3. Đối tượng và phạm vi nghiên cứu
2.2.1.1. Mô hình nơ-ron một đầu vào (Singl e input neuron)
Hình 2.2. Mô hình nơ-ron một đầu vào
Trong đó:
+P là đầu vào củanơ-ron. +w là trọng sốliên kết.
+b là hê sốhiệu chỉnh của bộcộng, đôi khi b được xem làngưỡng kích thích. +n là đấu ra của bộ tổng và đầu vào của mạng (net input), n = wp +b. +f là hàm truyền củanơ-ron.
+a là đầu ra củanơ-ron: a = f(n) = f(wp + b).
+ Đầu ra phụ thuộc vào hàm truyền được chọn bởi người thiết kế. + w và b là các tham số phải điều chỉnh bởi một sốluật học dùng huấn luyện mạng.
Nếu liên hệ mô hình này với mô hình nơ-ron sinh học đã mô tả trong phần 2.1.1 thì:
+ Trọng số w tương ứng với cường độ synape. + Bộ tổng và hàm truyền là thần kinh tế bào.
+ Đầu ra của nơ-ron a biểu diễn tín hiệu sợi trục thần kinh (axon).
Hàm truyền có thể là một hàm tuyến tính hoặc một hàm phi tuyến. Một số hàm truyền a = f(n) thường dùng trong mạng nơ-ron nhân tạo được đưa ra trong bảng 2.1.
Bảng 2.1. Một sốhàm truyền của mạngnơ-ron
Chúng ta có thể định nghĩa các hàm truyền khác để đưa vào sử dụng nếu chúng ta muốn.
2.2.1.2. Mô hình nơ-ron nhiều đầu vào (multiple- input neuron)
Mô hình nơ-ron R đầu vào được chỉ ra trong Hình 2.3
Hình 2.3. Mô hình nơ-ronnhiều đầu vào
Trong đó:
+P1, P2, ... ,PRlà các phần tửcủa véc tơ đầu vào P.
+W1,1 , W1,2 , ..., W1,Rlà các phẩn tửcủa ma trân trọng số liên kết W
+b là hệ sốhiệu chỉnh bộcộng. +n là đầu vào của nơ-ron:
n = W1,1 P1 + W1,2P2 + W1,3 P3+ … + W1,R PR + b = Wp + b (2.1) 1 2 với W = [W1,1W1,2 ... W1,R], P = . . [ ] + a là đầu ra của nơ-ron:
a = f(n) = f(Wp + b) (2.2)
Quy ước:Trong ma trận trọng số, chỉ sổ thứ nhất chỉ ra đích của nơ- ron kết nối, chỉ số thứ 2 chỉ ra nguồn của tín hiệu dẫn đến nơ-ron.
Để thuận lợi trong tính toán, ta có thể biểu diễn mô hình nơ-ron nhiều đầu vào ở dạng rút gọn như Hình 2.4 với:
+P là véc tơ đầu vào có kích thước Rxl.
+W là ma trận trọng số liên kết có kích thước lxR
Hình 2.4. Ký hiệu tắt mô hình nơ-ron nhiều đầu vào