Mạng nơron truyền thẳng và ứng dụng trong dự báo dữ liệu

Mạng nơron nhân tạo xuất phát từ việc mô phỏng hoạt động của bộ não con người. Mạng nơron là các mô hình tính toán chứa các đơn vị xử lý có khả năng truyền thông với nhau bằng cách gửi các tín hiệu đến lẫn nhau thông qua các liên kết có trọng số. Có khả năng thích nghi, nghĩa là “học từ các mẫu” thay vì “lập trình”. Các ứng dụng của mạng nơron:  Phân loại: tín hiệu radar; xem xét các mẫu bệnh,…...
Nội dung trích xuất từ tài liệu:
Mạng nơron truyền thẳng và ứng dụng trong dự báo dữ liệu Mạng nơron truyền thẳngvà ứng dụng trong dự báo dữ liệu LUẬN VĂN THẠC SĨ KHOA HỌC Giáo viên hướng dẫn TS. Lê Hải Khôi Người thực hiện Trần Đức MinhNội dung1. Giới thiệu.2. Các khái niệm cơ bản về mạng nơron.3. Mạng nơron truyền thẳng.4. Thu thập, Phân tích và xử lý dữ liệu.5. Chương trình dự báo dữ liệu.6. Kết luận 21. Giới thiệu Mạng nơron nhân tạo xuất phát từ việc mô phỏng hoạt động của bộ não con người. Mạng nơron là các mô hình tính toán chứa các đơn vị xử lý có khả năng truyền thông với nhau bằng cách gửi các tín hiệu đến lẫn nhau thông qua các liên kết có trọng số. Có khả năng thích nghi, nghĩa là “học từ các mẫu” thay vì “lập trình”. Các ứng dụng của mạng nơron:  Phân loại: tín hiệu radar; xem xét các mẫu bệnh,…  Giảm nhiễu: tiếng nói, ảnh tĩnh bị nhiễu,…  Dự đoán/Dự báo : lượng sử dụng, thị trường, dự đoán lượng bán,… 32. Các khái niệm cơ bản về mạng nơron:Mạng nơron có các đặc trưng sau: Tập các đơn vị xử lý. Một mức kích hoạt cho mỗi đơn vị. x0 w θj j0 j Các liên kết giữa các đơn vị. x1 wj1 aj zj Σ g(aj) Luật lan truyền. wjn ... xn n Các hàm chuyển. a   w x  j ji i j zj  g (aj ) i 1 Các đầu vào ngoài dữ liệu (độ lệch - bias). Phương pháp thu thập thông tin - Luật học. Môi trường trong đó hệ thống có thể hoạt động. 43. Mạng nơron truyền thẳng3.1. Cấu trúc cơ bản bias bias • Bao gồm một số lớp (1 lớp vào, 1 hay x0 h0 nhiều lớp ẩn và 1 lớp ra). x1 y1 h1 • Mỗi lớp có một số các đơn vị. x2 y2 • Mỗi đơn vị nhận đầu vào từ các đơn h2 … … … vị ở lớp trước đó và gửi các tín hiệu xl yn này đến các đơn vị ở lớp kế tiếp. hm Input Layer w(1)ij (2 ) Hidden Layer w jk Output Layer • Đầu ra được biểu diễn bởi một hàm tường minh của các trọng số và độ lệch. Đơn vị ẩn: l l aj   w (1) x ji i hj  g (aj )  g ( w(1) jixi ) i 0 i 0 Đơn vị đầu ra: m l yk  g 2( ak )  g 2( w g ( w(1) jixi )) m ( 2) ak   w ( 2) h kj j kj j 0 i 0 j 0 53.2. Khả năng thể hiện Các mạng không có các lớp ẩn chỉ có khả năng giải quyết các bài toán khả phân tuyến tính. Các mạng nơron với một lớp ẩn có thể xấp xỉ khá tốt bất kỳ một ánh xạ hàm nào từ không gian hữu hạn một chiều sang một không gian khác. Các mạng nơron với 2 lớp ẩn có khả năng thể hiện một đường phân chia hay xấp xỉ một ánh xạ mịn bất kỳ tới một độ chính xác bất kỳ. 63 ...