Nhận dạng ảnh mặt người sử dụng mạng nơron liên kết hai chiều

Chủ đề của bài viết là khai thác, sử dụng bộ nhớ liên kết hai hướng (BAM: Bidirectional Associative Memory) một loại mạng nơron truy hồi để nhận dạng ảnh mặt người. Bài viết xây dựng cấu trúc BAM và thuật toán nhận dạng ảnh mặt người được xây dựng dựa trên luật học Hebb và mạng BAM.
Nội dung trích xuất từ tài liệu:
Nhận dạng ảnh mặt người sử dụng mạng nơron liên kết hai chiều TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) NHẬN DẠNG ẢNH MẶT NGƯỜI SỬ DỤNG MẠNG NƠRON LIÊN KẾT HAI CHIỀU PATTERN RECOGNITION OF FACE IMAGES USING BIDIRECTIONAL ASSOCITIVE MEMORY 1* 1 2 2 3 Bùi Tiến Chiến , Nguyễn Kim Quế , Dương Đức Anh , Vũ Thị Thêm , Nguyễn Quang Hoan 1 Trường Đai học Điện lực, 2Viện Nghiên cứu Điện tử, Tin học, Tự động hóa 3 Học viện Công nghệ Bưu chính Viễn thông Ngày nhận bài: 04/10/2023, Ngày chấp nhận đăng: 17/10/2023, Phản biện: PGS. TS Trần Đức ThuậnTóm tắt:Chủ đề của bài báo là khai thác, sử dụng bộ nhớ liên kết hai hướng (BAM: Bidirectional AssociativeMemory) một loại mạng nơron truy hồi để nhận dạng ảnh mặt người. Bài báo xây dựng cấu trúcBAM và thuật toán nhận dạng ảnh mặt người được xây dựng dựa trên luật học Hebb và mạng BAM.Hệ thống nhận dạng có kích thước nhỏ, gọn nhẹ, tín hiệu ra được thử nghiệm ghép với thiết bị điệntử và loa thông báo để cảnh báo nhận dạng đúng – sai và có thể dùng cho điều khiển ON/OFF thíchhợp với những hệ thống vừa và nhỏ như ngôi nhà thông minh hoặc tương đương.Từ khóa:Mạng nơron nhân tạo, nhận mẫu, bộ nhớ liên kết, luật học.Abstract:The focus of the article is the exploration and application of Bidirectional Associative Memory (BAM),a form of recurrent neural network, for the purpose of recognizing human facial images. The articlepresents a novel algorithmic framework rooted in Hebbs rule, tailored specifically for the recognitionof human faces. This pattern recognition system is characterized by its compact size and efficiency.The output signal undergoes testing in conjunction with electronic devices and notification speakers,serving as a reliable indicator for correct and incorrect pattern recognitions. It is adaptable forON/OFF control, making it well-suited for various applications, particularly in the realm of small andmedium-sized systems such as smart homes and their equivalents.Keywords:Artificial Neural Networks, Pattern Recognition, Associative Memory, Learning Rule.1. MỞ ĐẦU nhiều hệ thống vừa và nhỏ, có dữ liệuNgày nay, mạng nơron học sâu với kích không lớn thích hợp cho ứng dụng nhữngthước lớn (hàng nghìn lớp, mỗi lớp có mạng nơron có kích thước nhỏ phù hợphàng trăm nơron) nhằm giải quyết những với công nghiệp và dân dụng của nước tabài toán nhận mẫu ảnh, tiếng nói cũng với chi phí thấp. Mạng nơron liên kết hainhư dự báo có dữ liệu lớn. Tuy nhiên, chiều, một trong các dạng mạng nơron hồi Số 33 87TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC(ISSN: 1859 - 4557)quy thích hợp cho các ứng dụng loại này 1972 [7]. Năm 1982, Hopfield đã hiệu[1]. Nhóm mạng hồi quy có ba loại phổ chỉnh mạng đó thành mạng Hopfield rờibiến: mạng Hopfield, mạng BAM [6] và rạc [8] và hai năm sau (1984) cũng chínhmạng nơron tế bào (Cellular Neural Hopfield xây dựng thành mạng liên tục,Networks: CeNN) [1], [2], [5]. Về mặt lý chứng minh và đưa ra các điều kiện ổnthuyết, họ mạng nơron hồi quy có cấu trúc định cho hai loại mạng này [9]. Nămphản hồi, có thể gây mất ổn định nên tiêu 1988, Kosko đề xuất mạng BAM [10] dựachuẩn ổn định là điều kiện cần đầu tiên. trên hai lớp mạng Hopfield: lớp thứ nhất,Như vậy, khác với mạng nơron truyền lớp X: lớp truyền thẳng; lớp thứ hai, lớpthẳng, các trọng số của mạng nơron truy Y: lớp phản hồi (Hình 1).hồi vừa phải đảm bảo ổn định, vừa phải a) Phương trình trạng thái của lớp mạngđảm bảo đầu ra hội tụ về các giá trị mong thứ nhất (với n=6 nơron ở Hình 2):muốn được xác định. Về mặt ứng dụng,mạng nơron tế bào [3], một trong những ∑ (1)mạng thuộc nhóm mạng Hopfield đã trong đó:thành công trong xây dựng máy tính yi = f( là đầu vào thứ i của lớp Y (xemnơron dạng mảng dựa theo mạng nơron tế (3);bào [4]. Các mạng hồi quy, nhất là mạng ;BAM được sử dụng điển hình làm bộ nhớliên kết [2]. Khác với các ứng dụng điển wij là trọng số liên kết đầu vào thứ i đếnhình đã nêu, trong bài báo này, nhóm tác trạng thái thứ j của lớp mạng thứ nhất X.giả xây dựng kiến trúc mạng BAM với 11 b) Ph ...