I. Các khái niệm cơ bản về mạng nơron
4.Phân loại mạng
Cấu trúc mạng được định nghĩa bởi: số lớp (layers), số nơron mỗi lớp, và sự liên kết giữa các lớp như thế nào. Các mạng về tổng thể được chia thành 2 loại dựa trên cách thức liên kết giữa các lớp.
a) Mạng truyền thẳng (Multilayered Feedforward Neural Network - MFNN)
Trong mạng nơron truyền thẳng, các liên kết đi theo một hướng nhất định từ lớp vào tới lớp ra, không tạo thành đồ thị có chu trình với các đỉnh là các nơron, các cung là các liên kết giữa chúng.
Hình 4.5: Mạng nơron truyền thẳng nhiều lớp
b) Mạng hồi quy (Recurrent Neural Network)
Cấu trúc mạng được kết nối chuyển tiếp tín hiệu từ lớp vào thông qua lớp ẩn đến lớp ra và đồng thời hồi tiếp tín hiệu về đơn vị xử lý chính nó hoặc các đơn vị xử lý trong lớp hoặc ở lớp khác. Mạng hồi qui cho phép các liên kết nơron tạo thành chu trình. Vì các thông tin ra của các nơron được truyền lại cho các nơron đã góp phần kích hoạt chúng, nên mạng hồi qui còn có khả năng lưu trữ trạng thái trong của nó dưới dạng các ngưỡng kích hoạt ngoài các trọng số liên kết nơron.
c) Mạng tự tổ chức (Self Origanizing Feature Maps – SOM)
Con người có khả năng sử dụng kinh nghiệm quá khứ để thích nghi với những thay đổi của môi trường. Sự thích nghi đó không cần hướng dẫn hay chỉ đạo từ bên ngoài. Mạng nơron thực hiện theo nguyên lý đó gọi là mạng tự tổ chức. SOM được Kohonen phát triển vào đầu thập những năm 80, nên cũng thường được gọi là mạng Kohonen. SOM được dùng để gom cụm dữ liệu (data clustering), nghĩa là học không có hướng dẫn (unsupervised learning).
Cấu trúc SOM thường có hai lớp: lớp đầu vào (input layer) và lớp Kohonen (Kohonen layer). Các nơ ron của lớp đầu vào tương ứng với một thành phần trong vector đặc trưng đang xét. Ví dụ nếu xét dữ liệu có vector đặc trưng là 4 thành phần thì lớp đầu vào sẽ có 4 nơ ron. Mỗi nơ ron của lớp đầu vào được nối với tất cả các nơ ron của lớp Kohonen. Các nơ ron trong lớp Kohonen được tổ chức thành một không gian n chiều. N được gọi là số chiều của SOM. Ví dụ N=2: lớp Kohonen là một lưới 2 chiều các nơ ron. Với N=3: lớp Kohonen là một khối 3 chiều các nơ ron. Mỗi nơ ron thuộc lớp Kohonen ngoài các giá đầu vào, đầu ra còn có vector trọng số liên kết với các nơ ron thuộc lớp đầu vào. Hay nói cách khác, mỗi nơ ron của lớp Kohonen sẽ có thêm một vector trọng số N chiều. Có thể xem mỗi nơ ron trong lớp Kohonen như là đại diện cho một cụm với vector trọng số chính là vector trọng tâm của cụm đó. Thật sự điều này không hẳn lúc nào cũng như vậy mà cần có sự linh hoạt trong việc xác định cấu hình (số chiều) và số nơ ron trong lớp Kohonen, đây chỉ là một gợi ý cho những ai chưa biết về SOM trong cài đặt sau này.