Mạng neuron nhân tạo ANN pps

GV: Lê Hoài Long
Mạng neuron nhân tạo
ANN
Phần
GV: Lê Hoài Long
Mạng neuron nhân tạo
Mạng neuron nhân tạo là mạng được xây dựng bằng
cách sao chép lại các nguyên lý tổ chức của hệ
neuron con người
GV: Lê Hoài Long
Mạng neuron nhân tạo
Cấu trúc cơ bản của một neuron trong hệ neuron
con người gồm có các đầu vào (dendrities), thân
neuron và đầu ra (axon)
Synaps
Neuron
Dendrite
Axon
Synaps
GV: Lê Hoài Long
Mạng neuron nhân tạo
Cấu trúc cơ bản của một hệ neuron con
người gồm có lớp neuron đầu vào, các lớp
neuron ẩn và lớp neuron đầu ra
GV: Lê Hoài Long
Mạng neuron nhân tạo
Mc.Culloch và Pitts vào năm 1943 đề ra
cấu trúc cơ bản của một neuron thứ i
trong mô hình của mạng neuron nhân tạo
x
1

x
m
x
2
w
12
w
11
w
1m
Phần tử xử lý thứ i
y
i
Đầu ra
i

x
j
- là đầu ra của neuron thứ j
hoặc đầu vào từ môi
trường bên ngoài.
w
ij
- là trọng số kết nối giữa
neuron thứ i và neuron thứ
j.
 - là giá trị ngưỡng của
neuron thứ i.
y
i

- là đầu ra của neuron thứ i
GV: Lê Hoài Long
Mạng neuron nhân tạo
Mô hình tính toán đơn giản cho đầu ra y
i
của
neuron thứ i được định nghĩa như sau











i
m
j
ji
txaty

1
)()1(
ij
w
Nếu gọi f
i

là một hàm tổng hợp để tổng hợp tất cả
các thông tin đến từ các đầu vào của neuron thứ i











i
m
j
ji
txf

1
ij
)(w
GV: Lê Hoài Long
Mạng neuron nhân tạo
Lúc này ta có một hàm tác động (hàm chuyển) –
đầu ra


ii
faty  )1(

Trọng số w
ij
biểu diễn cường độ kết nối giữa
neuron thứ j với neuron thứ i.
Nếu là trọng số dương tương ứng với tín hiệu
truyền kích động, nếu là trọng số âm tương ứng
với tín hiệu truyền ức chế, và nếu wij = 0 thì
không có sự kết nối giữa hai neuron.
GV: Lê Hoài Long
Mạng neuron nhân tạo
Để thiết kế một
mạng ANN
Xác định cấu trúc
mạng
Huấn luyện mạng
GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo

Xử lý ảnh và nhận biết bằng máy tính

Xử lý tín hiệu

Nhận dạng mẫu

Kỹ thuật chế tạo

Hệ thống điện

Y học


Quân sự

Kinh tế

…
GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo
Ứng dụng ANN trong quản lý xây dựng trên thế giới

Dự trù chi phí cho công tác lót đường bằng bê tông cốt thép
của Hojjat Adeli và Mingyang Wu, ASCE (1998 [13]),

Dự trù chi phí xây dựng đường cao tốc Tarek Hegazy và Amr
Ayed, ASCE (1998 [14]), của Chester G Wilmot và Bing Mei,
ASCE (2005 [15])

Dự đoán quá trình thực hiện các dự án thiết kế thi công ở
Singapore của Florence Yean Yng Ling và Min Liu (2004 [16]),

Ảnh hưởng của các yêu cầu thay đổi đến năng suất lao động
của Osama Moselhi và đồng sự, ASCE (2005 [17])

Dự trù năng suất ngành của Jason Portas và Simaan Abourizk,
ASCE (1997 [18])

Khả năng ứng dụng mang neuron trong xây dựng được
Moselhi. O và đồng sự , ASCE chỉ ra trong (1991 [19]).

