Ứng dụng mạng nơron hỗ trợ phân tích sản xuất kinh doanh than 1

  • Số trang: 74 |
  • Loại file: PDF |
  • Lượt xem: 51 |
  • Lượt tải: 0
nhattuvisu

Đã đăng 26946 tài liệu

Mô tả:

ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG LÊ THỊ PHƢƠNG ỨNG DỤNG MẠNG NƠRON HỖ TRỢ PHÂN TÍCH QUÁ TRÌNH SẢN XUẤT KINH DOANH THAN LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên - 2013 ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG LÊ THỊ PHƢƠNG ỨNG DỤNG MẠNG NƠRON HỖ TRỢ PHÂN TÍCH QUÁ TRÌNH SẢN XUẤT KINH DOANH THAN Chuyên nghành: KHOA HỌC MÁY TÍNH Mã số: 60 48 01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH HƢỚNG DẪN KHOA HỌC: P G S . TS LÊ BÁ DŨNG Thái Nguyên – 2013 LỜI CAM ĐOAN Tôi xin cam đoan luận văn là do bản thân tự tìm hiểu và đƣợc thực hiện theo sự hƣớng dẫn khoa học của PGS. TS Lê Bá Dũng. Nội dung trong luận văn có sự tham khảo và sử dụng một số tài liệu, thông tin đƣợc đăng tải trên các tác phẩm, tạp chí và các trang web theo danh mục tài liệu của luận văn. Các số liệu, chƣơng trình phần mềm và những kết quả trong luận văn là trung thực và chƣa đƣợc công bố trong bất kỳ một công trình nào khác. Tôi hoàn toàn chịu trách nhiệm về tính pháp lý quá trình nghiên cứu khoa học của luận văn này. Thái Nguyên, tháng 09 năm 2013 Học viên thực hiện Lê Thị Phƣơng i LỜI CẢM ƠN Trƣớc tiên tôi xin bày tỏ lòng biết ơn sâu sắc tới thầy PGS. TS Lê Bá Dũng – Viện Công nghệ Thông Tin đã tận tình hƣớng dẫn, giúp đỡ và đóng góp cho tôi nhiều ý kiến quí báu để tôi hoàn thành luận văn này. Tôi xin chân thành cảm ơn các thầy, các cô trƣờng Đại học Công nghệ thông tin và Truyền thông – Đại học Thái Nguyên, các thầy cô Viện Công nghệ thông tin đã giảng dạy, giúp đỡ và tạo điều kiện thuận lợi cho tôi trong thời gian học tập tại Trƣờng. Tôi xin gửi lời cảm ơn đến các bạn học viên lớp Cao học khóa 2011 - 2013 đã giúp đỡ và tạo điều kiện thuận lợi cho tôi trong quá trình học tập và làm luận văn. Cuối cùng tôi xin chân thành cảm ơn tới gia đình, đồng nghiệp và bạn bè tôi, những ngƣời đã động viên, quan tâm, tạo điều kiện giúp đỡ để tôi hoàn thành khóa học của mình. Thái Nguyên, tháng 09 năm 2013 Học viên thực hiện Lê Thị Phƣơng ii MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN ............................................................................................................. i MỤC LỤC .................................................................................................................. ii DANH MỤC CÁC KÍ HIỆU, CHỮ CÁI VIẾT TẮT............................................... iv DANH MỤC BẢNG ...................................................................................................v DANH MỤC CÁC HÌNH VẼ................................................................................... vi MỞ ĐẦU .....................................................................................................................1 CHƢƠNG 1: GIỚI THIỆU VỀ MẠNG NƠRON ......................................................3 1.1. Giới thiệu về mạng nơron nhân tạo ..................................................................3 1.1.1. Cấu trúc và mô hình mạng nơron ..............................................................3 1.1.2. Cấu tạo và phƣơng thức làm việc của mạng nơron ...................................7 1.1.3. Các luật học ...............................................................................................9 1.2. Tìm hiểu mạng nơron Kohonen .....................................................................12 