Đề kiểm tra giữa kì 2 môn Nhập môn điều khiển thông minh (năm học 2011-2012): Trường Đại học Bách khoa TP.HCM

Xin giới thiệu tới các bạn học sinh, sinh viên Đề kiểm tra giữa kì 2 môn Nhập môn điều khiển thông minh (năm học 2011-2012) của Trường Đại học Bách khoa TP.HCM. Đề thi gồm 4 bài thi tự luận có kèm đáp án và lời giải chi tiết. Cùng tìm hiểu và tham khảo nội dung thông tin tài liệu.

Đại học Bách Khoa TP.HCM Khoa Điện – Điện Tử Bộ môn ĐKTĐ -o0o - ĐỀ KIỂM TRA HỌC KỲ Năm học 2011-2012 Mơn: NHẬP MƠN ĐIỀU KHIỂN THÔNG MINH Ngày thi: 21/06/2012 Thời gian làm bài: 90 phút (Sinh viên phép sử dụng tài liệu) Bài 1: (2.5 điểm) Hãy thiết kế cấu trúc mạng perceptron trình bày cách huấn luyện mạng để mạng thực chức phân nhóm liệu thành nhóm: Nhóm 1: {[0, 0]T, [1, 1]T, [2, 2]T} Nhóm 2: {[0, 1]T, [1, 0]T, [1, 2]T, [2, 1]T } Bài 2: (2.5 điểm) Cho mạng thần kinh lớp đây: b1 x1 w11 w21 x2 w12 w22 z1 z2 v1 y v2 b3 b2 Biết rằng: - Hàm kích hoạt lớp ẩn hàm sigmoid lưỡng cực với =1 - Hàm kích hoạt lớp hàm tuyến tính - Cho biết: w11=0.4; w21= 0.5 ; w12=0.6; w21= 0.4; v1= 0.8; v2= 1.0; b2= 0.2; b2= 0.1, b3 = 0.3; x1=1, x2=  0.5; Tính giá trị ngõ mạng Bài 3: (2.5 điểm) Cho hàm phi tuyến: y  f ( x )  x2 sin( x1 )  x1 cos( x2 ) với  2  x1 , x2  2 Thiết kế cấu trúc mạng thần kinh trình bày cách huấn luyện mạng để xấp xỉ hàm phi tuyến nêu Bài 4: (2.5 điểm) Hãy trình bày cách sử dụng mạng thần kinh để nhận dạng biển báo giao thông đây, nêu rõ đặc trưng sử dụng để nhận dạng, cấu trúc mạng thần kinh cách huấn luyện mạng Hết CNBM ĐÁP ÁN Bài 1: x2 l1 l2 x1 x2 w11 w21 w12 w22 x1 z1 v1 y z2 v2 b3 b2               Hình (a) Biểu diễn tập liệu cần phân nhóm (b) Mạng Perceptron dùng để phân nhóm Do tốn khơng khả phân tuyến tính nên để phân tập liệu thành nhóm đề cần sử dụng perceptron kết nối hình 1.b Các Perceptron huấn luyện sử dụng bảng liệu đây:  Dữ liệu huấn luyện Perceptron 1: x1 0 1 2 x2 1 2 z1 1 1 x2 1 2 z1 1 1 z2 1 y 0  Dữ liệu huấn luyện Perceptron 2: x1 0 1 2  Dữ liệu huấn luyện Perceptron 3: z1 1 Sử dụng thuật toán học sửa sai (Delta Learning Rule) huấn luyện Perceptron theo bảng liệu trên, ta mạng Perceptron thực chức phân nhóm yêu cầu toán Bài 2: Neuron 1: Net1  w11 x1  w21 x  b1  0.4   ( 0.5)  ( 0.5)  0.2  0.45 2 z1  1    0.221  exp( 0.45)  exp(  Net1 ) Neuron 2: Net  w12 x1  w22 x  b2  0.6   (0.4)  ( 0.5)  0.1  0.3 2 z2  1    0.149  exp( 0.3)  exp(  Net ) Neuron 3: Net3  v1 z1  v z  b3  ( 0.8)  0.221  (1)  (0.149)  0.3  0.272 y  Net3  0.272 Bài 3: Cấu trúc mạng thần kinh cần thiết kế:  Có ngõ vào ngõ  Số neuron lớp ẩn N=5 (có thể tăng giảm giá trị N huấn luyện mạng)  Số neuron lớp  Hàm kích hoạt lớp ẩn hàm sigmoid lưỡng cực  Hàm kích hoạt lớp hàm tuyến tính x1 x2 w11 w21 w12 w22 z1 v1 y z2 v2 b3 b2 Cách tạo liệu huấn luyện mạng:  Tạo ngẫu nhiên K mẫu liệu vào: ( x1 ( k ), x ( k ) ) (với  2  x1 ( k ), x ( k )  2 k  K )  Tính mẫu liệu thứ k sử dụng công thức:   y ( k )  x ( k ) sin( x1 ( k ))  x1 ( k ) cos( x ( k )) Huấn luyện mạng thần kinh: sử dụng giải thuật lan truyền ngược Bài 4: - Tiền xử lý ảnh: chuyển sang ảnh xám -> chuyển sang ảnh nhị phân - Trích đặc trưng: chia lưới, ví dụ 1010 tính tổng điểm ảnh ô - Cấu trúc mạng neuron: + Mạng neuron có 100 ngõ vào giá trị đặc trưng xác định (tổng điểm ảnh có giá trị 1) + Mạng có ngõ tương ứng với bảng báo giao thông cần nhận dạng + Số neuron lớp ẩn N=50 (có thể tăng giảm, tùy theo kết huấn luyện mạng), số neuron lớp + Hàm kích hoạt lớp ẩn hàm sigmoid lưỡng cực, hàm kích hoạt lớp hàm tuyến tính - Cách huấn luyện mạng: + Thu thập (chụp hình) loại biển báo nhiều ảnh (chẳng hạn 10) với điều kiện sáng, nhiễu khác + Trích đặc trưng ảnh để liệu vào, gán liệu sau: * Chỉ ngõ tương ứng với biển báo đầu vào đặt * Các ngõ lại Ví dụ: Nếu ảnh vào biển có ngõ y3 1, ngõ lại + Sau có tập liệu, huấn luyện mạng dùng giải thuật lan truyền ngược - Ứng dụng mạng để nhận dạng: + Trích đặc trưng ảnh cần nhận dạng + Đưa đặc trưng vào ngõ vào mạng tín giá trị ngõ + Kết luận biển báo đầu vào biển báo tương ứng với ngõ có giá trị nhỏ nhỏ mức ngưỡng định trước  ... cầu tốn Bài 2: Neuron 1: Net1  w11 x1  w21 x  b1  0.4   ( 0.5)  ( 0.5)  0 .2  0.45 2 z1  1    0 .22 1  exp( 0.45)  exp(  Net1 ) Neuron 2: Net  w 12 x1  w 22 x  b2  0.6  ...ĐÁP ÁN Bài 1: x2 l1 l2 x1 x2 w11 w21 w 12 w 22 x1 z1 v1 y z2 v2 b3 b2               Hình (a) Biểu diễn tập liệu cần phân nhóm (b) Mạng Perceptron... hàm tuyến tính x1 x2 w11 w21 w 12 w 22 z1 v1 y z2 v2 b3 b2 Cách tạo liệu huấn luyện mạng:  Tạo ngẫu nhiên K mẫu liệu vào: ( x1 ( k ), x ( k ) ) (với  2  x1 ( k ), x ( k )  2 k  K )  Tính