Chương 3 : LÝ THUYẾT MẠNG THẦN KINH NHÂN TẠO
3.4. Các phương pháp huấn luyện mạng thần kinh nhân tạo
Mạng thần kinh nhân tạo phải được huấn luyện trước khi sử dụng. Có hai kiểu học:
Học cấu trúc (Structure Learning): để thay đổi cấu trúc mạng, bao gồm số tế
30
Học thông số (Parameter Learning): để cập nhập các trọng số liên kết giữa
các tế bào thần kinh trong mạng. Có ba phương pháp học thơng số:
Học có giám sát (supervised learning)
Mạng được cung cấp một tập mẫu học {(xk,dk)}, trong đó xk là các tín hiệu vào và dk là tín hiệu ra mong muốn. Sai lệch giữa tín hiệu ra thật sự và tín hiệu vào được giám sát trong bộ tạo tín hiệu sai lệch. Hệ số trọng lượng kết nối giữa các nơ- ron trong mạng sẽ được cập nhật sử dụng tín hiệu sai lệch này sao cho tín hiệu ra thật sự của mạng sẽ tiến gần đến tín hiệu ra mong muốn của mạng.
Hình 3.2 Mơ tả cách học có giám sát [15] + Học củng cố (Reinforced learning) + Học củng cố (Reinforced learning)
Trong thực tế, không phải lúc nào chúng ta cũng biết dữ liệu ở ngõ ra của mạng sẽ tương ứng với mẫu tín hiệu vào nào. Trong một số trường hợp chúng ta chỉ biết ngõ ra thực của mạng là đúng hay sai so với ngõ ra mong muốn. Ở đây thông tin đánh giá chỉ cho biết mức độ đúng hay sai của ma trận trọng số mà không chỉ dẫn được phải thay đổi ma trận trọng số như thế nào để đi đến kết quả đúng.
Tín hiệu ra mong muốn Trọng số W của
mạng nơ-ron
Tín hiệu vào Tín hiệu ra
Bộ tạo tín hiệu sai lệch Tín hiệu sai số x y d
31
Hình 3.3 Mơ tả cách học củng cố [15] + Học khơng có giảm sát (Unsupervised learning) + Học khơng có giảm sát (Unsupervised learning)
Trong quá trình học của mạng sẽ khơng có sự phản hồi từ môi trường bên ngồi về để cho biết tín hiệu ra yêu cầu của mạng nên như thế nào hoặc đúng hay sai giống như học có giám sát mà mạng nơ-ron tự nó phải phát hiện ra bất cứ mối liên hệ có liên quan có thể tồn tại trong dữ liệu vào và chuyển mối liên hệ đã phát hiện này ra đầu ra. Mạng học theo cơ chế này gọi là mạng tự tổ chức.
Hình 3.4 Mơ tả cách học không giám sát [15]