1.2.1. Giới thiệu .................................................................................................12 1.2.2. Mạng nơron Kohonen ..............................................................................13 1.2.3. Thực thi mạng nơron Kohonen ................................................................22 CHƢƠNG 2 : KHẢO SÁT HOẠT ĐỘNG SẢN XUẤT KINH DOANH Ở CÔNG TY THAN .................................................................................................................23 2.1. Cơ sở lý thuyết của phân tích hiệu quả sản xuất kinh doanh than .................23 2.1.1. Hiệu quả sản xuất kinh doanh than ..........................................................23 2.1.2. Những nhân tố ảnh hƣởng tới hiệu quả sản xuất kinh doanh than ..........26 2.1.3. Một số biện pháp nhằm nâng cao hiệu quả sản xuất kinh doanh than ....30 2.2. Mục đích của công tác khảo sát hiện trạng ....................................................32 2.3. Các bƣớc thực hiện quá trình khảo sát ...........................................................32 2.4. Các danh mục khảo sát ...................................................................................33 2.5. Tìm hiểu và đánh giá hiện trạng .....................................................................33 2.5.1. Tìm hiểu hệ thống hiện tại .......................................................................33 iii 2.5.2. Phân loại, tập hợp thông tin .....................................................................37 2.5.3. Phát hiện các yếu kém của hiện trạng và đề ra phƣơng hƣớng phát triển hệ thống tƣơng lai ..............................................................................................38 CHƢƠNG 3 : ỨNG DỤNG MÔ HÌNH SOM TRONG BÀI TOÁN KHẢO SÁT, PHÂN TÍCH, ĐÁNH GIÁ HOẠT ĐỘNG SẢN XUẤT KINH DOANH Ở CÔNG TY THAN MẠO KHÊ TKV.....................................................................................40 3.1. Một vài nét về Công ty ...................................................................................40 3.1.1. Vị trí địa lý và điều kiện tự nhiên ............................................................40 3.1.2. Sự hình thành và phát triển ......................................................................40 3.1.3. Quy trình công nghệ sản xuất sản phẩm than của Công ty than Mạo Khê TKV ...................................................................................................................41 3.1.4. Chức năng nhiệm vụ của Công ty............................................................42 3.2. Bài toán phân tích, đánh giá ...........................................................................42 3.3. Thực nghiệm sử dụng mô hình SOM để khảo sát, phân tích, đánh giá quá trình sản xuất kinh doanh than ..............................................................................44 3.3.1. Thống kê quá trình phát triển...................................................................44 3.3.2. Khởi tạo và huấn luyện SOM ..................................................................51 3.3.3. Phân tích kiểm toán với Bản đồ tự tổ chức..............................................55 3.4. Kết luận chƣơng 3 ..........................................................................................62 KẾT LUẬN ...............................................................................................................63 iv DANH MỤC CÁC KÍ HIỆU, CHỮ CÁI VIẾT TẮT ANN (Artificial Neural Network) : Mạng nơron nhân tạo SOM (Self