Bài tập mạng nơ ron – phần Sinh viên: Nguyễn Thị Nhung MSSV: 20191409 Lớp: ED2-01 K64 Ngày hoàn thành: 01/06/2021 Bài 1: Tham khảo: https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034artificial-intelligence-fall-2010/exams/MIT6_034F10_quiz3_2007.pdf Lucy nghĩ việc giải vấn đề gian lận mạng neural Đầu tiên, xem lại kiến thức mạng nơ-ron với chức kích hoạt sigmoid Cơ đưa ví dụ đơn giản có có đầu vào i1, hai nút ẩn h1 h2, hai nút đầu o1 o2 Ngồi cịn có hai đầu vào thiên vị có nhãn -1 Vectơ đầu y y = [o1, o2] Tất nút hàm sigmoid, nghĩa đầu nút s(z) tổng đầu vào có trọng số (z) với: Bảng giá trị hàm sigmoid Mạng nơ ron Yêu cầu: Với đầu vào i1 = 1.0, tính đầu y01, yo2 nút o1, o2 Bài làm Tính h1 Input : i1=1 , bias= -1 ; Z(h1) =input *W + bias = * ( -0,85) -1 = -1,85 h(1) = S(Z(h1)) = 1/ ( + e^1.85) =0,136 Tính h2 Input : i1=1 , bias= -1 ; Z(h2) =input *W + bias = * ( 0,85) -1 = -0,15 h(2) = S(Z(h2)) = 0,463 Tính O1 ,O2 Z(O1) = - 0,7 O(1) = 0,33 Z(O2) = -0,7 O(2)= 0,33 Bài 2: Tham khảo: https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificialintelligence-fall-2010/exams/MIT6_034F10_quiz3_2009.pdf Perceptron đơn vị mạng nơ-ron Nó lấy danh sách đầu vào x, nhân chúng với danh sách trọng số tương ứng w, tính tổng tích chuyển kết qua hàm định Chúng ta sử dụng đầu vào "giả" T, thường -1, nhân với trọng số liên quan wT, phần tổng (để chỉnh bias) Khi sử dụng perceptron để phân loại, người ta thường sử dụng hàm ngưỡng: tổng z> 0, đầu 1, ngược lại Để khám phá perceptron làm, yêu cầu bạn xác định trọng số thay huấn luyện chúng Hãy xem xét hàm chân trị (hàm boolean) A → B, lưu ý giống A∨B (A B) Một perceptron với đầu vào A B xuất output tương tự hàm AvB (A B) hay khơng? Có thể Nếu cho giá trị wA= 1, wB = 1, wT=1 Nếu khơng, khơng? Mạng nơ ron biễu diễn biểu thức < hay không? Cho số thực A, B (2 đầu vào), perceptron cho output A