Thạc Sĩ Tìm hiểu về mạng nơron Kohonen

Lời cảm ơn
Chúng ta đều biết rằng, bộ não con người là một sản phẩm hoàn hảo của tạo hóa, nó có khả năng tư duy và sáng tạo. Hiện nay, con người đang nghiên cứu phương thức hoạt động của bộ não, sau đó áp dụng cho những công nghệ hiện đại. Để tiếp cận khả năng học, người ta đưa ra mô hình mạng nơron gồm các nơron liên kết với nhau thành mạng phỏng theo cấu trúc mạng thần kinh của con người.
Mỗi nơron riêng lẻ có khả năng xử lý thông tin yếu, nhưng khi chúng được ghép với nhau thành mạng, thì khả năng xử lý thông tin sẽ mạnh hơn rất nhiều. Mỗi cấu trúc mạng đều có một ưu điểm đặc thù, chúng cho ta một công cụ mạnh trong các lĩnh vực kỹ thuật điều khiển và kỹ thuật thông tin. Một mạng nơron nhân tạo là tập hợp một số lớn các phần tử xử lý (các nút hay các khối), thường được tổ chức song song và được cấu hình theo kiến trúc đệ quy. Cách ứng sử trên mạng nơron nhân tạo giống như bộ não con người, nó chứng tỏ khả năng học, nhớ lại, và tổng quát hóa từ dữ liệu huấn luyện.
Mạng nơron nhân tạo là công cụ tốt trong việc giải quyết các bài toán như: hợp và phân lớp đối tượng, xấp xỉ hàm, tối ưu hóa, định lượng vector, phân cụm dữ liệu, .Nó thay thế hiệu quả các công cụ tính toán truyền thống để giải quyết các bài toán này.
Nhận dạng là một lĩnh vực đóng vai trò quan trọng trong khoa học kỹ thuật. Trong hầu hết các vấn đề kỹ thuật ngày nay, ta đều phải xác định, nhận dạng được các mô hình và đối tượng liên quan, để từ đó tìm ra giải pháp. Nhận dạng mô hình là bài toán rất quan trong trong lý thuyết hệ thống. Lý do đơn giản là vì không thể phân tích, tổng hợp hệ thống khi không có mô hình toán học mô tả hệ thống. Trong quá trình xây dựng mô hình hệ thống trên phương diện lý thuyết, người ta thường không khảo sát được mọi ảnh hưởng của môi trường đến tính động học của hệ thống, cũng như những tác động qua lại bên trong hệ thống một cách chính xác tuyệt đối. Rất nhiều yếu tố đã bị bỏ qua, hoặc chỉ được xem xét đến như là một tác động ngẫu nhiên. Bởi vậy, nếu nói một cách chặt chẽ thì những hiểu biết lý thuyết ban đầu về hệ thống, mới chỉ có thể giúp ta khoanh được lớp các mô hình thích hợp. Để có thể có được một mô hình cụ thể có chất lượng phù hợp với bài cụ thể toán đặt ra trong lớp các mô hình thích hợp đó, thì phải sử dụng phương pháp nhận dạng. Còn bài toán nhận dạng, phân tích phân cụm dữ liệu, là các bài toán rất hay gặp trong thực tế, khi chúng ta nhìn thấy một vật gì đó, thì câu hỏi thường trực của mỗi người là; vật đó có máy loại, và nó thuộc loại nào trong các loại có thể có.
Để giải quyết các bài toán nhận dạng, người ta đã đưa vào các cách tiếp cận khác nhau, mỗi phương pháp tiếp cận trong những bài toán cụ thể đều có những ưu, nhược điểm riêng. Phương pháp ứng dụng mạng nơron trong nhận dạng là một cách tiếp cận mới và hiện đại. Nó có thể là công cụ rất mạnh để giải quyết các bài toán trong lĩnh vực này.
Nội dung của đề tài đi vào tìm hiểu và xây dựng các phần tử nơron cơ bản, xem xét và nghiên cứu cấu trúc một mạng nơron, giới thiệu về mạng nơron nhiều lớp với thuật toán lan truyền ngược. Trọng tâm của đề tài đi vào tìm hiểu về mạng nơron Kohonen (hay mạng nơron tự tổ chức – SOM).
Đề tài gồm ba chương
Chương 1, trình bày cấu trúc một phần tử nơron cơ bản, các cấu trúc mạng nơron nhân tạo thường gặp, thuật toán học, phân tích ưu nhược điểm của chúng, và giới thiệu về thuật toán lan truyền ngược.
Chương 2, tìm hiểu mạng nơron Kohonen.
Chương 3, nhận dạng ký tự quang sử dụng mạng nơron Kohonen.
Cuối cùng em xin cảm ơn các thày cô giáo, đặc biệt là PGS.TSKH Bùi Công Cường đã tận tình chỉ dẫn cho em trong suốt thời gian làm đề tài. Xin cảm ơn các bạn cùng lớp đã tạo điều kiện cho tôi được học tập và nghiên cứu trong môi trường tốt.