Organizing Maps) : Mạng Nơron tự tổ chức PE (Processing Element) : Phần tử xử lý MLP-Network (Multilayer Perceptrons-Network): Mạng nơron gồm một hay nhiều lớp trung gian TKV : Than khoáng sản Việt Nam Nộp ngân sách NN : Nộp ngân sách Nhà nƣớc GTGT : Giá trị gia tăng HĐKD : Hoạt động kinh doanh BMU (Best – Matching unit) : Đơn vị phù hợp nhất U-matrix (The Unified distance matrix) : Ma trận thống nhất khoảng cách v DANH MỤC BẢNG Bảng 3.1: Bảng kết quả kinh doanh than của Công ty than Mạo Khê TKV trong 10 năm (2003 - 2012) ................................................................................................... 45 Bảng 3.2: Kết quả các cụm sau khi huấn luyện SOM dựa trên hình 3.3 ................ 57 vi DANH MỤC CÁC HÌNH VẼ Hình 1.1: Một nơron sinh học .....................................................................................3 Hình 1.2: Sự liên kết các nơron...................................................................................4 Hình 1.3: Mô hình một nơron nhân tạo ......................................................................4 Hình 1.4: Đồ thị các dạng hàm truyền .......................................................................6 Hình 1.5: Mạng nơron ba lớp .....................................................................................7 Hình 1.6: Một số dạng mạng nơron ...........................................................................8 Hình 1.7: Cấu trúc huấn luyện mạng nơron ...............................................................9 Hình 1.8: Học có giám sát ....................................................................................... 10 Hình 1.9: Học không có giám sát ............................................................................ 11 Hình 1.10: Sơ đồ cấu trúc chung của quá trình học ................................................ 11 Hình 1.11: Một dạng mạng nơron Kohonen ........................................................... 16 Hình 1.12: Sơ đồ khối biểu diễn huấn luyện mạng nơron Kohonen....................... 20 Hình 3.1: Sơ đồ công nghệ sản xuất sản phẩm than ............................................... 41 Hình 3.2: Kết quả chạy chƣơng trình huấn luyện SOM ......................................... 55 Hình 3.3: Kết quả phân cụm sử dụng phƣơng pháp trực quan U-matrix ................ 56 Hình 3.4: Kết quả phân cụm sử dụng phƣơng pháp trực quan các bản đồ thành phần .................................................................................................................................. 59 1 MỞ ĐẦU Bên cạnh chức năng khai thác cơ sở dữ liệu có tính tác nghiệp, sự thành công trong kinh doanh không chỉ thể hiện ở năng suất của các hệ thống thông tin mà ngƣời ta còn mong muốn cơ sở dữ liệu đó đem lại tri thức từ dữ liệu hơn là chính bản thân dữ liệu. Sự ra đời của kỹ thuật Khai phá dữ liệu và Phát hiện tri thức trong cơ sở dữ liệu (Data Mining and Knownledge Discovery in Databases) đã đáp ứng đƣợc điều đó. Chúng ta biết rằng, bộ não con ngƣời là một sản phẩm hoàn hảo của tạo hóa, nó có khả năng tƣ duy và sáng tạo. Hiện nay, con ngƣời đang nghiên cứu phƣơng thức hoạt động của bộ não sau đó áp dụng cho những công nghệ hiện đại. Để tiếp cận khả năng học, ngƣời ta đƣa ra mô hình mạng nơron gồm các nơron liên kết với nhau thành mạng phỏng theo cấu trúc mạng thần kinh của con ngƣời. Mỗi nơron riêng lẻ có khả năng xử lý thông tin yếu nhƣng khi chúng đƣợc ghép với nhau thành mạng thì khả năng xử lý thông tin sẽ mạnh hơn rất nhiều. Một mạng nơron