Download Luận văn Nghiên cứu ứng dụng mạng nơron truyền thẳng nhiều lớp nhận dạng vị trí rôbốt hai khâu
MỤC LỤC
Trang
Lời cam đoan.
Danh mục các ký hiệu, bảng, các chữ viết tắt.
Danh mục các hình vẽ.
PHẦN MỞ ĐÀU. 1
Chương I- TÔNG QUAN VỀ MẠNG NƠ RON NHÂN TẠO. 5
1.1. Lịch sử phát triển của mạng nơ ron nhân tạo. 5
1.2. Các tính chất của mạng nơ ron nhân tạo. 5
1.3. Mô hình nơ ron. 6
1.3.1.Mô hình nơ ron sinh học. 6
1.3.1.1. chức năng, tổ chức và hoạt động của bộ não con người. 6
1.3.1.2. Mạng nơ ron sinh học. 9
1.3.2. Mạng nơ ron nhân tạo. 10
1.3.2.1. Khái niệm. 10
1.3.2.2. Phân loại mạng nơ ron. 13
1.3.2.3. Các luật học. 15
1.3.3. Mô hình toán học mạng nơ ron truyền thẳng và mạng nơ ron hồi quy. 19
1.3.3.1. Mạng nơ ron truyền thẳng. 19
1.3.3.2. Mạng nơ ron hồi quy. 22
1.4. Quá trình huấn luyện mạng nơ ron nhiều lớp. 24
1.4.1. Quá trình thực hiện. 24
1.4.2. Quy tắc chuỗi. 25
1.4.3. Độ chính xác của lan truyền ngược. 27
1.4.4. Biến thể của lan tryền ngược. 27
1.4.5. Tổng quát.(phép nội suy và phép ngoại suy). 28
1.5. Công nghệ phân cứng sử dụng mạng nơ ron. 31
1.6. So sánh khả năng của mạng nơ ron với mạch logic 32
Chương I.Tổng quan về mạng nơ ron nhân tạo
KẾT LUẬN CHưƠNG 1. 33
Chương II- Các phương pháp ứng dụng mạng nơ ron trong nhận dạng và điều khiển. 34
2.1. Các vấn đề chung. 34
2.2. Các phương pháp ứng dụng mạng nơ ron trong nhận dạng. 34
2.2.1. Cơ sở lý luận. 34
2.2.2. Mô tả toán học của đối tượng ở miền rời rạc. 36
2.2.3. Mô hình dùng mạng nơ ron. 39
2.2.3.1. Mô hình song song. 39
2.2.3.2. Mô hình nối tiếp song song. 39
2.2.3.3. Mô hình ngược trực tiếp. 40
2.2.3.4. Mô hình tổ hợp. 41
2.3. Các phương pháp ứng dụng mạng nơ ron trong điều khiển. 42
2.3.1. Bộ điều khiển đảm bảo tính ổn định vững chắc. 42
2.3.2. Bộ điều khiển thích nghi ngược trực tiếp. 42
2.3.3. Điều khiển phi tuyến mô hình trong. 44
2.3.4. Điều khiển dự báo. 44
2.3.5. Điều khiển thích nghi theo mô hình mẫu (MRAC) 45
2.3.6. Điều khiển thích nghi tự chỉnh. 46
2.3.7. Điều khiển thích nghi bằng mạng nơ ron hồi quy tuyến tính. 46
2.3.8. Điều khiển thích nghi ổn định trực tiếp. 48
2.3.9. Điều khiển tối ưu. 49
2.3.10. Phương pháp bảng tra. 50
2.3.11. Điều khiển lọc. 50
2.4. Những hạn chế và chú ý. 51
KẾT LUẬN CHưƠNG 2 52
Chương III - Ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng
vị trí rô bốt hai khâu. 53
3.1. Mạng nơ ron truyền thẳng nhiều lớp 53
Chương I.Tổng quan về mạng nơ ron nhân tạo
3.1.1. Sơ đồ khối mạng nơ ron truyền thẳng nhiều lớp. 53
3.1.2. Thuật toán học lan truyền ngược của sai lệch. 53
3.2. Ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí rô bốt hai khâu. 57
3.2.1. Phân tích sơ đồ ứng dụng. 57
3.2.2. Mô tả động học của rô bốt hai khâu. 59
3.2.3. Thiết lập mạng nơ ron nhận dạng. 60
3.2.3.1. Thiết lập sơ đồ nhận dạng 60
3.2.4.2. Quá trình nhận dạng. 63
3.2.4.3. Kết quả mô phỏng và nhận dạng. 65
3.2.4.4. Kết luận chương III 74
KẾT LUẬN CHUNG
Để tải bản DOC Đầy Đủ xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
đạt được tới đường biên. Điều đó có 2 nguyên nhân chủ yếu là:
Thứ nhất do mạng có lượng quá điều chỉnh trong quá trình huấn luyện, đáp
ứng của mạng quá phức tạp vì mạng có nhiều thông số độc lập.
Vấn đề thứ hai ở đây là trong quá trình huấn luyện không nhận giá trị p< 0,
nên các nơ ron( bao gồm cả dữ lệu cơ sở và các phương pháp xấp xỉ ) không thể đáp
ứng được yêu cầu ngoại suy chính xác.
Nếu một đầu vào mạng mà nằm ngoài phạm vi bao phủ của dữ liệu huấn
luyện thì đáp ứng của mạng sẽ luôn bị sai.
Rất ít khi chúng ta làm cho mạng biển diễn ra ngoài phạm vi của dữ liệu học,
chúng ta có thể làm cho mạng có khả năng nội suy giữa các điểm dữ liệu. Quá trình
Hình 1.16a.
Đáp ứng của mạng khi sử dụng thuật
toán bình phương sai lệch cực tiểu
Hình 1.16b.
Đáp ứng của mạng khi sử dụng thuật
toán Bayesian
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
40
khái quát hoá có thể đạt được sự đa dạng của các phương pháp kỹ thuật. Một
phương pháp được gọi là sự dừng sớm, nhiệm vụ của chúng ta là phân chia dữ liệu
huấn luyện theo biến dữ liệu đặt. Sự biểu diễn mạng dựa trên biến đặt sẽ được chỉ
đạo trong suốt quá trình học. Trong giai đoạn đầu của quá trình huấn luyện thì biến
sai lệch giảm, khi bắt đầu có lượng quá điều chỉnh thì biến sai lệch cũng bắt đầu
tăng và tại các điểm quá trình huấn luyện được dừng lại.
Thêm một phương pháp kỹ thuật nữa làm cho mạng tổng quát hoá được gọi
là sự làm đúng theo quy tắc. Với phương pháp biểu diễn chỉ số so sánh làm thay đổi
đến số hạng đem đến sự phức tạp cho mạng, số hạng bất lợi đó là tổng bình phương
của các hàm trọng lượng:
F(x)=
2
,
1
)( k ji
Q
q
q
T
q wee
(1.41)
Một bí quyết của phương pháp trên là sự lựa chọn đúng thông số ρ. Nếu giá
trị của nó lớn thì đáp ứng của mạng sẽ bằng phẳng và sẽ xấp xỉ không chính xác
được hàm biên. Nếu giá trị của ρ quá nhỏ thì mạng có sự quá điều chỉnh. Một trong
các phương pháp thành công nhất trong việc lựa chọn ρ tốt nhất là quy tắc Bayesian
([Mack 92] và [FoHa 97]).
Trên hình 1.16b. cho thấy đáp ứng của mạng khi mạng được huấn luyện theo
quy tắc Bayesian. Chú ý rằng đáp ứng của mạng có độ chính xác phù hợp không dài
hơn các điểm dữ liệu huấn luyện. Nhưng nhìn chung đặc tính đầu ra của mạng lại
sát vào nhau hơn so với hàm biên trong phạm vi của dữ liệu huấn luyện.
Tuy nhiên, với quy tắc Bayesian đáp ứng của mạng không tính toán được
ngoài phạm vi dữ liệu huấn luyện. Như chúng ta đã đề cập trước đây là chúng ta
không thể đòi hỏi mạng tính toán ngoại suy. Nếu chúng ta muốn đáp ứng của mạng
chính xác từ đầu đến cuối thì ta cần cung cấp dữ liệu huấn luyện trong suốt
phạm vi đó. Điều đó sẽ khó khăn hơn đối với trường hợp mạng có nhiều đầu vào.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
41
1.5. CÔNG NGHỆ PHẦN CỨNG SỬ DỤNG MẠNG NƠ RON.
Mạng nơ ron nhân tạo được dùng để xây dựng các chip mang lại nhiều lợi
ích với bản chất cấu trúc phân bố song song của sự gia công thông tin như các nơ
ron sinh học. Chíp nơ ron có thể được sử dụng làm các bộ đồng xử lý trong các máy
tính thông thường và trong việc tính toán.
Trong phần cứng, mạng nơ ron có thể sử dụng vào nhiều lĩnh vực. Mạng nơ
ron có thể sử dụng với các chức năng như các phần tử analog hay digital thay thế
cho các phần tử điện tử thông thường. Các chíp analog có một tiềm năng to lớn về
sử lý tốc độ cao và kinh tế hơn chip digital cùng loại, các chip digital cũng có ưu
điểm là có độ chính xác cao và dễ chế tạo hơn.
Ở phần tử analog, các trọng số liên kết mã hoá được với các phần tử điện trở,
điện cảm và điện dung. Các mức của các nút hoạt hoá (cường độ của tín hiệu) được
đặc trưng bằng các đại lượng dòng và áp.Ví dụ như lưới silic (Silicon Retina) là một
mạng chip analog có thể cạnh tranh được với lưới sinh học (Biologcal Retina)
Công nghệ digital có thể áp dụng để chế tạo các chip nơ ron. Vấn đề này
được Hammestrom và Means (1990) đề cập đến. Khả năng khác là xung học là đặc
trưng cho trọng số và cường độ tín hiệu. Xung học phản ánh tương ứng với tần suất
hay khả năng của nơ ron hoạt hoá, tái tạo điều biến quan sát được như của mạng
nơ ron sinh học. Phép nhân của 2 xung học tương ứng với phép AND trong mạch
logic, phép cộng của 2 xung học tương ứng với phép OR trong mạch logic.
Trong hướng của thuật học, có một vài chọn lọc, các trọng số trong một chip
nơ ron cần cố định trước như ROM(Read Only Memory), bộ nhớ có thể chương
trình hoá PROM (Programmable ROM), bộ nhớ có thể xoá và lập trình được
EPROM(Erasable PROM), hay bộ nhớ đọc / ghi RAM (Random Access Memory).
Mạng nơ ron mở ra một hướng quan trọng về công nghệ, với ưu thế nổi bật
của mạng nơ ron là khả năng truyền tín hiệu song song ở các chip nơ ron do đó tốc
độ truyền tín hiệu rất cao, đặc trưng này không có ở các chip điện tử truyền thống.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
42
1.6. SO SÁNH KHẢ NĂNG CỦA MẠNG NƠ RON VỚI MẠCH LOGIC.
- Mạng nơ ron dùng ở các dạng mức (0,1), (-1,1) ở dạng liên tục như hàm
chuyển đổi sigmoid và dạng phi tuyến. Do đó phần tử logic chỉ là một trường hợp
riêng của mạng nơ ron
- Khả năng lập trình được của mạng nơ ron là rất tốt, thay vì phương pháp
lắp giáp phần cứng không lập trình được của mạch logic.
- Ưu điểm nổi bật của mạng nơ ron là khả năng truyền tín hiệu song song
làm tăng tốc độ xử lý và tính toán.
- Ngay ở một phần tử nơ ron cũng có thể được coi là một hệ điều khiển trong
mạch vì nó có đầy đủ các thành phần: ngưỡng, tín hiệu vào- ra, phản hồi, bộ tổng.
Trong khi đó mạch logic chỉ là một phần tử hay một mạch điện tử.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
43
KẾT LUẬN CHƢƠNG 1
1.Qua phân tích mô hình mạng nơ ron ta thấy mạng nơ ron có các tính chất sau:
- Là hệ phi tuyến.
- Là hệ xử lý song song.
- Là hệ học và thích nghi, mạng được luyện từ số liệu quá khứ, có khả năng
tự chỉnh khi số liệu đầu vào bị mất.
- Là hệ nhiều biến, có nhiều đầu vào / ra (MIMO) rất tiện dùng khi điều
khiển đối tượng có nhiều biến số.
- Có khả năng học và làm xấp xỉ các hàm toán học bất kỳ với độ chính xác
tùy ý.
2.So sánh mạng nơ ron truyền thẳng nhiều lớp với mạng nơ ron hồi quy nhiều lớp ta
thấy mạng nơ ron truyền thẳng nhiều lớp đơn giản hơn vì mạng nơ ron hồi quy
nhiều lớp có thêm các liên kết phản hồi.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
44
CHƢƠNG II. CÁC PHƢƠNG PHÁP ỨNG DỤNG MẠNG N...
Download miễn phí Luận văn Nghiên cứu ứng dụng mạng nơron truyền thẳng nhiều lớp nhận dạng vị trí rôbốt hai khâu
MỤC LỤC
Trang
Lời cam đoan.
Danh mục các ký hiệu, bảng, các chữ viết tắt.
Danh mục các hình vẽ.
PHẦN MỞ ĐÀU. 1
Chương I- TÔNG QUAN VỀ MẠNG NƠ RON NHÂN TẠO. 5
1.1. Lịch sử phát triển của mạng nơ ron nhân tạo. 5
1.2. Các tính chất của mạng nơ ron nhân tạo. 5
1.3. Mô hình nơ ron. 6
1.3.1.Mô hình nơ ron sinh học. 6
1.3.1.1. chức năng, tổ chức và hoạt động của bộ não con người. 6
1.3.1.2. Mạng nơ ron sinh học. 9
1.3.2. Mạng nơ ron nhân tạo. 10
1.3.2.1. Khái niệm. 10
1.3.2.2. Phân loại mạng nơ ron. 13
1.3.2.3. Các luật học. 15
1.3.3. Mô hình toán học mạng nơ ron truyền thẳng và mạng nơ ron hồi quy. 19
1.3.3.1. Mạng nơ ron truyền thẳng. 19
1.3.3.2. Mạng nơ ron hồi quy. 22
1.4. Quá trình huấn luyện mạng nơ ron nhiều lớp. 24
1.4.1. Quá trình thực hiện. 24
1.4.2. Quy tắc chuỗi. 25
1.4.3. Độ chính xác của lan truyền ngược. 27
1.4.4. Biến thể của lan tryền ngược. 27
1.4.5. Tổng quát.(phép nội suy và phép ngoại suy). 28
1.5. Công nghệ phân cứng sử dụng mạng nơ ron. 31
1.6. So sánh khả năng của mạng nơ ron với mạch logic 32
Chương I.Tổng quan về mạng nơ ron nhân tạo
KẾT LUẬN CHưƠNG 1. 33
Chương II- Các phương pháp ứng dụng mạng nơ ron trong nhận dạng và điều khiển. 34
2.1. Các vấn đề chung. 34
2.2. Các phương pháp ứng dụng mạng nơ ron trong nhận dạng. 34
2.2.1. Cơ sở lý luận. 34
2.2.2. Mô tả toán học của đối tượng ở miền rời rạc. 36
2.2.3. Mô hình dùng mạng nơ ron. 39
2.2.3.1. Mô hình song song. 39
2.2.3.2. Mô hình nối tiếp song song. 39
2.2.3.3. Mô hình ngược trực tiếp. 40
2.2.3.4. Mô hình tổ hợp. 41
2.3. Các phương pháp ứng dụng mạng nơ ron trong điều khiển. 42
2.3.1. Bộ điều khiển đảm bảo tính ổn định vững chắc. 42
2.3.2. Bộ điều khiển thích nghi ngược trực tiếp. 42
2.3.3. Điều khiển phi tuyến mô hình trong. 44
2.3.4. Điều khiển dự báo. 44
2.3.5. Điều khiển thích nghi theo mô hình mẫu (MRAC) 45
2.3.6. Điều khiển thích nghi tự chỉnh. 46
2.3.7. Điều khiển thích nghi bằng mạng nơ ron hồi quy tuyến tính. 46
2.3.8. Điều khiển thích nghi ổn định trực tiếp. 48
2.3.9. Điều khiển tối ưu. 49
2.3.10. Phương pháp bảng tra. 50
2.3.11. Điều khiển lọc. 50
2.4. Những hạn chế và chú ý. 51
KẾT LUẬN CHưƠNG 2 52
Chương III - Ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng
vị trí rô bốt hai khâu. 53
3.1. Mạng nơ ron truyền thẳng nhiều lớp 53
Chương I.Tổng quan về mạng nơ ron nhân tạo
3.1.1. Sơ đồ khối mạng nơ ron truyền thẳng nhiều lớp. 53
3.1.2. Thuật toán học lan truyền ngược của sai lệch. 53
3.2. Ứng dụng mạng nơ ron truyền thẳng nhiều lớp nhận dạng vị trí rô bốt hai khâu. 57
3.2.1. Phân tích sơ đồ ứng dụng. 57
3.2.2. Mô tả động học của rô bốt hai khâu. 59
3.2.3. Thiết lập mạng nơ ron nhận dạng. 60
3.2.3.1. Thiết lập sơ đồ nhận dạng 60
3.2.4.2. Quá trình nhận dạng. 63
3.2.4.3. Kết quả mô phỏng và nhận dạng. 65
3.2.4.4. Kết luận chương III 74
KẾT LUẬN CHUNG
Để tải bản DOC Đầy Đủ xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung:
Tuy nhiên, đáp ứng toàn bộ của mạng lại không có khả năngđạt được tới đường biên. Điều đó có 2 nguyên nhân chủ yếu là:
Thứ nhất do mạng có lượng quá điều chỉnh trong quá trình huấn luyện, đáp
ứng của mạng quá phức tạp vì mạng có nhiều thông số độc lập.
