Link tải luận văn miễn phí cho ae Kết Nối Luận văn: Mạng Nơ Ron nhân tạo trong nhận dạng văn bản và ứng dụng vào hệ thống nhận dạng chữ Việt in : Luận văn ThS. Công nghệ thông tin : 1 01 10
Nhà xuất bản: ĐHCN
Ngày: 2006
Chủ đề: Hệ thống nhận dạng chữ viết
Mạng Nơ Ron nhân tạo
Nhận dạng văn bản
Trí tuệ nhân tạo
Miêu tả: 96 tr. + CD-ROM
Giới thiệu về mạng nơron, phân loại mạng nơron và tổng quan về hệ thống nhận dạng ký tự; Trình bày về một số mạng nơron phổ biến trong hệ thống nhận dạng văn bản chữ in như mạng Hamming, mạng kết hợp tuyến tính, mạng Adaline, mạng SOM, mạng RBF, mạng Multilayer perceptron và hệ thống nhận dạng chữ Việt in sử dụng mạng nơron
Luận văn ThS. Công nghệ thông tin -- Trường Đại học Công Nghệ. Đại học Quốc gia Hà Nội, 2006
MỤC LỤC
MỞ ĐẦU 6
CHƢƠNG I TỔNG QUAN VỀ MẠNG NƠ -RON NHÂN TẠO VÀ HỆ
THỐNG NHẬN DẠNG VĂN BẢN
8
1.1. Giới thiệu về mạng nơ ron 8
1.1.1. Mô hình mạng nơ-ron nhân tạo 8
1.1.2. Ƣu và nhƣợc điểm của mạng nơ-ron 12
1.2. Phân loại mạng nơ ron 14
1.3. Hệ thống nhận dạng văn bản 17
1.3.1. Các hoạt động tiền xử lý 20
1.3.2. Phân tích trang văn bản 22
1.3.3. Trích chọn đặc trƣng 27
1.3.4. Học và nhận dạng 33
1.3.5. Hậu xử lý 34
CHƢƠNG II MỘT SỐ MÔ HÌNH MẠNG NƠ RON PHỔ BIẾN TRONG
HỆ THỐNG PHÂN TÍCH VÀ NHẬN DẠNG VĂN BẢN
36
2.1. Mạng Hamming 36
2.2. Mạng Kết hợp tuyến tính 40
2.3. Mạng Adaline 45
2.4. Mạng SOM 48
2.5. Mạng Multilayer Perceptron 56
2.6. Mạng RBF 65CHƢƠNG III. XÂY DỰNG MỘT HỆ THỐNG NHẬN DẠNG CHỮ VIỆT
IN SỬ DỤNG MẠNG NƠ RON
70
3.1. Tập ký tự tiếng Việt 70
3.2. Hệ thống nhận dạng 70
3.2.1. Tiền xử lý 73
3.2.2. Học và nhận dạng 84
3.2.3. Hậu xử lý 85
3.3. Kết quả đạt đƣợc 85
3.3.1. Kết quả nhận dạng các ký tự riêng lẻ 86
3.3.2. Kết quả nhận dạng văn bản 86
KẾT LUẬN 89
TÀI LIỆU THAM KHẢO 92
Ket-noi.com kho tai lieu mien phi Ket-noi.com kho tai lieu mien phi- 6 -
MỞ ĐẦU
Mạng nơ ron nhân tạo ngày nay đang là một lĩnh vực nghiên cứu nóng
hổi, thu hút sự quan tâm đặc biệt của các nhà khoa học trong nhiều lĩnh vực. Đó
là nhờ những thành công rực rỡ cả về mặt lý thuyết và ứng dụng của nó. Phạm
vi áp dụng của mạng nơ ron rất rộng lớn: trong lĩnh vực xử lý, điều khiển nhƣ
xử lý tín hiệu, khử nhiễu, phân lớp, nhận dạng, dự báo. Ngoài ra mạng nơ ron
còn đƣợc ứng dụng trong các lĩnh vực toán học, y học, kinh doanh, tài chính,
nghệ thuật. Mạng nơ ron đang ngày càng trở thành một hƣớng nghiên cứu, một
giải pháp ngày càng hứa hẹn.