MỤC LỤC
MỤC LỤC 1
CÁC HÌNH VẼ, BẢNG BIỂU TRONG LUẬN VĂN 3
THUẬT NGỮ TIẾNG ANH 3
Lời cảm ơn 4
Chương 1. Giới thiệu về mạng nơron nhân tạo 6
1.1 Cấu trúc và mô hình mạng nơron 8
1.1.1 Mô hình một nơron sinh học 8
1.1.2 Cấu trúc và mô hình của một nơron nhân tạo 9
1.2 Cấu tạo và phương thức làm việc của mạng nơron 12
1.2.1 Mạng nơron một lớp 14
1.2.2 Mạng nơron truyền thẳng nhiều lớp 15
1.2.3 Mạng nơron phản hồi 16
1.2.4 Mạng nơron hồi quy 16
1.2.5 Mạng Hopfield 16
1.2.6 Mạng BAM 18
1.3 Các luật học 19
1.3.1 Học có giám sát 20
1.3.2 Học củng cố 21
1.3.3 Học không có giám sát 21
1.4 Thuật toán lan truyền ngược 23
1.5 Kết luận 29
Chương 2. Tìm hiểu mạng nơron Kohonen 31
2.1 Giới thiệu 31
2.2 Mạng nơron Kohonen 32
2.2.1 Mạng nơron Kohonen nhận dạng 34
2.2.2 Cấu trúc của mạng nơron Kohonen 34
2.2.3 Chuẩn hóa dữ liệu đầu vào 35
2.2.4 Tính toán dữ liệu đầu ra của nơron 36
2.2.5 Ánh xạ lưỡng cực 36
2.2.6 Chọn nơron thắng 37
2.2.7 Quá trình học của mạng Kohonen 38
2.2.8 Tỉ lệ (tốc độ) học 39
2.2.9 Điều chỉnh các trọng số (cập nhật trọng số) 40
2.2.10 Tính toán sai số 40
2.3. Thực thi mạng nơron Kohonen 41
2.3.1 Thực thi mạng nơron truyền thẳng 41
2.3.2 Thực thi lan truyền ngược 46
2.3.3 Các tập huấn luyện 47
2.3.4 Báo cáo tiến trình 48
2.3.4.1 Lớp mạng cơ sở 48
2.3.4.2 Lớp KohonenNetwork 50
2.4 Kết luận 58
Chương 3. Nhận dạng ký tự quang sử dụng mạng nơron Kohonen 60
3.1 Giới thiệu chung 60
3.2 Huấn luyện mạng 61
3.3 Thử nghiệm sử dụng mạng nơron Kohonen để nhận dạng ký tự quang 62
3.4 Trường hợp ngoại lệ 65
3.5 Kết luận 65
KẾT LUẬN 67
Tài tham khảo 68


CÁC HÌNH VẼ, BẢNG BIỂU TRONG LUẬN VĂN

Hình 1.1 Một nơron sinh học 9
Hình 1.2. Sự liên kết các nơron 9
Hình 1.3 Mô hình một nơron nhân tạo 10
Hình 1.4 Đồ thị các dạng hàm kích hoạt 12
Hình 1.5 Mạng nơron ba lớp 13
Hình 1.6 Một số dạng mạng nơron 15
Hình 1.7 Cấu trúc của mạng Hopfield 17
Hình 1.8 Cấu trúc của BAM 18
Hình 1.9: Cấu trúc huấn luyện mạng nơron 20
Hình 1.10: Học có giám sát 21
Hình 1.12: Học không có giám sát 22
Hình 1.13: Sơ đồ cấu trúc chung của quá trình học 23
Hình 1.14: Mạng 3 lớp lan truyền ngược 24
Hình 2.1: Một dạng mạng nơron Kohonen 36
Hình 2.2: Sơ đồ khối biểu diễn huấn luyện mạng nơron Kohonen. 40
Hình 3.1:Mô hình chung trong nhận dạng chữ viết. 62
Hình 3.2: Sơ đồ huấn luyện mạng 62
Hình 3.4: Biểu diễn ký tự e theo ma trận 5x7 pixcel. 64
Hình 3.5: Biểu diễn ký tự e theo ma trận 5x7 bởi các giá trị 64
Hình3.6: Biểu diễn ký tự e ở vector đầu vào 64
Hình 3.7 Vẽ và gán ký tự 65
Hình 3.8 Kết quả mạng nơron Kohonen nhận dạng ký tự e và ký tự c 65
Hình 3.9 Đưa chữ ký vào mạng và gán tên 65
Hình 3.10 Kết quả mạng nơron Kohonen nhận dạng chữ ký 66
THUẬT NGỮ TIẾNG ANH

ANN Mạng nơron cần huấn luyện
BAM Mạng BAM (Bidirectional Associative Memory)
SOM Mạng nơron tự tổ chức (Self Organizing Maps)
PE Phần tử xử lý (Processing Element)
OCR Nhận dạng ký tự quang (optical character recognition)