Views
1 week ago

Bao cao

8 Hình 4. Cấu trúc

8 Hình 4. Cấu trúc của mạng ANN 2.2.1. Đơn vị tính toán (neural) Đơn vị tính toán cơ bản nhất trong ANN là nơ-ron, hay còn được gọi với tên khác như đơn vị hoặc nút. Mỗi nơ-ron nhận đầu vào từ những nơ-ron khác phía trước nó, hoặc đối với những nơ-ron nằm ở tầng đầu vào thì nhận vào thông tin từ bên ngoài. Sau khi nhận được thông tin, nơ-ron sẽ tiến hành tính toán để trả ra kết quả, kết quả này có thể là kết quả của cả mô hình (đối với những nơ-ron nằm ở tầng đầu ra) hoặc có thể là đầu vào cho những nơ-ron phía sau nó. 2.2.2. Tầng đầu vào (input layer) Tầng đầu vào thường là tầng bắt đầu cho một mạng ANN. Tầng đầu vào bao gồm một số lượng nơ-ron nhất định. Số nơ-ron của tầng này phụ thuộc chủ yếu vào cấu trúc của dữ liệu đầu vào. Mỗi mô hình ANN thường chỉ có duy nhất một tầng đầu vào. 2.2.3. Tầng ẩn (hidden layer)

9 Tầng ẩn là tầng nằm giữa tầng đầu vào và tầng đầu ra của mạng ANN. Tầng này bao gồm tập hợp các nơ-ron có nhiệm vụ tính toán. Có thể thấy việc tầng ẩn nằm ngay sau tầng đầu vào, nên nhiệm vụ chính của tầng này thường là trích xuất ra các đặc trưng hoặc thông tin cần thiết từ dữ liệu đầu vào. Điểm khác của tầng này so với tầng đầu vào là các nơ-ron của nó đều được áp vào các hàm chuẩn hóa (2.2.5). Một mạng ANN có thể có nhiều tầng ẩn, số lượng tầng ẩn tối ưu cho một mạng ANN thường phụ thuộc vào rất nhiều yếu tố. Một mạng ANN có nhiều tầng ẩn (thường là lớn hơn 4 tầng ẩn) thường được gọi là một mạng ANN học sâu (Deep Neural Network). 2.2.4. Tầng đầu ra (output layer) Tầng đầu ra là tầng cuối cùng của mạng ANN. Tầng này có nhiệm vụ tập hợp và trả ra kết quả theo cấu trúc mà nó được thiết kế. Số nơ-ron của tầng này phụ thuộc chủ yếu vào mục tiêu tính toán của bài toán. Do vậy, để có thể xác định được chính xác số nơ-ron của tầng đầu ra, ta phải hiểu rõ mục tiêu của bài toán cần giải quyết. 2.2.5. Hàm chuẩn hóa (activation function) Như đã trình bày ở trên, hàm chuẩn hóa thường được tích hợp vào các nơ-ron thuộc tầng ẩn và tầng đầu ra. Các hàm này có nhiệm vụ đưa kết quả đầu ra của nơ-ron thể hiện ở dạng phi tuyến tính. Lý do ta làm điều này là vì đa phần dữ liệu thực tế ở bên ngoài đều ở dạng phi tuyến tính. Mỗi hàm chuẩn hóa đều nhận vào một giá trị số, sau đó tiến hành thực hiện một số phép toán trên giá trị này để đưa nó về một giá trị chuẩn. Có 3 hàm chuẩn hóa mà ta sẽ thường sử dụng trong quá trình làm việc với ANN: Hàm sigmoid: Đưa các giá trị đầu vào về miền giá trị từ 0 đến 1. S(x) = 1 1 + e −x = e x e x + 1

Bao cao ve buon ban PN&TE- Den.qxd - HumanTrafficking.org
Bao cao thuong nien nam 2012 PHR - Vietstock
VFMVF1 - Bao cao thuong nien 2012.pdf - Vietstock
HVG - Bao cao thuong nien 2012.pdf - Vietstock
Nêu cao giá trị của chúng ta Sự quan tâm • Làm việc theo ... - Colgate
THEO DÕI NGHÈO ĐÔ THỊ
Phần 1 - VN.NET
nhiệt độ - Mientayvn.com
1. Giới Thiệu Giám Hộ và Tín Nhân Công - Public Guardian and ...
Phần 1 - VN.NET
Trọn bộ - VN.NET
Phát triển Kế hoạch Thị trường Tổng thể về Kế hoạch hóa Gia ... - Path
Me Kong.qxp - Mekong Program on Water Environment and ...
MỘT SỐ Ý KIẾN VỀ CÔNG TÁC ĐÀO TẠO, QUẢN LÝ ĐÀO TẠO HỆ ĐẠI HỌC, CAO ...
Tín Quỹ của Con Quý Vị - Public Guardian and Trustee of British ...
Phần 1 - VN.NET
Mô hình vật lý .pdf - Khoa Kỹ thuật Biển
Phần 1 - VN.NET
Nhà Tiêu Sinh Thái [PDF: 2.00MB] - EcoSanRes
Download - Đại học FPT