Một trong những ứng dụng quan trọng của mạng nơ ron là nhận dạng và
phân loại mẫu. Khả năng học và thích ứng của chúng đã làm cho chúng là lựa
chọn hàng đầu đối với nhiệm vụ so sánh các tập dữ liệu hay trích chọn các mẫu
thích hợp từ các dữ liệu phức hợp. Nhận dạng mẫu trong mạng nơ ron là một
lĩnh vực rất rộng, nhƣng phổ biến nhất vẫn là nhận dạng chữ in và chữ viết tay.
Nhận dạng văn bản là một bài toán đã đƣợc nghiên cứu từ lâu. Trên thế
giới đã có khá nhiều phần mềm nổi tiếng về nhận dạng chữ la tin nhƣ
OMNIPAGE của hãng Caere Corporation - Mỹ, RECOGNITA của Recognita
Corporation - Hunggary, CURNEIFORM của Cognitive Technology
Corporation - Mỹ, TexBridge Pro 96 của Xerox Corporation, IMAG-IN 4.0 –
Pháp. Ở Việt nam có phần mềm nhận dạng chữ Việt in của Viện công nghệ
thông tin. Nhận dạng văn bản là một bài toán khá phức tạp đòi hỏi nhiều nghiên
cứu sâu sắc cả về xử lý ảnh và về kỹ thuật nhận dạng. Giải quyết bài toán này sẽ
giúp tự động hoá rất nhiều công việc nhàm chán phải đánh lại văn bản khi ta chỉ
có văn bản hay ảnh văn bản và cần chuyển những thông tin đó sang dạng text- 7 -
để hiệu chỉnh lại hay tự động nhập liệu vào các hệ thống cơ sở dữ liệu, giảm
thời gian và chi phí. Ngày nay với sự bùng nổ của internet và việc xây dựng các
thƣ viện điện tử thì nhu cầu nhận dạng văn bản trong sách báo càng trở nên cực
kỳ cần thiết.
Nhận thấy khả năng mạnh mẽ của mạng nơ ron rất thích hợp với bài toán
nhận dạng, kết hợp với nhu cầu thực tế về nhận dạng văn bản và có sự gợi ý định
hƣớng của PGS .TS Đặng Quang Á, chúng tui đã nghiên cứu đề tài "Mạng nơ
ron nhân tạo trong nhận dạng văn bản và ứng dụng vào hệ thống nhận dạng chữ
Việt in". Luận văn này không đi sâu nghiên cứu các kỹ thuật xử lý ảnh văn bản
cụ thể mà tập trung vào khả năng ứng dụng mạng nơ ron trong hệ thống nhận
dạng văn bản nói chung và xây dựng một hệ thống nhận dạng chữ Việt in để
minh họa. Nội dung cơ bản của luận văn gồm có ba chƣơng:
Chƣơng một trình bày tổng quan về mạng nơ ron nhân tạo, bao gồm: giới
thiệu về mạng nơ ron, phân loại mạng nơ ron và tổng quan về hệ thống nhận
dạng ký tự.
Chƣơng hai trình bày về một số mạng nơ ron phổ biến trong hệ thống nhận
dạng văn bản chữ in nhƣ mạng Hamming, mạng kết hợp tuyến tính, mạng
Adaline, mạng SOM, mạng RBF, mạng Multilayer Perceptron.
Chƣơng ba trình bày về hệ thống nhận dạng chữ Việt in sử dụng mạng
nơ ron.
Ket-noi.com kho tai lieu mien phi Ket-noi.com kho tai lieu mien phi- 8 -
CHƢƠNG I
TỔNG QUAN VỀ MẠNG NƠ RON NHÂN TẠO VÀ HỆ THỐNG
NHẬN DẠNG KÝ TỰ
1.1. Giới thiệu về mạng nơ-ron
Mạng nơ-ron nhân tạo đƣợc xây dựng từ những năm 1940, nhằm mô
phỏng một số chức năng bộ não của con ngƣời. Nếu nhìn não từ góc độ tính
toán, chúng ta dễ thấy rằng cách thức tính toán của não khác xa với tính toán
theo thuật toán và chƣơng trình truyền thống. Sự khác biệt thể hiện ở hai điểm:
+ Quá trình tính toán đƣợc tiến hành song song và phân tán trên nhiều nơ
ron gần nhƣ đồng thời
+ Tính toán thực chất là quá trình học chứ không phải theo một sơ đồ định
sẵn từ trƣớc.
