งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

Perceptron and Delta rule training for the NN ไกรฤกษ์ เชยชื่น, M.Eng. Electrical.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "Perceptron and Delta rule training for the NN ไกรฤกษ์ เชยชื่น, M.Eng. Electrical."— ใบสำเนางานนำเสนอ:

1 Perceptron and Delta rule training for the NN ไกรฤกษ์ เชยชื่น, M.Eng. Electrical

2 Perceptron Architecture: สำหรับ 1 Neural, อินพุต จำนวน n ตัว 1 X1X1 XnXn XiXi Y b w1w1 wiwi wnwn Activation function เมื่อ θ คือ เทรโชลด์ (threshold) ซึ่ง เป็นค่าคงที่

3 Perceptron (Cont.) Algorithm: สามารถใช้ได้กับทั้ง -Input แบบ binary (0,1) และ bipolar (1, -1) -Output แบบ bipolar (1, -1) Step0: - กำหนดค่าเริ่มต้นให้กับ weight, w 1, w 2, …, w i,…, w n และ bias, b ( เพื่อความง่ายเรามักกำหนด w = 0 และ b = 0) - กำหนด learning rate ( อัตราการเรียนรู้ ), α ( ) ( เพื่อความง่ายเรามักกำหนด α = 1) - กำหนดเทรโชลด์ เป็นค่าคงที่ที่ไม่เป็นค่า ลบ

4 Perceptron (Cont.) Algorithm: สามารถใช้ได้กับทั้ง -Input แบบ binary (0,1) และ bipolar (1, -1) -Output แบบ bipolar (1, -1) Step1: ทำซ้ำ Step2 – 5 จนว่า เงื่อนไขใน Step5 จะเป็นเท็จ (false) Step2: ทำซ้ำ Step2 – 4 ในแต่ละคู่ input (x 1,x 2,…,x n ) กับ target output, t (1 หรือ -1) Step3: คำนวณ real output, y ดังนี้

5 Perceptron (Cont.) Algorithm: สามารถใช้ได้กับทั้ง -Input แบบ binary (0,1) และ bipolar (1, -1) -Output แบบ bipolar (1, -1) Step4: ปรับค่า weight และ bias โดย If ( ถ้า ) target output (t) ≠ real output (y) else ( มิฉะนั้นแล้ว )

6 Perceptron (Cont.) Algorithm: สามารถใช้ได้กับทั้ง -Input แบบ binary (0,1) และ bipolar (1, -1) -Output แบบ bipolar (1, -1) Step5: ทดสอบเงื่อนไขการหยุด โปรแกรม If ( ถ้า ) weight ใน Step2 ไม่เปลี่ยนแปลง ให้หยุดโปรแกรม else ( มิฉะนั้นแล้ว ) ไปทำ Step1

7 ตัวอย่าง : Perceptron : สำหรับ AND function กำหนดให้ -Input แบบ binary (0,1) และ Output แบบ bipolar (1, -1) ตารางการทำงานของ AND x1x1 x2x2 1 (bias)Target output Step0: - กำหนดค่าเริ่มต้น weight, w 1 = 0, w 2 = 0 และ bias, b = 0 - กำหนด learning rate ( อัตราการเรียนรู้ ), α = 1 - กำหนด เทรโชลด์, θ = 0.2

8 ตัวอย่าง : Perceptron : สำหรับ AND function inputy_inReal output, y Target output, t Weight change, Δw New weight (x 1 x 2 1)( Δ w 1 Δ w 2 Δb )(w 1 w 2 b) (0 0 0) (1 1 1)001 Step0 + =

9 ตัวอย่าง : Perceptron : สำหรับ AND function inputy_inReal output, y Target output, t Weight change, Δw New weight (x 1 x 2 1)( Δ w 1 Δ w 2 Δb )(w 1 w 2 b) ( รอบที่ 1) (0 0 0) (1 1 1)001 (1 0 1)21( )(0 1 0) (0 1 1)11( )(0 0 -1) (0 0 1) (0 0 -1)(0 0 -2) ( รอบที่ 2) (1 1 1) 1(1 1 1)(1 1 0) (1 0 1)11( )(0 1 -1) (0 1 1)00( )(0 0 -2) (0 0 1)-2 (0 0 0)(0 0 -2)

10 ตัวอย่าง : Perceptron : สำหรับ AND function inputy_inReal output, yTarget output, t Weight change, Δw New weight (x 1 x 2 1)( Δ w 1 Δ w 2 Δb )(w 1 w 2 b) ( รอบที่ 3 - 9) ทำเป็นการบ้าน (0 0 0) ……………… ……………… ……………… ……………… ( รอบที่ 10) ทำเป็นการบ้าน (1 1 1)…………(2 3 -4) (1 0 1)…………(2 3 -4) (0 1 1)…………(2 3 -4) (0 0 1)…………(2 3 -4)

11 1 X1X1 X2X2 Y b=-4 w 1 =2 w 2 = x2x2 x1x1 (1) (2)

12 การบ้าน : AND function โดย input และ output เป็น bipolar x1x1 x2x2 1 (bias)Target output


ดาวน์โหลด ppt Perceptron and Delta rule training for the NN ไกรฤกษ์ เชยชื่น, M.Eng. Electrical.

งานนำเสนอที่คล้ายกัน


Ads by Google