Ycfutyfviuhuvu

MẠNG NAURAL & ỨNG DỤNG
Chu Văn Huy
Nguyễn Thị Diễm Hà
Đinh Đức Thiện
TÌM HIỂU
HỌC VIÊN THỰC HIỆN
1. Tổng quan về mạng Neural
Nội dung trình bày
2. Ứng dụng của ANN
3. Ví dụ cài đặt
1. Tổng quan về mạng Neural
Giới thiệu bởi:
Warren McCulloch
Walter Pits
Mạng Neural nhân tạo
(Artificial Neural Network - ANN)
Mô phỏng cách bộ não xử lý thông tin như thế nào?
Bao gồm rất nhiều các mối liên kết
Sau mỗi lần xử lý, kinh nghiệm được lưu lại để sử dụng trong những tình huống tiếp theo
Ứng dụng rộng rãi trong các ngành:
Điện
Kinh Tế
Xây Dựng
Hình Sự,…
-- Giới thiệu --
1. Tổng quan về mạng Neural
Hình 1: Mô hình một neural nhân tạo
-- Neural là gì? --
NEURAL LÀ GÌ ?...
1. Tổng quan về mạng Neural
-- Mạng Neural --
MẠNG NEURAL
KIẾN TRÚC

Loại:
+ Truyền thẳng
- Một mức
- Đa mức
+ Hồi quy
+ …

Số lớp ẩn

Số Neural trên từng lớp
ĐẶC TRƯNG
Tính chất phi tuyến
Tính đồng dạng
Tính chất tương ứng
Tính chất thích nghi
Khả năng cài đặt VLSI
Tính chất chấp nhận sai sót
1. Tổng quan về mạng Neural
Tính chất đưa ra lời giải có bằng chứng
-- Các đặc trưng mạng Neural --
1. Tổng quan về mạng Neural
-- Mạng Neural --
MẠNG NEURAL
QUÁ TRÌNH HỌC

Là quá trình thay đổi trọng số trong mạng sao cho sai số ở đầu ra là nhỏ nhất

Phương pháp học:
+ Học có giám sát
+ Học không giám sát
+ Học tăng cường

Thuật toán:
+ Perceptron
+ Lan truyền ngược sai số (Back-Propagation : BP)
+ Giải thuật di truyền (Genetic Algorithms: GA)
+ …
1. Tổng quan về mạng Neural
Nội dung trình bày
2. Ứng dụng của ANN
3. Ví dụ cài đặt
2. Ứng dụng của ANN
NHẬN DẠNG

Chữ viết (in, tay,...)

Mặt người

Giọng nói

…
ANN
DỰ BÁO

Lũ

Sự cố biến áp

Tăng trưởng kinh tế

…
-- Các ứng dụng chính --
1. Tổng quan về mạng Neural
Nội dung trình bày
2. Ứng dụng của ANN
3. Ví dụ cài đặt
3. Ví dụ cài đặt
ÁP DỤNG GIẢI THUẬT BACK-PREPAGATION (BP)
ĐỂ XÂY DỰNG MẠNG NEURAL THỰC HIỆN DỰ ĐOÁN KẾT QUẢ CỦA PHÉP CỘNG HAI SỐ THỰC
-- Áp dụng giải thuật BP --
3. Ví dụ cài đặt
-- Áp dụng giải thuật BP --
3. Ví dụ cài đặt
-- Áp dụng giải thuật BP --
Hàm truyền: ta sử dụng hàm Sigmoid
CBPNet()
Train()
Run()
Sigmoid()
Khởi tạo giá trị đầu vào của trọng số các liên kết.
3. Ví dụ cài đặt
-- Áp dụng giải thuật BP --
Thực hiện quá trình học từ đó rút ra được trọng số của các liên kết trong hàm truyền.
Dựa vào trọng số đã tìm được trong quá trình học và hàm truyền  kết quả nội suy
DEMO
Xử lý
Đầu vào
3. Ví dụ cài đặt
-- Áp dụng giải thuật BP --
Thank You !