2 .1Đối tượng nghiên cứu
2.1 .2Tổng quan Arduino
2.1.6 Thuật toán học sâu (Deep Learning)
2.1.6.1 Giới thiệu
Deep learning được bắt nguồn từ thuật toán Neural network vốn xuất phát chỉ là một ngành nhỏ của machine learning. Deep Learning là một chi của ngành máy học dựa trên một tập hợp các thuật toán để cố gắng mơ hình dữ liệu trừu tượng hóa ở mức cao bằng cách sử dụng nhiều lớp xử lý với cấu trúc phức tạp, hoặc bằng cách
SVTH: LÊ TRUNG KIÊN
khác bao gồm nhiều biến đổi phi tuyến. Nó được lấy cảm hứng từ cấu trúc của bộ não con người. Bộ não con người bao gồm các tế bào thần kinh xử lý và truyền thông tin giữa chúng. Các tế bào thần kinh này được kết nối tinh vi để nhận đầu vào và tạo ra đầu ra giữa các tế bào thần kinh. Khi mắt chúng ta nhìn thấy một con mèo, hình ảnh con mèo được truyền qua một sợi trục đến một tế bào thần kinh khác và sau đó não của chúng ta nhận ra một con mèo. Mạng nơron được lấy cảm hứng từ các nơron đầu vào, mạng truyền thơng tin, các nơron thực hiện tính tốn và các nơron đầu ra.
Các thuật tốn học sâu đã được phát triển thành cơng trong nhiều ứng dụng như nhận dạng hình ảnh hoặc xử lý ngơn ngữ tự nhiên. Ví dụ, một chiếc ơ tơ tự lái sử dụng sâu học rộng rãi trong việc nhận dạng các đối tượng chuyển động, nghe ngôn ngữ, phát âm ngôn ngữ, v.v. Các ngân hàng và công ty bảo hiểm sử dụng học sâu để phát hiện các giao dịch gian lận. Xem “ Nhận dạng hình ảnh là gì? “Và“ Dễ dàng phát hiện bất thường bằng mã tự động ”.
Hình 2.11 Deep learning trong mảng AI
SVTH: LÊ TRUNG KIÊN
Ví dụ: Tại sao bạn biết một bức ảnh là ảnh con mèo hay ảnh con chó? Đối với con người, việc định nghĩa điều này vô cùng đơn giản (Ví dụ: Tai mèo nhọn, mỏ chó thì dài ra, …), tuy nhiên, bạn lại rất khó khăn để biểu diễn những thứ này dưới các dòng lệnh của máy tính. Nhưng nhờ vào Deep Learning thì vấn đề đó được giải quyết một cách cụ thể.
Deep learning là một phần của Machine Learning, một ngành rất rộng và nặng về toán, gồm rất nhiều thuật tốn và mỗi thuật tốn có ứng dụng riêng tùy vào bài tốn:
• Linear Regression
• Logistic Regresstion
• Decision Tree and Random Forest
• Naive Bayes
• Support Vector Machines
• K-Nearest Neighbors
• Principal component analysis (PCA)
• Neural network
• .....
SVTH: LÊ TRUNG KIÊN
2.1.6.2 Phương thức hoạt động của Deep learning
Hình 2.12: Phương thức hoạt động của Deep learning
Cách thức hoạt động của thuật toán Deep Learning diễn ra như sau: Các dịng thơng tin sẽ được trải qua nhiều lớp cho đến lớp sau cùng. Lấy quy trình học của con người làm ví dụ cụ thể. Qua các lớp đầu tiên sẽ tập trung vào việc học các khái niệm cụ thể hơn trong khi các lớp sâu hơn sẽ sử dụng thơng tin đã học để nghiên cứu và phân tích sâu hơn trong các khái niệm trừu tượng. Quy trình xây dựng biểu diễn dữ liệu này được gọi là trích xuất tính năng.
Kiến trúc phức tạp của việc học sâu được cung cấp từ mạng lưới thần kinh sâu với khả năng thực hiện trích xuất tính năng tự động. Ngược lại, trong học máy thơng thường cịn gọi là học nơng, nhiệm vụ này được thực hiện khi truy xuất các thuật toán cụ thể.
SVTH: LÊ TRUNG KIÊN