Vấn đề thứ hai ở đây là trong quá trình huấn luyện không nhận giá trị p< 0,
nên các nơ ron( bao gồm cả dữ lệu cơ sở và các phương pháp xấp xỉ ) không thể đáp
ứng được yêu cầu ngoại suy chính xác.
Nếu một đầu vào mạng mà nằm ngoài phạm vi bao phủ của dữ liệu huấn
luyện thì đáp ứng của mạng sẽ luôn bị sai.
Rất ít khi chúng ta làm cho mạng biển diễn ra ngoài phạm vi của dữ liệu học,
chúng ta có thể làm cho mạng có khả năng nội suy giữa các điểm dữ liệu. Quá trình
Hình 1.16a.
Đáp ứng của mạng khi sử dụng thuật
toán bình phương sai lệch cực tiểu
Hình 1.16b.
Đáp ứng của mạng khi sử dụng thuật
toán Bayesian
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
40
khái quát hoá có thể đạt được sự đa dạng của các phương pháp kỹ thuật. Một
phương pháp được gọi là sự dừng sớm, nhiệm vụ của chúng ta là phân chia dữ liệu
huấn luyện theo biến dữ liệu đặt. Sự biểu diễn mạng dựa trên biến đặt sẽ được chỉ
đạo trong suốt quá trình học. Trong giai đoạn đầu của quá trình huấn luyện thì biến
sai lệch giảm, khi bắt đầu có lượng quá điều chỉnh thì biến sai lệch cũng bắt đầu
tăng và tại các điểm quá trình huấn luyện được dừng lại.
Thêm một phương pháp kỹ thuật nữa làm cho mạng tổng quát hoá được gọi
là sự làm đúng theo quy tắc. Với phương pháp biểu diễn chỉ số so sánh làm thay đổi
đến số hạng đem đến sự phức tạp cho mạng, số hạng bất lợi đó là tổng bình phương
của các hàm trọng lượng:
F(x)=
2
,
1
)( k ji
Q
q
q
T
q wee
(1.41)
Một bí quyết của phương pháp trên là sự lựa chọn đúng thông số ρ. Nếu giá
trị của nó lớn thì đáp ứng của mạng sẽ bằng phẳng và sẽ xấp xỉ không chính xác
được hàm biên. Nếu giá trị của ρ quá nhỏ thì mạng có sự quá điều chỉnh. Một trong
các phương pháp thành công nhất trong việc lựa chọn ρ tốt nhất là quy tắc Bayesian
([Mack 92] và [FoHa 97]).
Trên hình 1.16b. cho thấy đáp ứng của mạng khi mạng được huấn luyện theo
quy tắc Bayesian. Chú ý rằng đáp ứng của mạng có độ chính xác phù hợp không dài
hơn các điểm dữ liệu huấn luyện. Nhưng nhìn chung đặc tính đầu ra của mạng lại
sát vào nhau hơn so với hàm biên trong phạm vi của dữ liệu huấn luyện.
Tuy nhiên, với quy tắc Bayesian đáp ứng của mạng không tính toán được
ngoài phạm vi dữ liệu huấn luyện. Như chúng ta đã đề cập trước đây là chúng ta
không thể đòi hỏi mạng tính toán ngoại suy. Nếu chúng ta muốn đáp ứng của mạng
chính xác từ đầu đến cuối thì ta cần cung cấp dữ liệu huấn luyện trong suốt
phạm vi đó. Điều đó sẽ khó khăn hơn đối với trường hợp mạng có nhiều đầu vào.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
41
1.5. CÔNG NGHỆ PHẦN CỨNG SỬ DỤNG MẠNG NƠ RON.
Mạng nơ ron nhân tạo được dùng để xây dựng các chip mang lại nhiều lợi
ích với bản chất cấu trúc phân bố song song của sự gia công thông tin như các nơ
ron sinh học. Chíp nơ ron có thể được sử dụng làm các bộ đồng xử lý trong các máy
tính thông thường và trong việc tính toán.
