ĐỀ CƯƠNG ÔN TẬP
MẠNG NƠ-RON NHÂN TẠO
Đề 1
1. Mạng nơ-ron nhân tạo là gì? Tại sao chúng ta nghiên cứu mạng nơ-ron nhân tạo?
Mạng nơ-ron nhân tạo (Neural Networks – NNs) là mạng bao gồm các nơ-ron kết nối với nhau như được tìm thấy trong các bộ não sinh học. Thành phần cơ bản để cấu tạo nên mạng nơ –ron là các nơ-ron và cách mà chúng kết nối với nhau. Do vậy, để mô hình hóa hình thái và tìm hiểu phương thức hoạt động của mạng nơ-ron, chúng ta sẽ bắt đầu từ các nơ-ron nhân tạo.
Nơ-ron nhân tạo là những mô phỏng thô của các nơ-ron sinh học trong bộ não. Chúng có thể là các thiết bị vật lý hay chỉ là các mô hình toán học. Theo đó, mạng nơ-ron nhân tạo (Artificial Neural Networks – ANNs) là mạng các nơ-ron nhân tạo kết nối với nhau và được xem như là mô phỏng thô một phần bộ não sinh học. Chúng có thể là một hệ thống các thiết bị vật lý hoặc các mô phỏng trên máy tính.
Mạng nơ-ron nhân tạo là hệ thống máy tính song song bao gồm nhiều đơn vị xử lý đơn giản, kết nối với nhau theo một cấu trúc nào đó để thực hiện một nhiệm vụ cụ thể. Mặc dù được đơn giản hóa về mặt mô phỏng nhưng mạng nơ-ron nhân tạo vẫn không mất đi các tính chất đặc trưng của một bộ não thật.
- Ưu điểm lớn nhất của mạng nơ-ron nhân tạo: là tính hoàn toàn song song, cái mà làm cho mạng nơ-ron nhân tạo trở nên hiệu quả. Thêm vào đó, mạng nơ-ron nhân tạo có thể học từ những dữ liệu huấn luyện và khái quát những tình huống mới, nên nó không yêu cầu nhiều về kỹ năng lập trình. Mạng nơ-ron nhân tạo còn đặc biệt chịu lỗi, đây là khả năng thường được tìm thấy trong các hệ thống sinh học; và chịu nhiễu. Vì vậy chúng có thể đối phó với tình huống mà các hệ thống symbolic thông thường sẽ gặp khó khăn. Nói tóm lại, về nguyên tắc, mạng nơ-ron nhân tạo có thể làm bất cứ điều gì một hệ thống symbolic/logic có thể làm và thực tế nó còn có thể làm được nhiều hơn thế nữa.
- Giống như các lĩnh vực trí tuệ nhân tạo nói chung, hai mục tiêu cơ bản của việc nghiên cứu mạng nơ-ron nhân tạo là:
+ Mô hình hóa bộ não: Mục đích khoa học của việc xây dựng các mô hình mạng nơ-ron nhân tạo là tìm hiểu thực tế não làm việc như thế nào. Điều này có thể giúp chúng ta hiểu được bản chất sự thông minh của con người, xây dựng các chiến lược dạy tốt, hoặc là các hoạt động chữa trị hiệu quả cho các bệnh nhân bị thương tổn về não.
+ xây dựng hệ thống nhân tạo: Mục đích kỹ thuật của việc xây dựng hệt thống mạng nơ-ron nhân tạo là nhằm đem lại hiệu quả tốt hơn đối với các ứng dụng thực tế. Điều này có thể làm cho máy móc hoạt động tốt hơ, thay thế con người những công việc nhàm chán và thậm chí có thể cải thiện hiệu suất công việc.
2. Hãy mô tả mô hình nơ-ron nhân tạo McColloch-Pitts?(Hình vẽ, phương trình tính output)
Trên cơ sở cấu trúc chung của một nơ-ron sinh học, McCulloch-Pitts đã đề nghị mô hình nơ-ron nhân tạo đơn giản nhất được biết đến là đơn vị logic ngưỡng như hình vẽ 2-4, bao gồm:
Một tập các kết nối (synapses) mang kích hoạt từ các nơ-ron khác đến.
Một đơn vị xử lý tính tổng tất cả các tín hiệu vào và sau đó áp dụng một hàm kích hoạt không tuyến tính (hàm chuyển hay hàm ngưỡng).
Một đường ra truyền kết quả ra đến các nơ-ron khác.
/

Kết quả ra của một nơ-ron McCulloch-Pitts có thể được biểu diễn như là một hàm của n thành phần vào:
/
trong đó θ là ngưỡng kích hoạt của nơ-ron. Chúng ta có thể dễ dàng thấy rằng:
/
Lưu ý rằng nơ-ron McCulloch-Pitts là một mô hình cực kỳ đơn giản so với một nơ-ron sinh học. Do đó một số đặc điểm đã bị đơn giản hóa như: giá trị vào/ra không phải là nhị phân, tổng vào là không tuyến tính, ngưỡng mịn, tính ngẫu nhiên (stochasticity) và xử lý thông tin có tính đến yếu tố thời gian.
Tuy thế, nơ-ron McCulloch-Pitts vẫn rất mạnh về mặt tính toán. Người ta đã chỉ ra rằng tập các nơ-ron McCulloch-Pitts có thể tính toán được rất nhiều thứ
Hàm ngưỡng hay hàm dấu sgn