CH
1
NG
1: N
I DUNG MÔN H C
Biên so n: TS Ngô H u Phúc
B môn: Khoa h c máy tính
H c vi n k thu t quân s
Email:
Lý thuy t nh n d ng
LÝ THUY T NH N D NG
Thông tin chung
Thông tin v nhóm môn h c:
TT
H tên giáo viên
H c hƠm
H cv
n v công tác (B môn)
1
Ngô H u Phúc
GVC
TS
BM Khoa h c máy tính
2
Tr n Nguyên Ng c
GVC
TS
BM Khoa h c máy tính
3
Nguy n Vi t Hùng
GV
TS
BM Khoa h c máy tính
Th i gian, đ a đi m làm vi c: B môn Khoa h c máy tính T ng 2, nhà A1.
a ch liên h : B môn Khoa h c máy tính, khoa Công ngh thông tin.
i n tho i, email: 069-515-329,
2
TTNT - H c vi n K thu t Quân s
C u trúc môn h c
Ch
ng 0: Gi i thi u v môn h c
Ch
ng 1: Gi i thi u v nh n d ng m u.
Ch
ng 2: Nh n d ng m u d a trên th ng kê h c.
Ch
ng 3:
Ch
ng 4: S phân l p d a trên láng gi ng g n nh t.
Ch
ng 5: Phân lo i tuy n tính.
Ch
ng 6: Phân lo i phi tuy n.
Ch
ng 7: M ng Neuron nhân t o.
cl
ng hàm m t đ xác su t.
Th c hành: Gi i thi u m t s
3
TTNT - H c vi n K thu t Quân s
ng d ng trong th c t
Bài 1: Gi i thi u chung
Ch ng 1, m c: 1.1 – 1.14
Ti t: 1-3;
Tu n th : 1.
M c đích, yêu c u:
N m đ c s l c v H c ph n, các chính sách riêng c a
giáo viên, đ a ch Giáo viên, b u l p tr ng H c ph n.
2. N m đ
c c u trúc môn h c.
3. N m đ
c các l nh v c có liên quan đ n nh n d ng.
4. N m đ
c nh ng v n đ c t lõi c a nh n d ng.
1.
Hình th c t ch c d y h c: Lý thuy t.
Th i gian: 3 ti t.
a đi m: Gi ng đ ng do Phòng ào t o phân công
N i dung chính: (Slides)
4
TTNT - H c vi n K thu t Quân s
TÀI LI
U THAM KH O
1.
Pattern
Recognition,
Theodoridis
Koutroumbas, Academic Press.
2.
Pattern Classification, Duda, Hart, and Stork,
John Wiley & Sons.
3.
Pattern Recognition. Statistical, Structural, and
Neural Approaches, Schalkoff.
Lý thuy t nh n d ng
and
5
PH
1.
2.
3.
NG PHÁP
ÁNH GIÁ
10 % tham gia h c t p,
30 % tham gia làm bài t p v
trên l p,
nhà và th o lu n
60 % thi h t môn thông qua bài t
Lý thuy t nh n d ng
lu n.
6
N
I DUNG MÔN H C
1.
T ch c môn h c.
2.
Gi i thi u v nh n d ng m u.
2.1. Th nào là nh n d ng m u.
2.2. Khái ni m.
2.3. Các h th ng nh n d ng m u.
2.4. Ti n x
lý và chu n hóa.
2.5. L a ch n đ c tr ng.
2.6. Ph
2.7.
3.
ng pháp phân l p.
ánh giá h th ng.
Nh n d ng m u d a trên th ng kê h c.
Lý thuy t nh n d ng
7
N
I DUNG MÔN H C (TI P)
3.1. Lý thuy t quy t đ nh Bayes.
3.2. Hàm phân bi t và gi i quy t v n đ .
3.3. Phân b chu n.
3.4. L i biên và đo s
4.
cl
phân bi t.
ng hàm m t đ xác su t.
4.1.
cl
ng tham s tr
c,
4.2.
cl
ng tham s sau,
4.3.
cl
ng tham s Bayes.
4.4. Mô hình h n h p.
4.5.
cl
ng Entropy.
4.6.
cl
ng không tham s .
Lý thuy t nh n d ng
8
N
I DUNG MÔN H C (TI P)
5.
S
phân l p d a trên láng gi ng g n nh t.
