazy và Amr Ayed, ASCE (1998 [14]), của Chester G Wilmot và Bing Mei, ASCE (2005 [15])  Dự đoán quá trình thực hiện các dự án thiết kế thi công ở Singapore của Florence Yean Yng Ling và Min Liu (2004 [16]),  Ảnh hưởng của các yêu cầu thay đổi đến năng suất lao động của Osama Moselhi và đồng sự, ASCE (2005 [17])  Dự trù năng suất ngành của Jason Portas và Simaan Abourizk, ASCE (1997 [18])  Khả năng ứng dụng mang neuron trong xây dựng được Moselhi. O và đồng sự , ASCE chỉ ra trong (1991 [19]). … GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo – Việt Nam Xây dựng mô hình xác định chi phí trong xây dựng  dựa trên ứng dụng mạng neuron của Trần Bách - Luận văn thạc sỹ ĐHBK TP.HCM (2006 [8]). Qua đó tác giả đã xây dựng mô hình xác định chi phí thực tế của dự án xây dựng dựa trên ứng dụng của mạng neuron mờ thông qua 16 yếu tố đầu vào của mô hình là các yếu tố tác động đến sự thay đổi chi phí của dự án xây dựng được xác định từ các nghiên cứu trước đó và các đặc trưng của dự án GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo – Việt Nam Ứng dụng ANN tối ưu hoá tiến độ mạng, Luận  văn thạc sỹ Hồ Hải Đăng, ĐHBK TPHCM (2004 [6]) Ứng dụng ANN trong chọn thầu thi công, Luận  văn thạc sỹ Phạm Trường Giang, ĐHBK TPHCM (2003 [7]) GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo – Việt Nam Luận văn thạc sỹ của Văn Khoa ĐHBK  TP.HCM (2006 [30]). Trong luận văn tác giả đã trình bày cách ứng dụng mạng neuron nhân tạo để dự đoán chi phí xây dựng cho các dự án chúng cư qua việc ‘học’ từ kinh nghiệm các chúng cư đã được xây dựng trước đây với sự hỗ trợ của công cụ Matlab để tìm được bảng ma trận trọng số. GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo – Việt Nam Luận văn của Nguyễn Anh Tuấn (2007) đánh giá rủi  ro biến động chi phí và tiến độ trong giai đoạn thi công của dự án. Tác giả đã xác định được các biến đầu vào thông qua một cuộc khảo sát bằng bảng câu hỏi. Luận văn của Nguyễn Nam Cường (2007) đánh giá  khả năng mất năng suất lao động trên các công trường xây dựng ở Việt Nam thông quá các yếu tố tác động. Tương tự Nguyễn Anh Tuấn, tác giả cũng xác định các biến đầu vào là các yếu tố có khả năng gây biến động năng suất dựa trên một cuộc khảo sát. Tác giả đã viết một chương trình ứng dụng với ngôn ngữ C++ có thể giúp các kỹ sư, người quản lý ứng dụng kết quả nghiên cứu vào trong thực tế. GV: Lê Hoài Long
Thống nhất Trong môn học này, chúng ta không xem xét  hết tất cả các cấu trúc neuron. Chỉ những cấu trúc neuron được ứng dụng nhiều trong quản lý xây dựng mới được nghiên cứu trong môn học này. Các cấu trúc khác học viên tự nghiên cứu  nếu thấy cần thiết. GV: Lê Hoài Long
Kí hiệu Vô hướng (scalar) kí hiệu chữ thường in  nghiêng: a, b, c Vector: kí hiệu chữ thường in đậm: a, b, c  Ma trận: chữ hoa in đậm: A, B, C  GV: Lê Hoài Long
Mô hình neuron Một biến đầu vào (single-input)  GV: Lê Hoài Long
Mô hình neuron – 1 biến đầu vào Giá trị đầu ra neuron được tính toán theo  công thức: a  f ( wp  b) Ví dụ: ta có w= 3, p = 2 và b = -1.5  => a = ?? GV: Lê Hoài Long
Mô hình neuron – 1 biến đầu vào Giá trị đầu ra phụ thuộc vào hàm chuyển.  Bias cũng là một trọng số (weight). Trong  một số trường hợp không cần thiết phải sử dụng bias. Chú ý: w và b đều là các tham số có thể thay  đổi trong cấu trúc neuron. GV: Lê Hoài Long
Mô hình neuron Hàm chuyển (truyền) (Transfer function)  Hàm chuyển có thể tuyến tính hay phi tuyến. - Hàm chuyển được lựa chọn để thỏa mãn các - đặc trưng của vấn đề mà mô hình neuron đang cố gắng giải quyết. Có khá nhiều dạng hàm chuyển, tuy nhiên có - 3 dạng chính hay được sử dụng GV: Lê Hoài Long