II. TÌM HIỂU VỀ PHÂN LỚP DỮ LIỆU: 1 Giới thiệu về phân lớp:
5. Phân lớp bằng mạng lạn truyền ngược: Neural Networks (Mạng Nơtrôn):
Neural Networks (Mạng Nơtrôn):
Cấu trúc của một neural như sau:
Vector x n chiều được ánh xạ vào biến y dựa trên tích vô hướng và một hàm ánh xạ phi tuyến.
Mạng huấn luyện:
Mục tiêu cơ bản của việc huấn luyện:
Đạt được một một tập hợp của những trọng số mà có thể làm cho hầu hết tất cả những bộ trong tập huấn luyện được phân lớp đúng.
Những bước của quá trình huấn luyện:
Khởi tạo trọng số với những giá trị ngẫu nhiên. Lần lược đưa mỗi bộ vào trong mạng.
Đối với mỗi đơn vị:
- Tính toán mạng input cho mỗi đơn vị như là một sự kết hợp tuyến tính của tất cả những input đối với đơn vị.
- Tính toán giá trị output sử dụng hàm kích hoạt. - Tính toán lỗi.
- Cập nhật trọng số và khuynh hướng .
Mạng thu giảm và rút trích luật:
Mạng thu giảm:
Mạng kết nối hoàn toàn sẽ khó nối khớp với nhau.
Với n node input , n hidden node và m output node dẫn đến h(m+N) trọng số. Thu giảm ở điểm : loại một số liên kết mà không ảnh hưởng phân lớp chính xát
của mạng.
Những ích lợi của mạng nơtrôn có thể kể đến như sau: Tiên đoán chính xát cao.
Hoạt động mạnh , làm việc được ngay khi các mẫu chứa lỗi.
Output có thể là giá trị rời rạc, giá trị thực hoặc vector của nhiều thuộc tính rời rạc hoặc giá trị thực.
Đánh giá nhanh hàm mục tiêu được học . Yếu điểm :
Thời gian huấn luyện lâu.
Khó có thể hiểu được hàm học ( trọng số). Khó có thể kết hợp tri thức lĩnh vực.