5.1. Ph
6.
ng pháp k láng gi ng g n nh t.
Phân lo i tuy n tính
6.1. Hàm phân bi t tuy n tính.
6.2. L p kh tách tuy n tính.
6.3. Ph
ng pháp bình ph
ng nh nh t.
6.4. Bi n đ i đ c tr ng tuy n tính.
7.
Phân lo i phi tuy n.
7.1. Phân lo i tuy n tính suy r ng.
7.2.
nh lý l p ph .
7.3. Máy h tr vector.
Lý thuy t nh n d ng
9
N
I DUNG MÔN H C (TI P)
8.
M ng Neuron nhân t o.
8.1. M ng perceptron nhi u l p (MLP).
8.2. Hu n luy n m ng MLP.
9.
Ph
ng pháp non-metric (m r ng)
9.1. Cây quy t đ nh.
9.2. Ng
pháp.
9.3. Lu t h c và logic.
10.
S
phân l p ph thu c ng
c nh (m r ng)
10.1. Mô hình Markov.
10.2. Mô hình Markov n.
Lý thuy t nh n d ng
10
N
11.
I DUNG MÔN H C (TI P)
Thu t toán h c đ c l p (m r ng)
11.1. M u.
11.2. Ph
12.
ng pháp k t h p.
H c t ng c
ng (m r ng)
12.1. Q-learning.
13.
Nh n d ng m u không giám sát (m r ng)
13.1. Phép đo tr ng thái.
13.2. Gi i thu t tu n t .
13.3. Gi i thu t có phân lo i.
13.4. H c có c nh tranh.
14.
ng d ng và th c hành.
Lý thuy t nh n d ng
11
CH
GI I THI U V
1
NG 2:
NH N D NG M U
Biên so n: TS Ngô H u Phúc
B môn: Khoa h c máy tính
H c vi n k thu t quân s
Email:
T ng quan v nh n d ng
LÝ THUY T NH N D NG
Thông tin chung
Thông tin v nhóm môn h c:
TT
H tên giáo viên
H c hƠm
H cv
n v công tác (B môn)
1
Ngô H u Phúc
GVC
TS
BM Khoa h c máy tính
2
Tr n Nguyên Ng c
GVC
TS
BM Khoa h c máy tính
3
Nguy n Vi t Hùng
GV
TS
BM Khoa h c máy tính
Th i gian, đ a đi m làm vi c: B môn Khoa h c máy tính T ng 2, nhà A1.
a ch liên h : B môn Khoa h c máy tính, khoa Công ngh thông tin.
i n tho i, email: 069-515-329,
2
TTNT - H c vi n K thu t Quân s
C u trúc môn h c
Ch
ng 0: Gi i thi u v môn h c
Ch
ng 1: Gi i thi u v nh n d ng m u.
Ch
ng 2: Nh n d ng m u d a trên th ng kê h c.
Ch
ng 3:
Ch
ng 4: S phân l p d a trên láng gi ng g n nh t.
Ch
ng 5: Phân lo i tuy n tính.
Ch
ng 6: Phân lo i phi tuy n.
Ch
ng 7: M ng Neuron nhân t o.
cl
ng hàm m t đ xác su t.
Th c hành: Gi i thi u m t s
3
TTNT - H c vi n K thu t Quân s
ng d ng trong th c t
Bài 2: Gi i thi u v nh n d ng m u
Ch ng 1, m c: 2.1 – 2.7
Ti t: 1-3;
Tu n th : 2.
M c đích, yêu c u:
N
2. N
3. N
4. N
1.
mđ
mđ
mđ
mđ
c khái ni m v nh n d ng m u.
c mô hình nh n d ng m u.
c khái ni m v chu n hóa d li u.
c khái ni m và ph ng pháp phân tích đ c tr ng.
Hình th c t ch c d y h c: Lý thuy t.
Th i gian: 3 ti t.
a đi m: Gi ng đ ng do Phòng ào t o phân công
N i dung chính: (Slides)
4
TTNT - H c vi n K thu t Quân s
2.1. TH
NÀO LÀ NH N D NG M U
ây là môn khoa h c có m c đích phân l p đ i
t ng thành các ph m trù khác nhau.
