1. Trang chủ
  2. » Giáo án - Bài giảng

dieu khien thong minh huynh thai hoang chuong04 mang than kinh cuuduongthancong com

49 4 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 49
Dung lượng 791,4 KB

Nội dung

Môn học NH P MƠN I U KHI N THƠNG MINH Gi ng viên: PGS.TS Hu nh Thái Hoàng B môn i u Khi n T ng Khoa i n – i n T i h c Bách Khoa TP.HCM Email: hthoang@hcmut.edu.vn Homepage: http://www4.hcmut.edu.vn/~hthoang 19 August 2014 © H T Hoàng - ÐHBK TPHCM Ch ng M NG G TH N KINH 19 August 2014 © H T Hoàng - ÐHBK TPHCM N i dung  Khái ni m v m ng th n kinh  Các c u trúc m ng gi i thu t hu n luy n  Perceptron  Adaline  M ng truy n th ng nhi u l p  Gi i thi u Neural Network Toolbox c a Matlab 19 August 2014 © H T Hồng - ÐHBK TPHCM M NG TH N KINH 19 August 2014 © H T Hoàng - ÐHBK TPHCM B não  B não ã ng i h th h ng x lý thông hô tin i ph h c h p, phi n song song có kh n ng h c, ghi nh , t ng quát hóa x lý l ii 19 August 2014 © H T Hoàng - ÐHBK TPHCM M ng th n kinh sinh h c  B não ng i g m kho ng 1011 t bào th n kinh liê k t v i liên h thành h m ng 19 August 2014 © H T Hoàng - ÐHBK TPHCM T bào th n kinh sinh h c  T bào th n kinh g m: thân t bào (soma), đ u dây th n kinh vào (dendrite), kh p n i (synapse), s i t c (axon) tr ( ) đ u dây dâ th n kinh ki h 19 August 2014 © H T Hồng - ÐHBK TPHCM T bào th n kinh x  x1 x2  xm  w  w1 w  wm  19 August 2014 T vector tín hiệu vào tế bào thần T kinh vector tr ng s te tế bao bào than thần kinh © H T Hồng - ÐHBK TPHCM Hàm tích h p ngõ vào t bào th n kinh  Hàm t n tính (linear function): f nction)  m f  net    w j x j     w T x    j 1   Hàm toàn p ph ng g (q (quadratic function): ) m 2 f  net    w j x j     j 1   Hàm c u ((spherical p function): )  2 m 2 f  net     ( x j  w j )      2 ( x  w )T ( x  w )   j 1   19 August 2014 © H T Hoàng - ÐHBK TPHCM Hàm tác đ ng     Hàm n c (step): 1 if f  a( f )   0 if f  Hàm d u (sign):  if f  a( f )   - if f  Hàm d c bão hòa: 1  a( f )   f 0  Hàm n tính bão hịa: 19 August 2014 f  neáu  f  neu neáu f  neu f 1 1  a( f )   f neáu  f   nếáu f  1  © H T Hồng - ÐHBK TPHCM 10 Ví d tính ngõ c a m ng MLP  Gi i: 19 August 2014 © H T Hồng - ÐHBK TPHCM 35 Cơng th c tính sai s  Sai s gi a ngõ c a m ng d li u mong mu n hàm ph thu c vào tr ng s c a m ng: n E ( w, v )   d i  yi i 1    n   d i  ao ( neti ) i 1 2 l n é ù æ ửữ ổ l ửữự 1 n ộờ ỗ ỳ = d i - ao ỗỗỗồ wqi zq )ữữỳỳ = d i - ao ỗỗồ wqi ah ( netq )÷÷÷ú i=1 êë ÷øú è q=1 øúû i=1 êë è q=1 û m é ỉ l ư÷ù = å êê d i - ao ỗỗỗồ wqi ah ( v jq x j )÷÷úú i=1 êë è q=1 ø÷úû j=1 n 19 August 2014 © H T Hồng - ÐHBK TPHCM 36 Thu t toán suy gi m đ d c c p nh t tr ng s  Bi u th c c p nh t tr ng s l p ra: E ( k ) wi ( k  1)  wi ( k )   wi E ( k )  E ( k )   yi   neti     net   w  wi y  i  i  i    [ ( d i ( k )  y i ( k ))][ ao ( net i ( k ))][ z ( k )]  oi (k )  wi ( k  1)  wi ( k )   oi ( k ) z 19 August 2014 © H T Hồng - ÐHBK TPHCM 37 Thu t toán suy gi m đ d c c p nh t tr ng s  Bi u th c c p nhh t tr t ng s l p n: E ( k ) v q ( k  1)  v q ( k )   v q E ( k )  E ( k )   zi   net q      v q  z q   net q   v q   n      ( d i ( k )  yi ( k ))ao ( neti ( k )) wiqq ( k )[a h ( net q ( k ))][ x j ( k )]  i 1   oi (k )  hq (k )  v q ( k  1)  v q ( k )   hq ( k ) x 19 August 2014 © H T Hồng - ÐHBK TPHCM 38 Thu t toán lan truy n ng B c (Back propagation) c 1: Ch n ; gán k=1, k=1 E=0; kh i đ ng ng u nhiên tr ng s l p n l p vq(k), wi(k) (1ql, 1in) B c 2: (truy n thu n d li u) Tính ngõ c a m ng v i tín hi u vào x(k) (1jm) : L p n: net q ( k )  v qT ( k ) x ( k ) (1  q  l ) z q ( k )  a h net q ( k )  L p ra: neti ( k )  wiT ( k ) z ( k ) (1  i  n ) yi ( k )  ao neti ( k )  19 August 2014 © H T Hồng - ÐHBK TPHCM 39 Thu t toán lan truy n ng c (Back propagation) B c 3: (Lan truy n ng c sai s ) C p nh t tr ng s : L p ra:  oi ( k )  [( d i ( k )  yi ( k ))][ ao ( neti ( k ))] (1  i  n ) wi ( k  1)  wi ( k )   oi ( k ) z ( k ) n  L p n:  hqq ( k )    oi ( k ) wiqq ( k ) a h ( net q ( k )) (1  q  l )  i 1  v q ( k  1)  v q ( k )   hq ( k ) x ( k ) n  B c 4: Tính sai s tích l y: E  E   [d i ( k )  y i ( k )] i 1 B c 5: N u k  gán gán k =1, E =0 tr l i b c B 19 August 2014 © H T Hoàng - ÐHBK TPHCM 40 o hàm c a hàm tác đ ng d ng S  Hàm Hà sigmoid i id đ n c c (logsig): (l i ) a( f )   e f  a ( f )  e f 1  e  f      e f  a ( f )  a ( f )  a ( f ) 19 August 2014 1  e  f  © H T Hoàng - ÐHBK TPHCM 41 o hàm c a hàm tác đ ng d ng S  Hàm Hà sigmoid i id l ng c c (tansig): (t i )  e f a( f )  1  f 1 e  e f 2e  f (1  e  f )  (1  e  f )  a ( f )   f 2 (1  e ) (1  e  f )  a ( f )  19 August 2014  1  a2 ( f )  © H T Hồng - ÐHBK TPHCM 42 Ví d : X p x hàm dùng m ng truy n th ng nhi u l p  Bài toán: t X p x hàm hà phi hi t n: y  e  x sin(10 x ) (0  x  2) dùng m ng neuron  C u trúc m ng:    ngõ vào x, ngõ y S t bào th n kinh l p n N N Thí d kh o sát kh n ng x p x c a m ng tr ng h p N b ng 6, 8, 10, 12 Hàm kích ho t l p n tansig, l p n tính 19 August 2014 © H T Hồng - ÐHBK TPHCM 43 Ví d : X p x hàm dùng m ng truy n th ng nhi u l p (tt)  T p d li u hu h n luy l n m ng g m 300 m u 19 August 2014 © H T Hồng - ÐHBK TPHCM 44 Ví d : X p x hàm dùng m ng truy n th ng nhi u l p (tt)  K t qu hu n luy n m ng 19 August 2014 © H T Hồng - ÐHBK TPHCM 45 ng d ng x p x hàm 19 August 2014 © H T Hồng - ÐHBK TPHCM 46 Bài t p y l2 2 l1 1 x  x  l1 cos 1  l2 cos((1   )   y  l1 sin 1  l2 sin(1   )  Hu n luy n m ng n -ron gi i toán đ ng h c thu n robot 19 August 2014 © H T Hoàng - ÐHBK TPHCM 47 GI I THI U NEURAL NETWORKS TOOLBOX 19 August 2014 © H T Hoàng - ÐHBK TPHCM 48 Các hàm c b n c a NN Toolbox >> mynet mynet=newff(X newff(X,D,N,{ D N {‘tansig’ tansig ‘purelin’}); purelin }); % khai báo m ng neuron l p % s ngõ vào s hàng c a X; s ngõ s hàng c a D % s n ron l p n N % hàm tác đ ng l p n tansig, l p purelin >> mynet=perceptron %khai báo m t perceptron >> mynet=train(mynet,X,D); % hu n luy n m ng mynet v i d li u vào X, X d li u D % s c t c a X = s c t c a D = s m u d li u hu n luy n >> Y=sim(mynet,X); Y sim(mynet,X); % tính ngõ c a m ng mynet ngõ vào X % s c t c a X s m u d li u c n tính >> help nnet 19 August 2014 % xem đ y đ hàm c a NN Toolbox © H T Hồng - ÐHBK TPHCM 49 ... TPHCM M ng th n kinh sinh h c  B não ng i g m kho ng 1011 t bào th n kinh liê k t v i liên h thành h m ng 19 August 2014 © H T Hồng - ÐHBK TPHCM T bào th n kinh sinh h c  T bào th n kinh g m: thân... August 2014 T vector tín hiệu vào tế bào thần T kinh vector tr ng s te tế bao bào than thần kinh © H T Hồng - ÐHBK TPHCM Hàm tích h p ngõ vào t bào th n kinh  Hàm t n tính (linear function): f nction)... t bào (soma), đ u dây th n kinh vào (dendrite), kh p n i (synapse), s i t c (axon) tr ( ) đ u dây dâ th n kinh ki h 19 August 2014 © H T Hồng - ÐHBK TPHCM T bào th n kinh x  x1 x2  xm  w 

Ngày đăng: 27/12/2022, 14:04

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN