Tổng quan về mạng Neural Network trong phân tích ảnh

Mạng neural ñược xem nhưlà 1 hàm sốvới tham sốcó thể ñiều chỉnh cho thích

hợp.

o Dữliệu nhập ñược ký hiệu là xlà 1 vector dòng giá trịthực với chiều hoặc

ñộdài tùy ý. 1 cách thông thừơng xchỉ dữliệu nhập, vector nhập, giá trị

hồi quy(regressor), hoặc vector mẫu(pattern vector). ðộdài vector chỉ số

nút nhậpcủa mạng.

o Dữliệu xuất ñược ký hiệu là ˆ y là xấp xỉcủa giá trịra lý tưởng. là 1 vector

giá trịthực có 1 hay nhiều phần tửchỉsốnút ra của mạng.

o Thông thường tập dữliệu bao gồm nhiều cặp dữliệu nhập-xuất. x và y

biểu diễn bởi ma trận với 1 vector nhập vector xuất ởmỗi dòng.

• mạng neural là 1 cấu trúc bao hàm các quan hệcác trọng sốcủa neurons, hay các

ñơn vị(units) với các phép biến ñổi vô hướng không tuyến tính và tuyến tính.

Minh họa ví dụvềmạng neural 1 lớp ẩn với 3 nút nhập, x = {x

1

,x

2

,x

3

} và nút giá

trịlệch (unity bias) nối vào 2 neuron trong lớp ẩn. 2 giá trịra từlớp ẩn cùng với

giá trịlệch ñược ñưa vào 1 neuron ởlớp xuất tính ra giá trịxuất vô hướng ˆ y .

Lớp chứa các neuron gọi là lớp ẩn vì giá trịxuất của nó không cần xuất ra trực

tiếp trong dữliệu. các kiểu ñặt trưng của mạng neural ñược ñềcập trong phần

mạng Feedforward và Radial Basis Function.

Các mũi tên tượng trưng cho các tham sốgiá trịthực hay trọng sốcủa mạng.

• 1 neuron là 1 cấu trúc ñểxửlý các nút nhập, bao gồm cảgiá trịlệch, theo hướng

không tuyến tính, cho ra 1 giá trịxuất. ðồng thời, tất cảcác nút nhập ñưa vào

neuron ñược gia tốthêm bởi các trọng số. sau ñó lấy tổng và ñưa vào hàm số

không tuyến tuyến gọi là hàm hoạt ñộng σ.

- 4 -

• Nhưminh họa ởhình trên, giá trịxuất của mạng dược tính nhưsau:

trong ñó các trọng sốlà

1 1 2 2

, , 1

{ , , , }

i j i j

w b w b

• Eq (1) là 1 ánh xạkhông tuyến tính x
ˆ y , ởdạng rút gọn, ánh xạ ñược viết:

Trong ñó θlà vector giá trịthực có các phần tửlà các tham số(trọng số) của

mạng.

• Mục tiêu của việc huấn luyện mạng là tìm giá trịtham số θthích hợp ñểvới dữ

liệu nhập x bất kỳcó ra 1 giá trị ˆ y xấp xỉgần với y nhất. các thuật toán huấn

luyện sẽlặp nhiều bước với vector tham sốkhởi tạo θvà ñược cập nhật tốt hợp

trong mỗi bước lặp.

• Trước khi mạng ñược chấp nhật, cần có bước kiểm nghiệm (validate). Nghĩa là

mạng sẽ ñược chạy thửvới 1 sốdữliệu ñã biết. ðơn giản và tốt nhất là thử

nghiệm mạng với tập dữliệu mà không có trong dữliệu ñược huấn luyện và dữ

liệu này với dữliệu huấn luyện ñược tạo ra trong cùng các ñiều kiện tương tự

nhau. Việc huấn luyện mạng thường thất bại trong bước kiểm nghiệm, trong

trường hợp này, ta phải chọn mô hình tốt hơn. Tuy nhiên, ñôi khi ta chỉcần lặp lại

bước huấn luyện với giá trịtham sốkhởi tạo θkhác. Một khi mạng neural ñã

ñược kiểm nghiệm thành công, mạng có thể ñược ñưa vào sửdụng