Các mạng Nơ-ron ứng dụng trong lập trình trí tuệ nhân tạo nâng cao

Thứ hai , 15/05/2017, 07:53 GMT+7
     

 

Bài trước chúng ta đã đi qua vấn đề:

                                                               Bài 1: Phương pháp xây dựng Ontology

                                                               Bài 2: Mạng xã hội và Ontology Foaf

                                                               Bài 3: Fuzzy Ontology - Ontology mờ

1.   Perceptron:

-         Các bước tính toán:

Bước 1 Khởi tạo tất cả các trọng số wi = 0; α = 1;

Bước 2 Đặt giá trị cho các nơron đầu vào xi = si;

Bước 3 Tính giá trị của nơron đầu ra

Bước 4 Chỉnh trọng số

Nếu y t thì w (mới) = w (cũ) + αtx ; b(mới) = b(cũ) αt ;

Nếu y = t thì wi(mới) = wi(cũ) ; b(mới) = b(cũ) ;

Bước 5 Lặp lại các bước 2, 3, 4 cho tất cả cặp đầu vào& đầu ra của bộ huấn luyện

Bước 6 Lặp lại các bước 2, 3, 4, 5 cho đến khi các trọng số không biến thiên nữa.

-         Ví dụ 1:

-         Ví dụ 2:

-                     Nhận xét : Nếu có một bộ trọng số w* sao cho đầu ra của mạng đúng với giá mục tiêu, thì dù xuất phát từ bất kỳ bộ trọng số w nào, thuật toán huấn luyện perceptron cũng luôn hội tụ vềmột bộ trọng số, mà với bộ trọng số này, giá trị đầu ra đúng với mọi giá trị mục tiêu, và bộ trọng số này thu được trong một số bước lặp hữu hạn.

2.   Adaline :

-         Các bước tính toán:

Bước 1 Khởi tạo tất cả các trọng số & hệ số học α.

Bước 2 Đặt giá trị cho các nơron đầu vào xi = si ;

Bước 3 Tính giá trị của nơron đầu ra:

Bước 4 Chỉnh trọng số:

wi(mới) = wi(cũ) + α(t – net)xi ; b(mới) = b(cũ) + α(t – net) ;

Bước 5 Lặp lại các bước 2, 3, 4 cho tất cả cặp đầu vào& đầu ra của bộ huấn luyện.

Bước 6 Lặp lại các bước 2, 3, 4, 5 cho đến khi sự thay đổi trọng số lớn nhất trong

bước 4 nhỏ hơn một sai số cho trước

-         Ví dụ 1:

-         Ví dụ 2:

1.   Mạng ký ức tự kết :

-         Các bước tính toán :

Bước 1 Khởi tạo tất cả các trọng số wi = 0 (i = 1 tới n).

Bước 2 Đặt giá trị cho các nơron đầu vào xi = si;

Bước 3 Đặt giá trị cho nơron đầu ra yj = tj;

Bước 4 Chỉnh trọng số:

wi(mới) = wi(cũ) + xiyj (i = 1 tới n)

Bước 5 Lặp lại các bước 2, 3, 4 cho tất cả cặp đầu vào& đầu ra của bộ huấn luyện.

-         Ví dụ 1:

1.   Mạng ký ức tự kết lặp :

-         Các bước tính toán :

Bước 1 Khởi tạo tất cả các trọng số & các hệ số học.

Bước 2 Đặt giá trị kích hoạt yi = xi;

Bước 3 Tính các đầu vào

Bước 5 Chỉnh trọng số:

wij(mới) = wij(cũ) + βyiyj

Bước 6 Lặp lại các bước 2, 3, 4, 5 cho tất cả cặp đầu vào & đầu ra của bộ huấn luyện.

-         Ví dụ :

Tài liệu tham khảo

1)     Trí tuệ nhân tạo Mạng neural – Phương pháp và ứng dụng – TS. Nguyễn Đình Thúc. Trường ĐH KHTN- NXB Giáo dục – 11/2002.

2)     http://en.wikipedia.org/wiki/Neural_network

3)     Hệ mờ, mạng nơ-ron à ứng dụng – Bùi Công Cường, Nguyễn Doãn Phước – NXB Khoa học kĩ thuật Hà Nội - 2006.

4)     Luận văn thạc sĩ – Nghiên cứu ứng dụng mạng nơ-ron – Vũ Mạnh Thủy - Đại học Thái nguyên - 2009.

5)     https://sites.google.com/site/ncpdhbkhn/bai-giang- Mạng nơ-ron nhân tạo – Nguyễn Công Phương – ĐHBKHN. 

mạng Nơ-ron tri tue nhan tao ai nang cao