Mạng nơ-ron nhân tạo đƣợc thiết kế tƣơng tự nhƣ nơ-ron sinh học, sẽ có
khả năng giải quyết hàng loạt các bài toán mà sự suy luận tƣơng đối “mờ”,
không đầy đủ dữ liệu, cần có quá trình “học” từ các ví dụ.
1.1.1. Mô hình mạng nơ-ron nhân tạo
1.1.1.1. Nơ-ron sinh học
Bộ não ngƣời có khoảng 1011 tế bào thần kinh kết nối với mật độ cao gọi
là các nơ-ron (một nơ ron có khoảng 104 liên kết). Có nhiều loại nơ-ron khác
nhau về kích thƣớc và khả năng thu phát tín hiệu. Tuy nhiên, chúng có cấu trúc
và nguyên lý hoạt động chung. Hình 1.1 là một ví dụ đơn giản hoá về một nơ-
ron. Mỗi nơ-ron gồm có ba phần: Thân nơ-ron (cell body) với nhân ở bên trong
(soma), một trục dây thần kinh ra (axon) và một hệ thống lƣới cảm ứng hình cây
(dendrites). Các xúc tu hay lƣới cảm ứng, là các dây thần kinh vào để nhận các- 9 -
tín hiệu từ các nơ-ron khác. Thân nơ ron làm nhiệm vụ tổng hợp tín hiệu vào và
biến đổi thành tín hiệu ra. Tín hiệu ra đƣợc chuyển đến trục dây thần kinh ra.
Dây thần kinh trục phân thành nhiều nhánh ở cuối nhằm chuyển giao tín hiệu tới
các nơ-ron khác. Điểm kết nối giữa trục của một nơ ron với xúc tu của một nơ
ron khác gọi là khớp (synapse). Các nơ-ron có thể thay đổi mức tín hiệu tại các
khớp. Trong nơ-ron nhân tạo, mức tín hiệu này thể hiện bằng trọng số.
Hình 1.1. Mô hình nơ ron sinh học
1.1.1.2. Nơ-ron nhân tạo
Trọng số và tổng tín hiệu đầu vào:
Trọng số mô phỏng chức năng của khớp nối giữa hai nơ ron (synapse).
Mỗi nơ-ron sinh học có rất nhiều dây thần kinh vào, nghĩa là nó có thể tiếp nhận
đồng thời nhiều tín hiệu. Tƣơng tự, mỗi nơ ron nhân tạo có thể có nhiều trọng
số. Giả sử tại nơ-ron i có N tín hiệu vào, mỗi tín hiệu vào pj đƣợc gán một trọng
số wij tƣơng ứng, tổng tín hiệu đi vào nơ ron ni có thể đƣợc ƣớc lƣợng theo một
số dạng sau:
(i) Dạng tuyến tính:
N 1
j
ni wijpj (1.1)
(ii) Dạng toàn phƣơng:
Ket-noi.com kho tai lieu mien phi Ket-noi.com kho tai lieu mien phi- 10 -
N 1
j
2
ni wijpj (1.2)
(iii) Dạng mặt cầu:
N 1
j
2
j ij
2
ni ρ p - w (1.3)
Trong đó ρ và wij (j = 1->N) lần lƣợt là bán kính và tâm cầu.
Hàm kích hoạt:
Hàm biến đổi tín hiệu đầu vào n thành tín hiệu đầu ra a đƣợc gọi là hàm
kích hoạt (activation function hay transfer function). Hàm này mô phỏng chức
năng của thân nơ ron. Ngƣời thiết kế mạng sẽ chọn một hàm cụ thể để đáp ứng
yêu cầu của bài toán.
Nút Bias (hay offset):
Là một nút bổ trợ nhằm tăng khả năng thích ứng của mạng nơ ron trong
quá trình học. Bias gần giống nhƣ trọng số, trừ một điều là nó luôn có tín hiệu
vào không đổi bằng 1. Nút này có thể bỏ đi nếu không cần thiết.
Các trọng số và bias là các tham số có thể điều chỉnh của nơ ron. Một luật
học sẽ điều chỉnh chúng sao cho quan hệ đầu vào/đầu ra của nơ ron đáp ứng
đƣợc một mục tiêu nào đó.
KẾT LUẬN
Mạng nơ ron là một công cụ mạnh mẽ để giải quyết nhiều bài toán đòi hỏi
trí tuệ nhân tạo của con ngƣời. Nhiều ứng dụng thành công trong các lĩnh vực xử
lý tín hiệu, điều khiển, dự báo, phân tích, phân lớp trong các ngành khoa học vũ
trụ, sản xuất ô tô, ngân hàng, quốc phòng, điện tử, giải trí, y học, tài chính, bảo
hiểm, ngƣời máy, bƣu chính viễn thông, … đã chứng minh điều đó. Tuy nhiên
mạng nơ ron ngày nay đƣợc xây dựng mới chỉ dựa trên những hiểu biết còn hạn
chế về cấu tạo và nguyên lý hoạt động của bộ não con ngƣời. Để nâng cao hiệu
quả của mạng nơ ron nhân tạo còn cần các nghiên cứu sâu sắc hơn về toán học,
sinh học, tâm lý học, vật lý, thần kinh học và nhiều lĩnh vực liên quan đến con
ngƣời khác.
Vì mạng nơ ron có khả năng giải quyết rất tốt bài toán phân lớp nên nó
đƣợc ứng dụng rất thành công vào bài toán nhận dạng văn bản. Đây là một bài
toán khá phức tạp vì các thế hệ máy tính điện tử ngày nay chỉ có khả năng thực
hiện các phép tính cơ bản chứ không có khả năng cảm nhận và phân tích nhƣ
mắt ngƣời. Vì vậy việc thiết kế một hệ thống hiệu quả thật sự là một bài toán lớn
liên quan đến nhiều lĩnh vực, đòi hỏi cách tiếp cận có hệ thống và có phƣơng
pháp đúng.
Những nỗ lực của các nhà khoa học trên thế giới đã cho ra đời nhiều mô
hình mạng nơ ron hữu ích trong lĩnh vực nhận dạng nói chung. Trong số đó, các
mô hình hay sử dụng nhất trong nhận dạng văn bản chữ in là mạng kết hợp
tuyến tính, mạng Adaline, mạng SOM, mạng đa tầng truyền thẳng (MLP), mạng
RBF. Mỗi loại đều có những thế mạnh riêng và phù hợp với các vấn đề cụ thể.
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
Nhà xuất bản: ĐHCN
Ngày: 2006
Chủ đề: Hệ thống nhận dạng chữ viết
Mạng Nơ Ron nhân tạo
Nhận dạng văn bản
Trí tuệ nhân tạo
Miêu tả: 96 tr. + CD-ROM
Giới thiệu về mạng nơron, phân loại mạng nơron và tổng quan về hệ thống nhận dạng ký tự; Trình bày về một số mạng nơron phổ biến trong hệ thống nhận dạng văn bản chữ in như mạng Hamming, mạng kết hợp tuyến tính, mạng Adaline, mạng SOM, mạng RBF, mạng Multilayer perceptron và hệ thống nhận dạng chữ Việt in sử dụng mạng nơron
Luận văn ThS. Công nghệ thông tin -- Trường Đại học Công Nghệ. Đại học Quốc gia Hà Nội, 2006
MỤC LỤC
MỞ ĐẦU 6
CHƢƠNG I TỔNG QUAN VỀ MẠNG NƠ -RON NHÂN TẠO VÀ HỆ
THỐNG NHẬN DẠNG VĂN BẢN
8
1.1. Giới thiệu về mạng nơ ron 8
1.1.1. Mô hình mạng nơ-ron nhân tạo 8
1.1.2. Ƣu và nhƣợc điểm của mạng nơ-ron 12
1.2. Phân loại mạng nơ ron 14
1.3. Hệ thống nhận dạng văn bản 17
1.3.1. Các hoạt động tiền xử lý 20
1.3.2. Phân tích trang văn bản 22
1.3.3. Trích chọn đặc trƣng 27
1.3.4. Học và nhận dạng 33