Trong phần cứng, mạng nơ ron có thể sử dụng vào nhiều lĩnh vực. Mạng nơ
ron có thể sử dụng với các chức năng như các phần tử analog hay digital thay thế
cho các phần tử điện tử thông thường. Các chíp analog có một tiềm năng to lớn về
sử lý tốc độ cao và kinh tế hơn chip digital cùng loại, các chip digital cũng có ưu
điểm là có độ chính xác cao và dễ chế tạo hơn.
Ở phần tử analog, các trọng số liên kết mã hoá được với các phần tử điện trở,
điện cảm và điện dung. Các mức của các nút hoạt hoá (cường độ của tín hiệu) được
đặc trưng bằng các đại lượng dòng và áp.Ví dụ như lưới silic (Silicon Retina) là một
mạng chip analog có thể cạnh tranh được với lưới sinh học (Biologcal Retina)
Công nghệ digital có thể áp dụng để chế tạo các chip nơ ron. Vấn đề này
được Hammestrom và Means (1990) đề cập đến. Khả năng khác là xung học là đặc
trưng cho trọng số và cường độ tín hiệu. Xung học phản ánh tương ứng với tần suất
hay khả năng của nơ ron hoạt hoá, tái tạo điều biến quan sát được như của mạng
nơ ron sinh học. Phép nhân của 2 xung học tương ứng với phép AND trong mạch
logic, phép cộng của 2 xung học tương ứng với phép OR trong mạch logic.
Trong hướng của thuật học, có một vài chọn lọc, các trọng số trong một chip
nơ ron cần cố định trước như ROM(Read Only Memory), bộ nhớ có thể chương
trình hoá PROM (Programmable ROM), bộ nhớ có thể xoá và lập trình được
EPROM(Erasable PROM), hay bộ nhớ đọc / ghi RAM (Random Access Memory).
Mạng nơ ron mở ra một hướng quan trọng về công nghệ, với ưu thế nổi bật
của mạng nơ ron là khả năng truyền tín hiệu song song ở các chip nơ ron do đó tốc
độ truyền tín hiệu rất cao, đặc trưng này không có ở các chip điện tử truyền thống.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
42
1.6. SO SÁNH KHẢ NĂNG CỦA MẠNG NƠ RON VỚI MẠCH LOGIC.
- Mạng nơ ron dùng ở các dạng mức (0,1), (-1,1) ở dạng liên tục như hàm
chuyển đổi sigmoid và dạng phi tuyến. Do đó phần tử logic chỉ là một trường hợp
riêng của mạng nơ ron
- Khả năng lập trình được của mạng nơ ron là rất tốt, thay vì phương pháp
lắp giáp phần cứng không lập trình được của mạch logic.
- Ưu điểm nổi bật của mạng nơ ron là khả năng truyền tín hiệu song song
làm tăng tốc độ xử lý và tính toán.
- Ngay ở một phần tử nơ ron cũng có thể được coi là một hệ điều khiển trong
mạch vì nó có đầy đủ các thành phần: ngưỡng, tín hiệu vào- ra, phản hồi, bộ tổng.
Trong khi đó mạch logic chỉ là một phần tử hay một mạch điện tử.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
43
KẾT LUẬN CHƢƠNG 1
1.Qua phân tích mô hình mạng nơ ron ta thấy mạng nơ ron có các tính chất sau:
- Là hệ phi tuyến.
- Là hệ xử lý song song.
- Là hệ học và thích nghi, mạng được luyện từ số liệu quá khứ, có khả năng
tự chỉnh khi số liệu đầu vào bị mất.
- Là hệ nhiều biến, có nhiều đầu vào / ra (MIMO) rất tiện dùng khi điều
khiển đối tượng có nhiều biến số.
- Có khả năng học và làm xấp xỉ các hàm toán học bất kỳ với độ chính xác
tùy ý.
2.So sánh mạng nơ ron truyền thẳng nhiều lớp với mạng nơ ron hồi quy nhiều lớp ta
thấy mạng nơ ron truyền thẳng nhiều lớp đơn giản hơn vì mạng nơ ron hồi quy
nhiều lớp có thêm các liên kết phản hồi.
Chương I.Tổng quan về mạng nơ ron nhân tạo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
44
CHƢƠNG II. CÁC PHƢƠNG PHÁP ỨNG DỤNG MẠNG N...