TAILIEUCHUNG - Neural nhân tạo

Neural nhân tạo là một đơn vị tính toán có nhiều đầu vào (yi) và một đầu ra (a), mỗi đầu vào đến từ một liên kết. Đặc trưng của neural là một hàm kích hoạt (f) phi tuyến chuyển đổi tổ hợp tuyến tính của tất cả các tín hiệu đầu vào thành tín hiệu đầu ra. | 1. Neural nhân tạo Neural nhân tạo là một đơn vị tính toán có nhiều đầu vào (yi) và một đầu ra (a), mỗi đầu vào đến từ một liên kết. Đặc trưng của neural là một hàm kích hoạt (f) phi tuyến chuyển đổi tổ hợp tuyến tính của tất cả các tín hiệu đầu vào thành tín hiệu đầu ra. Hàm kích hoạt này đảm bảo tính chất phi tuyến cho tính toán của mạng neural. Hệ số điều chỉnh b có tác dụng tăng lên hoặc giảm đi đầu vào thực của hàm kích hoạt, tùy theo nó dương hay âm. : Mô hình một neural nhân tạo Một neural được cầu tạo gồm các thành phần chính : Liên kết neural. Bộ cộng . Hàm kích hoạt. 2. Mạng neural nhân tạo. Là một hệ thống bao gồm nhiều phần tử xử lý đơn giản (hay còn gọi là neural) tựa như neural thần kinh của não người, hoạt động song song và được nối với nhau bởi các liên kết neural. Mỗi liên kết kèm theo một trọng số nào đó, đặc trưng cho tính kích hoạt hoặc ức chế giữa các neural. Mô hình mạng neural. Hình : Sơ đồ đơn giản về một mạng neural nhân tạo Mô hình mạng neural ở trên gồm 3 lớp: Lớp nhập (input). Lớp ẩn(hidden). Lớp xuất (output). 3. Thuật toán LAN TRUYỀN NGƯỢC Xét mạng neural 3 lớp : lớp nhập, lớp ẩn và lớp xuất. Hàm kích hoạt các neural : logistic (sigmoid). g(x)= () Bước 1: Khởi tạo trọng số w ngẫu nhiên nhỏ. Bước 2 : Chọn lớp đầu vào x và đính nó vào lớp đầu vào . Bước 3 : Truyền sự kích hoạt qua trọng số đến khi kich hoạt các neural đầu ra. Bước 4: Tính đạo hàm riêng “δE” theo trọng số cho lớp xuất. sử dụng GRADIENT của hàm lỗi . Bước 5: Tính đạo hàm riêng “δE” theo trọng số cho lớp ẩn. sử dụng GRADIENT của hàm lỗi. Bước 6: Cập nhật tất cả trọng số theo Wi=W(i-1)-µ(δE/ δ Wi). Bước 7: quay lai “Bước 2” cho đến “Bước 6” cho tất cả các mẫu. Trong đó: GRADIENT hàm lỗi: Đối với các neural lớp đầu ra: Hàm lỗi: E(z)= (z - t)2 () Đạo hàm riêng của hàm lỗi theo trọng số b: () Ta có: Đặt: Ta được: () Đối với các neural lớp ẩn: Đạo hàm riêng của hàm lỗi theo trọng số: () Ta có: Đặt: Ta được: () Sau khi tính được đạo hàm riêng của hàm lỗi theo từng trọng số, trọng số sẽ được điều chỉnh bằng cách trừ bớt đi 1 lượng bằng tích của đạo hàm riêng và tốc độ học:

TỪ KHÓA LIÊN QUAN
TAILIEUCHUNG - Chia sẻ tài liệu không giới hạn
Địa chỉ : 444 Hoang Hoa Tham, Hanoi, Viet Nam
Website : tailieuchung.com
Email : tailieuchung20@gmail.com
Tailieuchung.com là thư viện tài liệu trực tuyến, nơi chia sẽ trao đổi hàng triệu tài liệu như luận văn đồ án, sách, giáo trình, đề thi.
Chúng tôi không chịu trách nhiệm liên quan đến các vấn đề bản quyền nội dung tài liệu được thành viên tự nguyện đăng tải lên, nếu phát hiện thấy tài liệu xấu hoặc tài liệu có bản quyền xin hãy email cho chúng tôi.
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.