Processing Elements (PE): Các PE của ANN gọi là Nơron; mỗi Nơron nhận các dữ liệu vào (Inputs) xử lý chúng và cho ra một kết quả (output) duy nhất; kết quả
xử lý của một nơron có thể làm ñầu vào cho các nơron khác.
Hình 2.1: Mô hình mạng nơron.
Inputs: Mỗi Input tương ứng với 1 thuộc tính (attribute) của dữ liệu (patterns). Ví dụ như trong ứng dụng nghành ñiện dự báo phụ tải của năm của tháng hay của ngày vv… thì mỗi ñầu vào Input là một thuộc tính của khách hàng.
Output: Kết quả của một ANN là một giải pháp cho một vấn ñề, ví dụ như với bài toán xem xét tham số phụ tải ñầu ra output.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……….. ……… 30
Connection Weights (Trọng số liên kết): ðây là thành phần rất quan trọng của một ANN, nó thể hiện mức ñộ quan trọng (ñộ mạnh) của dữ liệu ñầu vào ñối với quá trình xử lý thông tin (quá trình chuyển ñổi dữ liệu từ lớp này sang lớp khác). Quá trình học (Learning Processing) của ANN thực ra là quá trình ñiều chỉnh các trọng số
(Weight) của các input data ñể có ñược kết quả mong muốn.
Summation Function (Hàm tổng): Tính tổng trọng số của tất cả các input
ñược ñưa vào mỗi nơron (phần tử xử lý PE). Hàm tổng của một Nơron ñối với n input
ñược tính theo công thức sau:
∑ = = n i i iW X Y 1 (2.1) Xi: Các ñầu vào Mạng; Wi: Các trọng số; Y: ðầu ra mạng.
Hàm tổng ñối với nhiều nơron trong cùng một Layer (Xem hình 2.2b):
Hình 2.2: Transformation (Transfer) Function (Hàm chuyển ñổi)
Hàm tổng (Summation Function) của một nơron cho biết khả năng kích hoạt (Activation) của nơron ñó còn gọi là kích hoạt bên trong (internal activation). Các nơron này có thể sinh ra một output hoặc không trong ANN (nói cách khác rằng có thể
output của 1 nơron có thểñược chuyển ñến layer tiếp trong mạng nơron tiếp theo hoặc không). Mối quan hệ giữa Internal Activation và kết quả (output) ñược thể hiện bằng hàm chuyển ñổi (Transfer Function) như hình dưới 2.2.1.
Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……….. ……… 31
Hình 2.2.1: Mô hình mạng nơron.
Việc lựa chọn Transfer Function có tác ñộng lớn ñến kết quả của ANN. Hàm chuyển ñổi phi tuyến ñược sử dụng phổ biến trong ANN là sigmoid (logical activation) function. Y T e Y − + = 1 1 ; (2.2) Trong ñó : YT: Hàm chuyển ñổi; Y: Hàm tổng.
Kết quả của Sigmoid Function thuộc khoảng [0,1] nên còn gọi là hàm chuẩn hóa (Normalized Function).