nhân tạo (Artificial Neural Network: ANN) là một mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của các hệ nơron sinh học. Nó là tập hợp một số lớn các phần tử xử lý (các nút hay các khối) thƣờng đƣợc tổ chức song song và đƣợc cấu hình theo kiến trúc đệ quy. Mạng nơron nhân tạo là công cụ tốt trong việc giải quyết các bài toán nhƣ: hợp và phân lớp đối tƣợng, xấp xỉ hàm, tối ƣu hóa, định lƣợng vector, nhận dạng, dự báo, phân tích và xử lý dữ liệu, phân cụm dữ liệu,... Mạng nơron nhân tạo thực hiện các bài toán tối ƣu đã đạt đƣợc hiệu quả cao và đáng tin cậy. Việc ứng dụng mạng nơron nhân tạo để phân tích và xử lý dữ liệu đã cho thấy nhiều ƣu điểm nổi bật và đã thu đƣợc những thành công to lớn. Vì vậy, “Ứng dụng mạng nơron hỗ trợ phân tích quá trình sản xuất kinh doanh than” đƣợc tôi chọn làm đề tài. Cấu trúc luận văn bao gồm phần mở đầu, ba chƣơng nội dung, phần kết luận và tài liệu tham khảo. 2 Chƣơng 1: Giới thiệu về mạng nơron Trình bày các khái niệm cơ bản, cấu trúc, mô hình, phƣơng thức làm việc ... của mạng nơron, mạng nơron Kohonen. Chƣơng 2: Khảo sát hoạt động sản xuất kinh doanh ở công ty than Giới thiệu chung về hoạt động sản xuất kinh doanh than. Trình bày mục đích của công tác khảo sát hiện trạng, các bƣớc thực hiện quá trình khảo sát, tìm hiểu và đánh giá hiện trạng. Chƣơng 3: Ứng dụng mô hình SOM trong bài toán khảo sát, phân tích, đánh giá hoạt động sản xuất kinh doanh ở Công ty than Mạo Khê TKV. Tìm hiểu về Công ty than Mạo Khê TKV. Triển khai ứng dụng mô hình SOM cho bài toán khảo sát, phân tích, đánh giá quá trình sản xuất kinh doanh than. Xác định các đối tƣợng dữ liệu phù hợp với bài toán, lựa chọn môi trƣờng và ngôn ngữ cài đặt, chuyển thiết kế thành chƣơng trình và chạy thử nghiệm với các dữ liệu thực. Phần kết luận: Nêu những kết quả đã đạt đƣợc và hƣớng phát triển của đề tài. 3 CHƢƠNG 1: GIỚI THIỆU VỀ MẠNG NƠRON 1.1. Giới thiệu về mạng nơron nhân tạo 1.1.1. Cấu trúc và mô hình mạng nơron 1.1.1.1. Mô hình một nơron sinh học Phần tử xử lý cơ bản của một mạng nơron sinh học là một nơron, phần tử này có thể chia làm bốn thành phần cơ bản: - Dendrites: Là phần nhận tín hiệu đầu vào. - Soma: Là hạt nhân. - Axon: Là phần dẫn ra tín hiệu xử lý. - Synapses: Là đƣờng tín hiệu điện hóa giao tiếp giữa các nơron. Một cách tổng quát, một nơron sinh học nhận đầu vào từ các nguồn khác nhau, kết hợp chúng tại với nhau, thực thi tổ hợp phi tuyến chúng để cho ra kết quả cuối cùng ở đầu ra. Hình 1.1 chỉ ra mối quan hệ giữa bốn thành phần của một nơron sinh học: Hình 1.1: Một nơron sinh học Một nơron sinh học chỉ có một số chức năng cơ bản nhƣ vậy nên khả năng xử lý thông tin của nó là rất yếu. Để có đƣợc khả năng xử lý thông tin hoàn hảo nhƣ bộ não con ngƣời thì các nơron phải kết hợp và trao đổi thông tin với nhau. 4 Sơ đồ liên kết và trao đổi thông tin giữa hai nơron nhƣ hình sau: Hình 1.2: Sự liên kết các nơron 1.1.1.2. Cấu trúc và mô hình của một nơron nhân tạo Mô hình toán học của mạng nơron nhân tạo đƣợc đề xuất bởi McCulloch và Pitts gọi là nơron M-P (ngoài ra nó còn đƣợc gọi là phần tử xử lý và đƣợc ký hiệu là PE - Processing Element). Mô hình nơron có m đầu vào x1, x2, ..., xm và một đầu ra yi: Hình 1.3: Mô hình một nơron nhân tạo Giải thích các thành phần cơ bản: - Tập các đầu vào: Là các tín hiệu vào của nơron, các tín hiệu này thƣờng đƣợc đƣa vào dƣới dạng một vector m chiều. 