…
GV: Lê Hoài Long

Ứng dụng mạng neuron nhân tạo – Việt
Nam

Xây dựng mô hình xác định chi phí trong xây dựng
dựa trên ứng dụng mạng neuron của Trần Bách -
Luận văn thạc sỹ ĐHBK TP.HCM (2006 [8]). Qua
đó tác giả đã xây dựng mô hình xác định chi phí
thực tế của dự án xây dựng dựa trên ứng dụng
của mạng neuron mờ thông qua 16 yếu tố đầu vào
của mô hình là các yếu tố tác động đến sự thay
đổi chi phí của dự án xây dựng được xác định từ
các nghiên cứu trước đó và các đặc trưng của dự
án
GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo – Việt
Nam

Ứng dụng ANN tối ưu hoá tiến độ mạng, Luận
văn thạc sỹ Hồ Hải Đăng, ĐHBK TPHCM
(2004 [6])

Ứng dụng ANN trong chọn thầu thi công, Luận
văn thạc sỹ Phạm Trường Giang, ĐHBK
TPHCM (2003 [7])
GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo – Việt
Nam

Luận văn thạc sỹ của Văn Khoa ĐHBK
TP.HCM (2006 [30]). Trong luận văn tác giả

đã trình bày cách ứng dụng mạng neuron nhân
tạo để dự đoán chi phí xây dựng cho các dự án
chúng cư qua việc ‘học’ từ kinh nghiệm các
chúng cư đã được xây dựng trước đây với sự
hỗ trợ của công cụ Matlab để tìm được bảng
ma trận trọng số.
GV: Lê Hoài Long
Ứng dụng mạng neuron nhân tạo – Việt
Nam

Luận văn của Nguyễn Anh Tuấn (2007) đánh giá rủi
ro biến động chi phí và tiến độ trong giai đoạn thi
công của dự án. Tác giả đã xác định được các biến
đầu vào thông qua một cuộc khảo sát bằng bảng câu
hỏi.

Luận văn của Nguyễn Nam Cường (2007) đánh giá
khả năng mất năng suất lao động trên các công
trường xây dựng ở Việt Nam thông quá các yếu tố
tác động. Tương tự Nguyễn Anh Tuấn, tác giả cũng
xác định các biến đầu vào là các yếu tố có khả năng
gây biến động năng suất dựa trên một cuộc khảo sát.
Tác giả đã viết một chương trình ứng dụng với ngôn
ngữ C++ có thể giúp các kỹ sư, người quản lý ứng
dụng kết quả nghiên cứu vào trong thực tế.
GV: Lê Hoài Long
Thống nhất

Trong môn học này, chúng ta không xem xét
hết tất cả các cấu trúc neuron. Chỉ những

cấu trúc neuron được ứng dụng nhiều trong
quản lý xây dựng mới được nghiên cứu
trong môn học này.

Các cấu trúc khác học viên tự nghiên cứu
nếu thấy cần thiết.
GV: Lê Hoài Long
Kí hiệu

Vô hướng (scalar) kí hiệu chữ thường in
nghiêng: a, b, c

Vector: kí hiệu chữ thường in đậm: a, b, c

Ma trận: chữ hoa in đậm: A, B, C
GV: Lê Hoài Long
Mô hình neuron

Một biến đầu vào (single-input)
GV: Lê Hoài Long
Mô hình neuron – 1 biến đầu vào

Giá trị đầu ra neuron được tính toán theo
công thức:

Ví dụ: ta có w= 3, p = 2 và b = -1.5
=> a = ??
)( bwpfa



GV: Lê Hoài Long
Mô hình neuron – 1 biến đầu vào

Giá trị đầu ra phụ thuộc vào hàm chuyển.

Bias cũng là một trọng số (weight). Trong
một số trường hợp không cần thiết phải sử
dụng bias.

Chú ý: w và b đều là các tham số có thể thay
đổi trong cấu trúc neuron.
GV: Lê Hoài Long
Mô hình neuron

Hàm chuy
ể
n (truy
ề
n) (Transfer function)
-
Hàm chuyển có thể tuyến tính hay phi tuyến.
-
Hàm chuyển được lựa chọn để thỏa mãn các
đặc trưng của vấn đề mà mô hình neuron
đang cố gắng giải quyết.
-
Có khá nhiều dạng hàm chuyển, tuy nhiên có
3 dạng chính hay được sử dụng
GV: Lê Hoài Long
Mô hình neuron – hàm truyền


Hàm hard limit
GV: Lê Hoài Long
Mô hình neuron – hàm truyền

Hàm linear
GV: Lê Hoài Long
Mô hình neuron – hàm truyền

Hàm log-sigmoid: nhận giá trị đầu vào và ép
giá trị đầu ra nằm trong khoảng 0 đến 1 theo
công thức:
n
e
a



1
1
GV: Lê Hoài Long
Mô hình neuron – hàm truyền

Một số dạng hàm chuyển khác
GV: Lê Hoài Long
Mô hình neuron – hàm truyền

Một số dạng hàm chuyển khác (tt)