Mẹo nhỏ: Để tìm kiếm chính xác các bài viết của Vuihecungchocopie.vn, hãy search trên Google với cú pháp: "Từ khóa" + "vuihecungchocopie". (Ví dụ: công thức giải rubik 3x3 vuihecungchocopie). Tìm kiếm ngay
6 lượt xem

Mạng MLP (Multi-layer Perceptron) là gì? Nền tảng của Deep Learning – Góc Nhìn Số

Bạn đang quan tâm đến Mạng MLP (Multi-layer Perceptron) là gì? Nền tảng của Deep Learning – Góc Nhìn Số phải không? Nào hãy cùng Vuihecungchocopie đón xem bài viết này ngay sau đây nhé, vì nó vô cùng thú vị và hay đấy!

Như bạn đã biết, kiến ​​thức về mạng mlp ( Multilayer Perceptrons ) là kiến ​​thức học sâu cơ bản . Hiện nay, Deep Learning đang là một trong những ngành thu hút rất nhiều nhân tài vì có thể ứng dụng vào hầu hết các lĩnh vực của cuộc sống. Để hiểu rõ hơn về mạng mlp , hãy đọc các bài viết sau.

Perceptron cơ bản

Mạng

Nơron bao gồm một nơ-ron duy nhất được gọi là perceptron . Vì vậy, trước tiên chúng ta tìm hiểu perceptron là gì và sau đó chuyển sang mô hình mạng nơ-ron tiếp theo. Các tế bào thần kinh nhân tạo được lấy cảm hứng từ các tế bào thần kinh sinh học như sau:

Bạn đang xem: Mlp là gì

Nhìn vào hình trên, chúng ta có thể thấy rằng một nơ-ron có thể nhận nhiều đầu vào và xuất ra một đầu ra. Mẫu perceptron cũng tương tự.

Perceptron sẽ chuyển đổi một hoặc nhiều tiêu đề x thành nhị phân và xuất ra một kết quả oo nhị phân. Các đầu vào được xác định trọng số bằng các tham số trọng số tương ứng của chúng w và các đầu ra được xác định bởi ngưỡng quyết định b .

Kiến trúc mạng thần kinh nhân tạo

Mạng nơron là sự kết hợp của các perceptron nhiều lớp, còn được gọi là perceptron nhiều lớp (multilayer perceptron) như hình dưới đây

Một mạng nơ-ron sẽ có 3 loại lớp:

  • Lớp đầu vào: là lớp ngoài cùng bên trái của mạng, đại diện cho đầu vào của mạng.
  • Lớp đầu ra: Là lớp ngoài cùng bên phải của mạng, đại diện cho đầu ra của mạng.
  • Lớp ẩn: Là lớp nằm giữa lớp đầu vào và lớp đầu ra, thể hiện suy luận logic của mạng.

Xem thêm: Windows media center store update manager là gì

Lưu ý rằng nơ-ron chỉ có 1 lớp đầu vào và 1 lớp đầu ra, nhưng có thể có nhiều lớp ẩn.

Trong mạng nơ-ron, mỗi nút là một mạng nơ-ron sigmoid, nhưng các chức năng kích hoạt của chúng có thể khác nhau. Tuy nhiên, trong thực tế, mọi người thường giữ chúng ở dạng cũ để dễ tính toán.

XEM THÊM:  Tỷ lệ bản đồ là gì? Ý nghĩa của tỷ lệ bản đồ

Trong mỗi lớp, số lượng nút thần kinh có thể khác nhau tùy thuộc vào vấn đề và giải pháp. Nhưng thông thường tại nơi làm việc, người ta để lớp ẩn có cùng số lượng tế bào thần kinh. Ngoài ra, các nơ-ron trong các lớp thường được ghép nối với nhau để tạo thành một mạng được kết nối đầy đủ (mạng được kết nối đầy đủ).

mlp Kiến trúc mạng thần kinh (Multilayer Perceptron)

Mô hình mạng nơron được sử dụng rộng rãi nhất là mô hình perceptron nhiều lớp (mlp: multi layer perceptron). Mạng mlp tổng quát là mạng gồm n (n ≥ 2) lớp (thường không xét đến lớp đầu vào): nó bao gồm một lớp đầu ra (lớp thứ n) và một (n-1) lớp ẩn.

Kiến trúc của mạng mlp chung có thể được mô tả như sau:

  • Đầu vào là vectơ của không gian p chiều (x1, x2, …, xp) và đầu ra là vectơ của không gian q chiều (y1, y2, …, yq) . Đối với các bài toán phân loại, p là kích thước của mẫu đầu vào và q là số lớp cần phân loại.
  • Mỗi nơ-ron ở lớp tiếp theo được kết nối với tất cả các nơ-ron ở lớp trước. nó.
  • Đầu ra của các nơ-ron ở lớp trước là đầu vào của các nơ-ron ở lớp sau.

Hoạt động của mạng mlp như sau: ở lớp đầu vào, nơron nhận tín hiệu đầu vào để xử lý (tính trọng số, gửi đến hàm truyền), sau đó xuất ra kết quả (kết quả của hàm truyền ); kết quả này sẽ được truyền đến các nơron ẩn đầu tiên của lớp; ở đây các nơron nhận tín hiệu đầu vào, xử lý nó và gửi kết quả đến lớp ẩn thứ hai. Quá trình này tiếp tục cho đến khi nơron đầu ra cho kết quả.

XEM THÊM:  Men tiêu hóa là gì? Công dụng, liều dùng và tác dụng phụ

Một số kết quả đã xác minh:

  • Bất kỳ hàm boolean nào cũng có thể được biểu diễn bằng mạng mlp hai lớp, nơi các nơron sử dụng hàm truyền sigmoid.
  • Tất cả các hàm liên tục có thể được sử dụng với mạng mlp 2 lớp bằng cách sử dụng hàm truyền sigmoid cho các nơ-ron lớp ẩn và một hàm truyền tuyến tính cho các nơ-ron lớp đầu ra với các lỗi nhỏ tùy ý.
  • Bất kỳ hàm nào cũng có thể được tính gần đúng. Các hàm truyền tuyến tính của các nơron lớp và các nơron lớp đầu ra được tính gần đúng bằng mạng mlp 3 lớp sử dụng hàm truyền sigmoid.

Mạng mlp đào tạo

Khái niệm

Học tập là quá trình thay đổi hành vi của mọi thứ để hoạt động tốt hơn trong tương lai.

Một mạng nơ-ron được đào tạo sao cho với một tập các vectơ đầu vào x, mạng có thể tạo ra tập các vectơ đầu ra y mà nó cần. Tập hợp x được sử dụng để huấn luyện mạng được gọi là tập huấn luyện. Các phần tử x thuộc x được gọi là các ví dụ huấn luyện. Quá trình đào tạo thực chất là sự thay đổi trọng số của các liên kết mạng. Trong quá trình này, các trọng số của mạng dần dần hội tụ về các giá trị sao cho mỗi vectơ đầu vào x trong tập huấn luyện, mạng tạo ra vectơ đầu ra y mong muốn.

Xem thêm: ý nghĩa của tết hạ nguyên là gì

Có ba phương pháp học tập phổ biến: học có giám sát, học không giám sát và học tăng cường:

Học tập có giám sát

Đó là một quá trình học tập với sự tham gia và giám sát của một “giáo viên”. Nó giống như dạy trẻ em bảng chữ cái. Tôi đã cho anh ta một “a” và nói với anh ta đó là một “a”. Điều này được thực hiện trên tất cả các mẫu thư. Vì vậy, khi chúng tôi kiểm tra, chúng tôi đưa ra bất kỳ chữ cái nào (có thể được đánh vần hơi khác một chút) và hỏi cô ấy đó là gì?

XEM THÊM:  Công dụng thuốc Novocain | Vinmec

Vì vậy, với phương pháp học có giám sát, chúng tôi đã biết trước số lượng danh mục cần phân loại. Nhiệm vụ của thuật toán là xác định một phương pháp phân loại để mỗi vectơ đầu vào được phân loại chính xác vào lớp của nó.

Học tập không giám sát

Học tập mà không có bất kỳ sự giám sát nào.

Trong một bài toán không có giám sát, tập dữ liệu huấn luyện là: d = {(x1, x2,…, xn)}, trong đó (x1, x2,…, xn) là các vectơ đặc trưng của các mẫu huấn luyện. Nhiệm vụ của thuật toán là chia tập dữ liệu d thành các nhóm con, mỗi nhóm chứa các vectơ đầu vào có tính năng giống nhau.

Vì vậy, trong học tập không giám sát, số lượng bộ phân loại không được biết trước và chúng ta có thể có các lớp khác nhau theo tiêu chí đánh giá mức độ giống nhau giữa các mẫu.

Học tập củng cố g

Đôi khi được gọi là học tập khen thưởng và trừng phạt, nó là sự kết hợp của hai mô hình. Phương pháp như sau: sử dụng vector đầu vào, quan sát vector đầu ra do mạng tính toán. Nếu kết quả được coi là “tốt”, mạng được thưởng theo nghĩa tăng trọng lượng kết nối; nếu không, mạng sẽ bị phạt và giảm trọng lượng kết nối không phù hợp. Vì vậy, học tăng cường là học từ nhà phê bình, trong khi học có giám sát là học từ giáo viên.

Xem thêm: Postgraduate là gì? Postgraduate khác gì với Master? – Vnsava.com

Công khai: VUIHECUNGCHOCOPIE.VN là trang web Tổng hợp Ẩm Thực - Game hay và Thủ Thuật hàng đầu VN, thuộc Chocopie Vietnam. Mời thính giả đón xem.

Chúng tôi trân trọng cảm ơn quý độc giả luôn ủng hộ và tin tưởng!

Trả lời

Email của bạn sẽ không được hiển thị công khai.