Dựa vào sự phân bố của các mẫu dữ liệu, chúng tơi lựa chọn số nơ-ron tối đa cho mơi lớp ẩn tức là bằng với số input của mạng. Số lớp ẩn lựa chọn là 2, hàm truyền ở mơi lớp ẩn là hàm tansig và hàm truyền ở lớp output là satlin. Cấu trúc tổng quát của mơ hình huấn luyện
như sau:
Hình 4.9 Cấu trúc mạng CFNN sử dụng trong nghiên cứu.
Sở dĩ số nơ-ron ở lớp input và 2 lớp ẩn khơng được thể hiện trên hình là do mơi bộ đặc trưng được sử dụng cĩ số neuron được chọn khác nhau ứng với số chiều PC tối ưu của bộ đặc trưng đĩ. Cụ thể, cấu trúc mơ hình CFNN được chọn cho bộ đặc trưng EEG cĩ 4 neuron, bộ đặc trưng HRV là 2 neuron và bộ đặc trưng tổng hợp EEG và HRV thì sử dụng 6 neuron.
Bên cạnh đĩ, việc output cĩ đến 2 giá trị là do kết quả của việc vecto tọa độ hĩa của hai lớp phân loại dẫn đên mơi lớp cĩ một giá trị tương ứng (xem mục 3.5.6.2). Cĩ hai lớp phân loại là thư và căng thẳng được dùng trong nghiên cứu nên tương ứng cũng se cĩ 2 output cho mơ hình huấn luyện. Tuy nghe cĩ vẻ phức tạp hơn việc sử dụng giá trị đơn truyền thống, nhưng
thực chất ưu điểm của việc vector hĩa này đã được trình bày rõ hơn ở mục 3.5.6.2. Kết quả của việc vector tọa độ hĩa cho lớp phân loại thể hiện ở Hình 4.10 bên dưới.
Hình 4.10 Mẫu minh họa cho việc mã hĩa vecto cho lớp phân loại.
Trên hình 4.10 này cĩ thể thấy nếu chỉ phân theo giá trị đơn để huấn luyện thì cĩ thể xảy ra sự chồng lấp giữa hai lớp phân loại tại khu vực tiếp giáp. Tuy nhiên khi chiếu trên cặp tọa độ 2 chiều thì sự chồng lấp này được tách biệt ra hơn. Với việc vecto hĩa như vậy, quá rình huấn luyện mơ hình được thể hiện trong ba hình 4.11, 4.12 và 4.13 tương ứng với bộ đặc trưng EEG, bộ đặc trưng HRV và bộ đặc trưng tổng hợp.
Ba hình 4.11, 4.12 và 4.13 cĩ cấu trúc như nhau và gồm cĩ 4 đồ thị:
- Đồ thị ở hàng cao nhất là kết quả huấn luyện thơ (output) của mơ hình CFNN khi chưa qua hàm sign(f(x,y)). Giá trị số của trạng thái thể hiện trên đồ thị này là giá trị phần trăm của dự đốn cho trạng thái thư giãn và căng thẳng. Để thuận tiện cho việc trực quan hĩa kết quả dưới dạng phần trăm trên đồ thị 2 chiều, đồ thị này được ve theo 2 quy ước:
Thứ nhất, chỉ giá trị phần trăm của trạng thái nào cao hơn mới được thể hiện trên đồ thị;
Thứ hai, giá trị phần trăm cho trạng thái thư giãn se nằm ở miền màu xanh phía trên cịn giá trị căng thẳng se nằm ở miền màu đỏ bên dưới. Giá trị phần trăm của kết quả se tính từ 50% (đường giữa) đến 100% ở hai đầu.
- Đồ thị ở hàng thứ hai là kết quả phân loại. Khác với đồ thị 1, giá trị số của trạng thái là giá trị của hàm dấu Sign(f(x,y)), hay cũng chính là kết quả đơn rời rạc đã đề cập ở mục 3.5.6.2 và se được lấy làm giá trị cho việc tính tốn phân loại ở các bước tiếp theo. Tuy nhiên để dễ so sánh với đồ thị 1, giá trị đơn của hai trạng thái cũng se được mã hĩa về dạng phần trăm. Trong đĩ, 100% tương ứng với trạng thái thư giãn và -100% tương ứng với trạng thái căng thẳng.
- Đồ thị bên trái hàng thứ 3 là kết quả output đầy đủ (2 thành phần) khi chiếu trên trục tọa độ Descartes. Giá trị tọa độ mục tiêu của trạng thái thư giãn là (-1;1) và tọa độ của trạng thái căng thẳng là (1;-1)
- Đồ thị bên phải hàng thứ 3 thể hiện sai số của các pha huấn luyện bằng LOOCV tính theo MSE.
Hình 4.11 Quá trình huấn luyện và kết quả sử dụng bộ đặc trưng EEG.
Hình 4.13 Quá trình huấn luyện và kết quả sử dụng bộ đặc trưng tổng hợp.