Trong luận văn thực nghiệm 2 phƣơng pháp MLP-PCA và MLP-PCA-GA để có cơ sở đánh giá hiệu quả của các phƣơng pháp.
Ngôn ngữ lập trình đƣợc sử dụng trong phần mềm đánh giá thực nghiệm là ngôn ngữ Visual Studiọnet. Để tập trung vào công việc chính của luận văn là đánh giá hiệu quả các phƣơng pháp MLP và phƣơng pháp MLP-PCA-GA, luận văn sử dụng một số thƣ viện có sẵn trên mạng gồm các hàm có sẵn về MLP, PCA, GẠ Thƣ viện MLP đƣợc lấy từ www.codeproject.com, thƣ viện GA đƣợc lấy từ
sourceforgẹnet, còn thƣ viện PCA đƣợc lấy từ crsouzạblogspot.com. Các thƣ viện này có sẵn hầu hết các hàm, thủ tục liên quan đến việc cài đặt các thuật toán MLP, GA, PCẠ Nhiều nghiên cức trên thế giới cũng sử dụng các thƣ viện sẵn có nayfneen các thƣ viện này có thể xem là có độ tin cậy caọ Hệ thống nhận dạng ảnh mặt ngƣời sử dụng 2 phƣơng pháp MLP-PCA và MLP-PCA-GA sau đó đƣợc lập trình, cài đặt và đánh giá kết quả.
3.5.2. Đánh giá hiệu quả tối ƣu quá trình huấn luyện của phƣơng pháp dùng MLP-PCA và MLP-PCA-GA
Sau đây là một số kết quả ứng với các tham số huấn luyện khác nhau:
Test 1. Dùng mạng MLP Số lƣợng ảnh test: 12 Độ chính xác mong muốn: 90% Số nút ẩn: 60 Tốc độ học: 0.6 Momentum: 0.6 Kết quả huấn luyện là
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnụedụvn 52
Test 2. Dùng thuật toán huấn luyện kết hợp MLP- GẠ Mạng MLP gồm 3 lớp với 01 lớp ẩn, Population_size = 12 Mutation_rate = 0.05 Crossover_rate = 0.46 Length of chromosomes = 6600 Số thế hệ = 8 Độ chính xác mong muốn = 90% Kết quả huấn luyện là
Bảng 3.2 Kết qủa đánh giá hàm mục tiêu của MLP-PCA-GA
Và
Bảng 3.3 Kết qủa đánh giá FR và TTSE bảng MLP-PCA-GA
Lỗi hệ thống trong test 1 (dùng thuật toán huấn luyện MLP) là 5.73 × 10−5 sau 366 bƣớc lặp. Trong test 2, sau 8 thế hệ, giai đoạn học thứ nhất (dùng GA) của thuật toán huấn luyện kết hợp MLP-PCA-GA gặp tiêu chuẩn dừng. Giá trị hàm mục tiêu fitness trung bình tốt nhất là 5.6283. Kết quả đầu ra từ giai đoạn học thứ nhất đƣợc dùng làm đầu vào khởi tạo vector trọng số cho giai đoạn học thứ hai (dùng MLP) của thuật toán kết hợp MLP-PCA-GẠ Sau 158 bƣớc lặp, lỗi hệ thống đã hội tụ tới giá trị nhỏ hơn 0.0008 và thuật toán đã huấn luyện đƣợc tất cả các ảnh.
Hiệu năng của thuật toán huấn luyện MLP-PCA và thuật toán kết hợp MLP- PCA-GA đƣợc thể hiện trong hình 3.6.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnụedụvn 53
Hình 3.6. Hiệu năng của thuật toán huấn luyện (a) MLP-PCA