“Là hành đ ng l y d
phân lo i các m u”.
li u thô và tác đ ng d a trên
i t ng nghiên c u có th là
b t k ki u nào có th đo đ c.
nh, tín hi u hay
T i sao ph i nghiên c u?
em l i “s
s ng” cho máy.
Ph m vi ng d ng: th giác máy tính, nh n d ng ch
vi t, chu n đoán có s tr giúp c a máy tính, nh n
d ng ti ng nói, xác th c ng i, ra quy t đ nh có s
tr giúp c a máy tính…
T ng quan v nh n d ng
5
2.2. KHÁI NI
MV
MÔ HÌNH
L p, mô hình,
c tr ng, vector đ c tr ng,
Trích rút đ c tr ng.
Hu n luy n m u, hu n luy n d
Ki m tra m u, ki m tra d
Chi phí th c hi n, r i ro th c hi n.
Phân lo i.
V n đ biên c a phân lo i.
T ng quát hóa.
H c giám sát và không giám sát.
T ng quan v nh n d ng
li u.
li u.
6
2.3. H
TH NG NH N D NG M U
2.3.1. Mô hình h th ng.
Sensor là thành ph n thu nh n đ c
tr ng, sensor có th là:
Nhi t k ,
Microphone,
Camera s .
Trích rút đ c tr ng:
Chuy n đ i giá tr đo đ
tr ng c a h th ng.
T ng quan v nh n d ng
c thành đ c
7
2.3. H
c tr ng:
TH NG NH N D NG M U (CONT)
Thành ph n bi u di n m u,
Có th bi u di n b ng vector, ma tr n, cây, đ
chu i.
Trong tr ng h p lý t ng, các đ i t ng trong cùng
m t l p các đ c tr ng này gi ng nhau và các đ i t ng
thu c l p khác nhau thì khác.
th hay
B phân l p:
H cđ
ct
Thông th ng s tr l i câu h i: m u đã có thu c vào
l p nào? ho c
i t ng thu c ki u l p nào?
T ng quan v nh n d ng
d
li u hu n luy n.
8
2.3. H
TH NG NH N D NG M U (CONT)
2.3.2. Thi t k .
Trong ph n này, th
câu h i sau:
ng tr
l i m t s
Thu nh n d li u: o đ c thông tin
gì? C n bao nhiêu thông tin?
L a ch n đ c tr ng:
c tr ng nào
t t cho quá trình phân tách và t ng
quát hóa.
c l ng h th ng: Có th đo s
hi u qu c a h th ng b ng cách
nào?
T ng quan v nh n d ng
9
2.4. TI
NX
LÝ VÀ CHU N HÓA
Trong giai đo n này, thông th
chí sau:
ng l a ch n các tiêu
D trích rút đ c tr ng và phân l p.
Có th đòi h i: các đ c tr ng t t, quá trình h c
nhanh, d t ng quát hóa.
Có s
ph thu c gi a b phân l p và đ c tr ng.
Ph thu c vào ng d ng c
lý âm thanh, ...
th : x
lý
nh hay x
Các ph ng pháp: c t b thông tin bên ngoài,
chu n hóa, phân tích thành ph n chính.
T ng quan v nh n d ng
10
2.4. TI
NX
LÝ VÀ CHU N HÓA (T)
2.4.1. Thành ph n bên ngoài.
M u không chu n,
L i xu t hi n t
N u có l i t
Có th miêu t đ i v i d
Có th nh n bi t b ng các ph
T ng quan v nh n d ng
y u t con ng
i,
y u t ch quan, có th lo i b ,
li u đ n gi n,
ng pháp th ng kê.
11
2.4. TI
NX
LÝ VÀ CHU N HÓA (T)
2.4.2. M t s d ng chu n hóa.
Minmax-scaling:
min
m
T ng quan v nh n d ng
12
2.4. TI
NX
LÝ VÀ CHU N HÓA (T)
2.4.2. M t s d ng chu n hóa.
Trung bình và đ l ch chu n:
N
1
xk xki k 1,2,..., l
N i 1
N
1
2
2
k
xki xk
N 1 i 1
xki xk
xˆki
k
T ng quan v nh n d ng
13
2.4. TI
NX
LÝ VÀ CHU N HÓA (T)
2.4.2. M t s d ng chu n hóa.
Softmax-scaling:
yki
xˆki
T ng quan v nh n d ng
xki xk
r k
1
1 e
yki
14