5 - Tập các liên kết (các trọng số): Mỗi liên kết đƣợc thể hiện bởi một trọng số (thƣờng đƣợc gọi là trọng số liên kết). Trọng số liên kết giữa tín hiệu vào thứ j cho nơron i thƣờng đƣợc ký hiệu là wij. - Bộ tổng (hàm tổng): Thƣờng dùng để tính tổng của tích các đầu vào với trọng số liên kết của nó. - Ngưỡng: Ngƣỡng thƣờng đƣợc đƣa vào nhƣ một thành phần của hàm truyền. - Hàm truyền: Dùng để giới hạn phạm vi đầu ra của mỗi nơron. Nó nhận đầu vào là kết quả của hàm tổng và ngƣỡng đã cho. Thông thƣờng, phạm vi đầu ra của mỗi nơron đƣợc giới hạn trong đoạn [0,1] hoặc [-1,1]. - Đầu ra: Là tín hiệu đầu ra của một nơron, với mỗi nơron sẽ có tối đa một đầu ra. Về mặt toán học, cấu trúc của một nơron i đƣợc mô tả bằng cặp biểu thức n sau: yi f ( neti i ) và net i wij x j j 1 Trong đó: x1, x2, …xm là các tín hiệu đầu vào; wi1, wi2,…,wim là các trọng số kết nối của nơron thứ i, neti là hàm tổng, f là hàm truyền, i là một ngƣỡng, yi là tín hiệu đầu ra của nơron. Tƣơng tự nhƣ nơron sinh học, nơron nhân tạo cũng nhận các tín hiệu đầu vào, xử lý (nhân các tín hiệu này với trọng số liên kết, tính tổng các tích thu đƣợc rồi gửi kết quả đến hàm truyền) và cho một tín hiệu đầu ra (là kết quả của hàm truyền). Hàm truyền có thể có các dạng sau: - Hàm bƣớc y 1 khi x 0 0 khi x 0 (1.1) 6 - Hàm giới hạn chặt y 1 khi x 0 1 khi x 0 sgn( x) (1.2) - Hàm bậc thang y 1 khi x 1 x khi 0 x 1 sgn( x) 0 khi (1.3) x 0 - Hàm ngƣỡng đơn cực y 1 1 e với λ > 0 (1.4) x - Hàm ngƣỡng hai cực y 2 1 e x 1 với λ > 0 Đồ thị các dạng hàm truyền đƣợc biểu diễn nhƣ sau: Hình 1.4: Đồ thị các dạng hàm truyền (1.5) 7 1.1.2. Cấu tạo và phƣơng thức làm việc của mạng nơron Mạng nơron là một hệ truyền đạt và xử lý tín hiệu, đặc tính truyền đạt của nơron phần lớn là đặc tính truyền đạt tĩnh nên có thể phân biệt các loại nơron khác nhau. Các nơron có đầu vào nhận thông tin từ môi trƣờng bên ngoài khác với các nơron có đầu vào đƣợc nối với các nơron khác trong mạng, chúng đƣợc phân biệt với nhau qua vector hàm trọng số ở đầu vào w. Nguyên lý cấu tạo của mạng nơron bao gồm nhiều lớp, mỗi lớp bao gồm nhiều nơron có cùng chức năng trong mạng. Hình 1.5 là mô hình hoạt động của một mạng nơron 3 lớp với 8 phần tử nơron: Hình 1.5: Mạng nơron ba lớp Các tín hiệu đầu vào đƣợc đƣa đến 3 nơron đầu vào x1, x2, x3; 3 nơron này làm thành lớp đầu vào của mạng. Đầu ra của các nơron này đƣợc đƣa đến đầu vào của 3 nơron tiếp theo, 3 nơron này không trực tiếp tiếp xúc với môi trƣờng bên ngoài mà làm thành lớp ẩn hay còn gọi là lớp trung gian. Đầu ra của các nơron này đƣợc đƣa đến 2 nơron đƣa tín hiệu ra môi trƣờng bên ngoài y1, y2. Mạng nơron có cấu trúc nhƣ trên gọi là mạng một hƣớng hay mạng truyền thẳng một hƣớng (Feed forward network) và có cấu trúc mạng ghép nối hoàn toàn. Mạng nơron bao gồm một hay nhiều lớp trung gian đƣợc gọi là mạng Multilayer Perceptrons (MLP-Network). 8 Mạng nơron khi mới đƣợc hình thành thì chƣa có tri thức, tri thức của mạng sẽ đƣợc hình thành dần dần sau một quá trình học. Khi đã hình thành tri thức, mạng có thể giải quyết các vấn đề một cách đúng đắn. Nhiệm vụ tổng quát của một mạng nơron là lƣu giữ động các thông tin. Dạng thông tin lƣu giữ này chính là quan hệ giữa các thông tin đầu vào và các đáp ứng đầu ra tƣơng ứng để khi có một kích thích bất kỳ tác động vào mạng, mạng có khả năng suy diễn và đƣa ra một đáp ứng phù hợp. Đây chính là chức năng nhận dạng theo mẫu của mạng nơron. (a) Mạng truyền thẳng một lớp (b) Mạng hồi tiếp một lớp c) Mạng truyền thẳng nhiều lớp (d) Mạng nơron hồi quy Hình 1.6: Một số dạng mạng nơron 9 Hình 1.6 là một số liên kết đặc thù của mạng nơron. Nơron đƣợc vẽ là các vòng tròn xem nhƣ một tế bào thần