Sử dụng mạng Hamming để phân nhóm vector đầu vào trong không gian 2 chiều

Trường Đại học Công nghiệp Hà Nội Khoa : Công nghệ thông tin ▪ Đề tài: Sử dụng mạng Hamming để phân nhóm vector đầu vào khơng gian chiều ▪ GVHD: TS.Vũ Việt Thắng ▪ SV: Vũ Thị Liên Nội dung • Mơ tả tốn • Tìm hiểu mạng Hamming • Thiết kế chương trình Mơ tả tốn Sử dụng mạng Hamming để phân nhóm cho vector đầu vào không gian chiều Cụ thể, toán gồm tập vector X (xi,yi), phân thành nhóm khác vector cần phân nhóm Dùng mạng hamming khơng gian chiều để xử lý tốn, tính ma trận trọng số, độ lệch, giá trị đầu lớp để đưa kết luân Tìm hiểu mạng Hamming - Mạng Hamming mạng nơ ron sử dụng phương pháp học không giám sát - quy tắc học không giám sát: Hebbian cạnh tranh “ Kiến trúc mạng Ma Ma trận trọng số độ lêch bias tính sau: You can also split your content Đầu lớp tính theo công thức : Lớp phản In two orhồi three columns Lớp gọi lớp cạnh tranh, Để thực đựợc chức cạnh tranh hàm truyền đạt lớp thứ sử dụng hàm positive line đựợc biểu diễn nhờ công thức Trọng số nơ ron lớp xác định theo cơng thức sau: Trong số dương xác định dựa vào điều kiện sau: 0< Ma trận trọng số lớp thứ sau: Giá trị đầu nơ ron thứ i xác định sau: 10 “ Ngơn ngữ python ▪ Python là một ngơn ngữ lập trình bậc cao cho mục đích lập trình đa năng, do Guido van Rossum tạo lần đầu mắt vào năm 1991 Python thiết kế với ưu điểm mạnh dễ đọc, dễ học dễ nhớ Python ngôn ngữ có hình thức sáng sủa, cấu trúc rõ ràng, thuận tiện cho người học lập trình Cấu trúc Python cho phép người sử dụng viết mã lệnh với số lần gõ phím tối thiểu 11 Hàm Hamming class HammingNeuron: def init (self, weights, next_neuron=None): self.weights = list() self.inputs = list() self.next_neuron = None for w in weights: self.weights.append(w) self.inputs.append(0) self.next_neuron = next_neuron def change_weight(self, ind_of_weight, new_value): self.weights[ind_of_weight] = new_value 12 Hàm Hamming(tt) def set_input(self, ind_of_input, value): self.inputs[ind_of_input] = value def set_next_neuron(self, next_neuron): self.next_neuron = next_neuron def count_output(self): res = 1/2 + sum(self.inputs[i] * self.weights[i] for i in range(0, len(self.weights)))/(2 * len(self.weights)) return res def get_output(self): self.next_neuron.set_value(self.count_output()) 13 Hàm main 14 Hàm Hamming lớp thứ 15 Thanks you! Sinh viên thực hiện: Vũ Thị Liên 16