Neural Network With Matlab #5: Giới thiệu mạng Perceptrons

Thảo luận trong 'TRÍ TUỆ NHÂN TẠO' bắt đầu bởi Cu Bo, 22 Tháng bảy 2016.

Chia sẻ trang này

Lượt xem: 1,307

  1. Cu Bo

    By:Cu Boin: 22 Tháng bảy 2016
    Cu Bo

    Tham gia ngày:
    25 Tháng bảy 2014
    Bài viết:
    13
    Đã được thích:
    8
    Neural Network With Matlab #5:
    Giới thiệu mạng Perceptrons


    [​IMG]

    Giới thiệu chung


    Mạng Perceptron là mạng đơn giản chỉ có một lớp phân loại nhị phân, có nghĩa là sẽ chia không gian đầu vào bằng một đường ranh giới. Để dễ hiểu, ta quan sát sự phân loại chó mèo ở hình dưới:

    [​IMG]
    Mạng Perceptron có thể được tạo ra bằng hàm newp. Mạng này có thể được khởi tạo, mô phỏng và huấn luyện bằng hàm init, sim train.
    Mô hình nơ-ron

    Một nơ-ron perceptron, sử dụng hàm truyền hard-limit (hardlim), như sau:

    [​IMG]
    Mỗi đầu vào p{j} có hàm trọng (weighted) với trọng liên kết (appropriate weight) w{1,j}, và tổng các trọng đầu vào được gửi đến hàm truyền hard-limit, kể cả độ dốc (bias). Hàm truyền sẽ trả về giá trị 0 hoặc 1.

    [​IMG]
    Kết quả của nơ-ron perceptron là 1 nếu đầu vào của hàm truyền có giá trị lơn hơn hoặc bằng 0; bằng 0 với các giá trị còn lại.

    Hàm truyền hard-limit giúp cho nơ-ron perceptron có khả năng phân loại vector đầu vào thành 2 phần. Rõ hơn, đầu ra sẽ bằng 0 nếu đầu vào n thấp hơn 0, hoặc bằng 1 nếu n lớn hơn hoặc bằng 0. Ví dụ ta xét nơ-ron perceptron có 2 đầu vào với w{1,1} = -1, w{1,2} = 1, b= 1. Ta có:

    [​IMG]
    Hai miền phân loại rõ ràng bằng đường ranh giới L có phương trình Wp+b = 0. Đường này vuông góc với vector trọng W (weight) và dịch qua một khoảng b. Vector đầu vào nằm trên hoặc bên trái đường L sẽ có kết quả đầu vào hàm truyền lớn hơn 0; vì vậy, kết quả trả về của nơ-ron hard-limit sẽ là 1. Ngược lại, vector đầu vào nằm bên phải đường L sẽ có kết quả về của nơ-fon hard-limit là 0. Đường phân chia có thể thay đổi hướng bằng cách chọn lại hàm trọng w (weight) và bias b.

    Nơ-ron hard-limit không có bias sẽ luôn có đường phân chia đi qua gốc tọa độ. Thêm bias vào nơ-ron sẽ giải quyết được vấn đề hai vector đầu vào lại không thể phân vùng khác nhau. Bias sẽ làm cho đường phân chia được dịch một khoảng từ gốc tọa độ như đồ thị trên.
    Cấu trúc Perceptron

    Mạng Perceptron là một mạng đơn lớp của S nơ-ron Perceptron có R đầu vào xuyên qua hàm trọng w{i,j} như sơ đồ hình dưới. Với ij chỉ ra w{i,j} là hàm trọng liên kết đầu vào j với nơ-ron i.

    [​IMG]
    Luật học của Perceptron được miêu tả ngắn gọn là khả năng huấn luyện của chỉ một lớn đơn. Vì vậy, ta chỉ coi là mạng một lớp. Nó chỉ có khả năng giải quyết những bài toán đơn giản. Những hạn chế của Perceptron sẽ được đề cập phần sau.​
     
    Last edited: 23 Tháng bảy 2016
    Lu ROm thích bài này.