kinh, chúng có các mối liên hệ đến các nơron khác nhờ các trọng số liên kết, tập hợp các trọng số liên kết này sẽ lập thành các ma trận trọng số tƣơng ứng. 1.1.3. Các luật học Thông thƣờng, mạng nơron đƣợc điều chỉnh hoặc đƣợc huấn luyện để hƣớng các đầu vào riêng biệt đến đích ở đầu ra. Đích Dữ liệu vào ANN Trọng số wi So sánh Điều chỉnh Hình 1.7: Cấu trúc huấn luyện mạng nơron Ở đây, hàm trọng số của mạng đƣợc điều chỉnh trên cơ sở so sánh đầu ra với đích mong muốn (taget) cho tới khi đầu ra của mạng phù hợp với đích. Những cặp vào/đích (input/taget) đƣợc dùng để giám sát cho sự huấn luyện mạng. Sau mỗi lần chạy ta có tổng bình phƣơng của tất cả các sai số, sai số này đƣợc sử dụng để xác định các hàm trọng số mới. Hàm trọng số của mạng đƣợc sửa đổi với đặc tính tốt hơn tƣơng ứng với đặc tính mong muốn. Sự thay đổi các hàm trọng số của mạng sẽ đƣợc dừng lại nếu tổng các bình phƣơng sai số nhỏ hơn một giá trị đặt trƣớc hoặc đã chạy đủ số lần chạy xác định (trong trƣờng hợp này mạng có thể không thoả mãn yêu cầu đặt ra do sai lệch còn cao). Có hai kiểu học: - Học tham số: Là các tham số về trọng số cập nhật kết nối giữa các nơron. - Học cấu trúc: Trọng tâm là sự biến đổi cấu trúc của các mạng nơron gồm số lƣợng nút và các loại liên kết. 10 Nhiệm vụ của việc học tham số là tìm ra đƣợc ma trận chính xác mong muốn từ ma trận giả thiết ban đầu (với cấu trúc của mạng nơron có sẵn). Để làm đƣợc điều này thì mạng nơron phải sử dụng các trọng số điều chỉnh với nhiều phƣơng pháp học khác nhau để có thể tính toán gần đúng ma trận W cần tìm đặc trƣng cho mạng. Sau đây là 3 phƣơng pháp học: Học có giám sát Là quá trình học có tín hiệu chỉ đạo bên ngoài d. Tại mỗi thời điểm khi đầu vào đƣợc cung cấp tới mạng nơron thì phản ứng đầu ra mong muốn d tƣơng ứng của hệ thống đƣợc đƣa ra. Hình 1.8: Học có giám sát Khi mỗi đầu vào x(k) đƣợc đặt vào mạng, đầu ra mong muốn tƣơng ứng d(k) cũng đƣợc cung cấp tới mạng. Hiệu giữa đầu ra thực y(k) và đầu ra mong muốn d(k) đƣợc đo trong máy phát tín hiệu lỗi. Máy này sẽ tạo ra tín hiệu lỗi cho mạng để hiệu chỉnh các trọng số của mạng để đầu ra thực sẽ tiến sát với đầu ra mong muốn. Học củng cố Tín hiệu chủ đạo d có thể lấy từ môi trƣờng bên ngoài nhƣng tín hiệu này không đƣợc đầy đủ mà chỉ có một vài bit đại diện có tính chất kiểm tra quá trình tốt hay xấu. Học củng cố cũng là một dạng của học có giám sát bởi vì mạng vẫn nhận một số tín hiệu từ bên ngoài nhƣng tín hiệu phản hồi ở đây chỉ mang tính chất đánh giá hơn là mang tính chất chỉ dẫn. Tín hiệu củng cố bên ngoài thƣờng đƣợc xử lý bằng máy phát tín hiệu đánh giá để tạo ra nhiều hơn nữa các thông tin tín hiệu đánh 11 giá, sau đó dùng để điều chỉnh các trọng số với mục đích đạt đƣợc tín hiệu đánh giá tốt hơn. Học không có giám sát Hình 1.9: Học không có giám sát Là học mà không có thầy hƣớng dẫn tức là không có tín hiệu d cung cấp tới mạch phản hồi. Với loại này thì các nơron phải tự xoay xở với các dữ liệu mẫu mà nó có đƣợc. Mạng phải tự khám phá mẫu, đặc tính, sự tƣơng quan hay loại đầu vào. Trong khi khám phá những đặc tính này, tham số của mạng sẽ bị thay đổi. Quá trình này đƣợc gọi là tự tổ chức. Hình 1.10 mô tả cấu trúc chung quá trình học của ba phƣơng pháp học đã nêu ở trên: Hình 1.10: Sơ đồ cấu trúc chung của quá trình học Trong tín hiệu vào xj (j = 1,2,...,m) có thể đƣợc lấy từ đầu ra của các nơron khác hoặc có thể đƣợc lấy ra từ bên ngoài. Trọng số của nơron thứ i đƣợc thay đổi tùy theo tín hiệu ở đầu vào mà nó thu nhận giá trị đầu ra của nó.
- Xem thêm -