1.3.5. Hậu xử lý 34
CHƢƠNG II MỘT SỐ MÔ HÌNH MẠNG NƠ RON PHỔ BIẾN TRONG
HỆ THỐNG PHÂN TÍCH VÀ NHẬN DẠNG VĂN BẢN
36
2.1. Mạng Hamming 36
2.2. Mạng Kết hợp tuyến tính 40
2.3. Mạng Adaline 45
2.4. Mạng SOM 48
2.5. Mạng Multilayer Perceptron 56
2.6. Mạng RBF 65CHƢƠNG III. XÂY DỰNG MỘT HỆ THỐNG NHẬN DẠNG CHỮ VIỆT
IN SỬ DỤNG MẠNG NƠ RON
70
3.1. Tập ký tự tiếng Việt 70
3.2. Hệ thống nhận dạng 70
3.2.1. Tiền xử lý 73
3.2.2. Học và nhận dạng 84
3.2.3. Hậu xử lý 85
3.3. Kết quả đạt đƣợc 85
3.3.1. Kết quả nhận dạng các ký tự riêng lẻ 86
3.3.2. Kết quả nhận dạng văn bản 86
KẾT LUẬN 89
TÀI LIỆU THAM KHẢO 92
Ket-noi.com kho tai lieu mien phi Ket-noi.com kho tai lieu mien phi- 6 -
MỞ ĐẦU
Mạng nơ ron nhân tạo ngày nay đang là một lĩnh vực nghiên cứu nóng
hổi, thu hút sự quan tâm đặc biệt của các nhà khoa học trong nhiều lĩnh vực. Đó
là nhờ những thành công rực rỡ cả về mặt lý thuyết và ứng dụng của nó. Phạm
vi áp dụng của mạng nơ ron rất rộng lớn: trong lĩnh vực xử lý, điều khiển nhƣ
xử lý tín hiệu, khử nhiễu, phân lớp, nhận dạng, dự báo. Ngoài ra mạng nơ ron
còn đƣợc ứng dụng trong các lĩnh vực toán học, y học, kinh doanh, tài chính,
nghệ thuật. Mạng nơ ron đang ngày càng trở thành một hƣớng nghiên cứu, một
giải pháp ngày càng hứa hẹn.
Một trong những ứng dụng quan trọng của mạng nơ ron là nhận dạng và
phân loại mẫu. Khả năng học và thích ứng của chúng đã làm cho chúng là lựa
chọn hàng đầu đối với nhiệm vụ so sánh các tập dữ liệu hay trích chọn các mẫu
thích hợp từ các dữ liệu phức hợp. Nhận dạng mẫu trong mạng nơ ron là một
lĩnh vực rất rộng, nhƣng phổ biến nhất vẫn là nhận dạng chữ in và chữ viết tay.
Nhận dạng văn bản là một bài toán đã đƣợc nghiên cứu từ lâu. Trên thế
giới đã có khá nhiều phần mềm nổi tiếng về nhận dạng chữ la tin nhƣ
OMNIPAGE của hãng Caere Corporation - Mỹ, RECOGNITA của Recognita
Corporation - Hunggary, CURNEIFORM của Cognitive Technology
Corporation - Mỹ, TexBridge Pro 96 của Xerox Corporation, IMAG-IN 4.0 –
Pháp. Ở Việt nam có phần mềm nhận dạng chữ Việt in của Viện công nghệ
thông tin. Nhận dạng văn bản là một bài toán khá phức tạp đòi hỏi nhiều nghiên
cứu sâu sắc cả về xử lý ảnh và về kỹ thuật nhận dạng. Giải quyết bài toán này sẽ
giúp tự động hoá rất nhiều công việc nhàm chán phải đánh lại văn bản khi ta chỉ
có văn bản hay ảnh văn bản và cần chuyển những thông tin đó sang dạng text- 7 -
để hiệu chỉnh lại hay tự động nhập liệu vào các hệ thống cơ sở dữ liệu, giảm
thời gian và chi phí. Ngày nay với sự bùng nổ của internet và việc xây dựng các
thƣ viện điện tử thì nhu cầu nhận dạng văn bản trong sách báo càng trở nên cực
kỳ cần thiết.
Nhận thấy khả năng mạnh mẽ của mạng nơ ron rất thích hợp với bài toán
nhận dạng, kết hợp với nhu cầu thực tế về nhận dạng văn bản và có sự gợi ý định
hƣớng của PGS .TS Đặng Quang Á, chúng tui đã nghiên cứu đề tài "Mạng nơ
ron nhân tạo trong nhận dạng văn bản và ứng dụng vào hệ thống nhận dạng chữ
Việt in". Luận văn này không đi sâu nghiên cứu các kỹ thuật xử lý ảnh văn bản
cụ thể mà tập trung vào khả năng ứng dụng mạng nơ ron trong hệ thống nhận
dạng văn bản nói chung và xây dựng một hệ thống nhận dạng chữ Việt in để
minh họa. Nội dung cơ bản của luận văn gồm có ba chƣơng:
Chƣơng một trình bày tổng quan về mạng nơ ron nhân tạo, bao gồm: giới
thiệu về mạng nơ ron, phân loại mạng nơ ron và tổng quan về hệ thống nhận
dạng ký tự.
Chƣơng hai trình bày về một số mạng nơ ron phổ biến trong hệ thống nhận
dạng văn bản chữ in nhƣ mạng Hamming, mạng kết hợp tuyến tính, mạng
Adaline, mạng SOM, mạng RBF, mạng Multilayer Perceptron.
Chƣơng ba trình bày về hệ thống nhận dạng chữ Việt in sử dụng mạng
nơ ron.
Ket-noi.com kho tai lieu mien phi Ket-noi.com kho tai lieu mien phi- 8 -
CHƢƠNG I
TỔNG QUAN VỀ MẠNG NƠ RON NHÂN TẠO VÀ HỆ THỐNG
NHẬN DẠNG KÝ TỰ
1.1. Giới thiệu về mạng nơ-ron
Mạng nơ-ron nhân tạo đƣợc xây dựng từ những năm 1940, nhằm mô
phỏng một số chức năng bộ não của con ngƣời. Nếu nhìn não từ góc độ tính
toán, chúng ta dễ thấy rằng cách thức tính toán của não khác xa với tính toán
theo thuật toán và chƣơng trình truyền thống. Sự khác biệt thể hiện ở hai điểm:
+ Quá trình tính toán đƣợc tiến hành song song và phân tán trên nhiều nơ
ron gần nhƣ đồng thời
+ Tính toán thực chất là quá trình học chứ không phải theo một sơ đồ định
sẵn từ trƣớc.
Mạng nơ-ron nhân tạo đƣợc thiết kế tƣơng tự nhƣ nơ-ron sinh học, sẽ có
khả năng giải quyết hàng loạt các bài toán mà sự suy luận tƣơng đối “mờ”,
không đầy đủ dữ liệu, cần có quá trình “học” từ các ví dụ.
1.1.1. Mô hình mạng nơ-ron nhân tạo
1.1.1.1. Nơ-ron sinh học
Bộ não ngƣời có khoảng 1011 tế bào thần kinh kết nối với mật độ cao gọi
là các nơ-ron (một nơ ron có khoảng 104 liên kết). Có nhiều loại nơ-ron khác
nhau về kích thƣớc và khả năng thu phát tín hiệu. Tuy nhiên, chúng có cấu trúc
và nguyên lý hoạt động chung. Hình 1.1 là một ví dụ đơn giản hoá về một nơ-
ron. Mỗi nơ-ron gồm có ba phần: Thân nơ-ron (cell body) với nhân ở bên trong
(soma), một trục dây thần kinh ra (axon) và một hệ thống lƣới cảm ứng hình cây
(dendrites). Các xúc tu hay lƣới cảm ứng, là các dây thần kinh vào để nhận các- 9 -
tín hiệu từ các nơ-ron khác. Thân nơ ron làm nhiệm vụ tổng hợp tín hiệu vào và
biến đổi thành tín hiệu ra. Tín hiệu ra đƣợc chuyển đến trục dây thần kinh ra.
Dây thần kinh trục phân thành nhiều nhánh ở cuối nhằm chuyển giao tín hiệu tới
các nơ-ron khác. Điểm kết nối giữa trục của một nơ ron với xúc tu của một nơ
ron khác gọi là khớp (synapse). Các nơ-ron có thể thay đổi mức tín hiệu tại các
khớp. Trong nơ-ron nhân tạo, mức tín hiệu này thể hiện bằng trọng số.
Hình 1.1. Mô hình nơ ron sinh học
1.1.1.2. Nơ-ron nhân tạo
Trọng số và tổng tín hiệu đầu vào:
Trọng số mô phỏng chức năng của khớp nối giữa hai nơ ron (synapse).
Mỗi nơ-ron sinh học có rất nhiều dây thần kinh vào, nghĩa là nó có thể tiếp nhận
đồng thời nhiều tín hiệu. Tƣơng tự, mỗi nơ ron nhân tạo có thể có nhiều trọng
số. Giả sử tại nơ-ron i có N tín hiệu vào, mỗi tín hiệu vào pj đƣợc gán một trọng
số wij tƣơng ứng, tổng tín hiệu đi vào nơ ron ni có thể đƣợc ƣớc lƣợng theo một
số dạng sau:
(i) Dạng tuyến tính:
N 1
j
ni wijpj (1.1)
(ii) Dạng toàn phƣơng:
Ket-noi.com kho tai lieu mien phi Ket-noi.com kho tai lieu mien phi- 10 -
N 1
j
2
ni wijpj (1.2)
(iii) Dạng mặt cầu:
N 1
j
2
j ij
2
ni ρ p - w (1.3)
Trong đó ρ và wij (j = 1->N) lần lƣợt là bán kính và tâm cầu.
Hàm kích hoạt:
Hàm biến đổi tín hiệu đầu vào n thành tín hiệu đầu ra a đƣợc gọi là hàm
kích hoạt (activation function hay transfer function). Hàm này mô phỏng chức
năng của thân nơ ron. Ngƣời thiết kế mạng sẽ chọn một hàm cụ thể để đáp ứng
yêu cầu của bài toán.
Nút Bias (hay offset):
Là một nút bổ trợ nhằm tăng khả năng thích ứng của mạng nơ ron trong
quá trình học. Bias gần giống nhƣ trọng số, trừ một điều là nó luôn có tín hiệu
vào không đổi bằng 1. Nút này có thể bỏ đi nếu không cần thiết.
Các trọng số và bias là các tham số có thể điều chỉnh của nơ ron. Một luật
học sẽ điều chỉnh chúng sao cho quan hệ đầu vào/đầu ra của nơ ron đáp ứng
đƣợc một mục tiêu nào đó.
KẾT LUẬN
Mạng nơ ron là một công cụ mạnh mẽ để giải quyết nhiều bài toán đòi hỏi
trí tuệ nhân tạo của con ngƣời. Nhiều ứng dụng thành công trong các lĩnh vực xử
lý tín hiệu, điều khiển, dự báo, phân tích, phân lớp trong các ngành khoa học vũ
trụ, sản xuất ô tô, ngân hàng, quốc phòng, điện tử, giải trí, y học, tài chính, bảo
hiểm, ngƣời máy, bƣu chính viễn thông, … đã chứng minh điều đó. Tuy nhiên
mạng nơ ron ngày nay đƣợc xây dựng mới chỉ dựa trên những hiểu biết còn hạn
chế về cấu tạo và nguyên lý hoạt động của bộ não con ngƣời. Để nâng cao hiệu
quả của mạng nơ ron nhân tạo còn cần các nghiên cứu sâu sắc hơn về toán học,
sinh học, tâm lý học, vật lý, thần kinh học và nhiều lĩnh vực liên quan đến con
ngƣời khác.
Vì mạng nơ ron có khả năng giải quyết rất tốt bài toán phân lớp nên nó
đƣợc ứng dụng rất thành công vào bài toán nhận dạng văn bản. Đây là một bài
toán khá phức tạp vì các thế hệ máy tính điện tử ngày nay chỉ có khả năng thực
hiện các phép tính cơ bản chứ không có khả năng cảm nhận và phân tích nhƣ
mắt ngƣời. Vì vậy việc thiết kế một hệ thống hiệu quả thật sự là một bài toán lớn
liên quan đến nhiều lĩnh vực, đòi hỏi cách tiếp cận có hệ thống và có phƣơng
pháp đúng.
Những nỗ lực của các nhà khoa học trên thế giới đã cho ra đời nhiều mô
hình mạng nơ ron hữu ích trong lĩnh vực nhận dạng nói chung. Trong số đó, các
mô hình hay sử dụng nhất trong nhận dạng văn bản chữ in là mạng kết hợp
tuyến tính, mạng Adaline, mạng SOM, mạng đa tầng truyền thẳng (MLP), mạng
RBF. Mỗi loại đều có những thế mạnh riêng và phù hợp với các vấn đề cụ thể.
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links
Last edited by a moderator: