Scholar Hub/Chủ đề/#mạng nơron nhân tạo/
Mạng nơron nhân tạo là một hệ thống tính toán được lấy cảm hứng từ cách hoạt động của hệ thống nơron trong não người. Nó bao gồm một số lượng lớn các nơron nhân...
Mạng nơron nhân tạo là một hệ thống tính toán được lấy cảm hứng từ cách hoạt động của hệ thống nơron trong não người. Nó bao gồm một số lượng lớn các nơron nhân tạo được kết nối với nhau theo một cấu trúc thông qua các liên kết trọng số. Mạng nơron nhân tạo có khả năng tự học và tự điều chỉnh thông qua việc xử lý dữ liệu đầu vào và sản xuất dữ liệu đầu ra dựa trên thông tin đã học từ huấn luyện trước. Mạng nơron nhân tạo có thể được áp dụng trong nhiều lĩnh vực như nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên, dự đoán và điều khiển.
Mạng nơron nhân tạo được xây dựng dựa trên các nguyên tắc hoạt động của hệ thống nơron thần kinh trong não người. Nó gồm nhiều lớp nơron được kết nối với nhau thông qua các liên kết trọng số. Các liên kết trọng số này cho phép mạng nơron nhân tạo truyền tải và tích lũy thông tin qua các lớp nơron để tạo nên một quyết định hoặc đầu ra cuối cùng.
Một mạng nơron nhân tạo thường gồm ba phần chính: lớp đầu vào, lớp ẩn (hoặc nhiều lớp ẩn), và lớp đầu ra. Các lớp nơron trong mạng được tổ chức theo cấu trúc lưới, với mỗi nút trong lớp trước kết nối với tất cả các nút trong lớp tiếp theo. Đầu vào của mạng thường là các biến số, dữ liệu hoặc hình ảnh đầu vào và đầu ra của mạng là kết quả dự đoán, phân loại hoặc hành động.
Quá trình huấn luyện mạng nơron nhân tạo gồm hai giai đoạn chính: lan truyền tiến và lan truyền ngược. Trong giai đoạn lan truyền tiến, thông tin được truyền từ lớp đầu vào qua các lớp ẩn cho đến lớp đầu ra. Quá trình này dựa trên các liên kết trọng số và hàm kích hoạt để xử lý và tích lũy thông tin.
Trong giai đoạn lan truyền ngược, đánh giá sai sót giữa đầu ra thực tế và đầu ra dự đoán, sau đó điều chỉnh các liên kết trọng số để giảm sai số. Quá trình này được thực hiện thông qua thuật toán gradient descent và backpropagation. Backpropagation tính toán đạo hàm của hàm mất mát (loss function) theo các trọng số của mạng và cập nhật trọng số trong hướng giảm gradient để tối thiểu hóa sai số.
Mạng nơron nhân tạo có khả năng học từ dữ liệu và điều chỉnh các liên kết trọng số để đưa ra dự đoán chính xác hơn theo thời gian. Điều này cho phép nó được sử dụng trong rất nhiều ứng dụng như nhận dạng khuôn mặt, dịch máy, tự động lái xe, và nhiều lĩnh vực khác.
Ảnh hưởng của phân chia dữ liệu đến hiệu suất của các mô hình học máy trong dự đoán độ bền cắt của đất Dịch bởi AI Mathematical Problems in Engineering - Tập 2021 - Trang 1-15 - 2021
Mục tiêu chính của nghiên cứu này là đánh giá và so sánh hiệu suất của các thuật toán học máy (ML) khác nhau, cụ thể là Mạng Nơron Nhân Tạo (ANN), Máy Học Tăng Cường (ELM) và thuật toán Cây Tăng Cường (Boosted), khi xem xét ảnh hưởng của các tỷ lệ đào tạo đối với kiểm tra trong việc dự đoán độ bền cắt của đất, một trong những tính chất kỹ thuật địa chất quan trọng nhất trong thiết kế và xâ...... hiện toàn bộ #Học máy #độ bền cắt của đất #Mạng Nơron Nhân Tạo #Máy Học Tăng Cường #thuật toán Cây Tăng Cường #mô phỏng Monte Carlo #địa chất công trình #phân chia dữ liệu #chỉ số thống kê #kỹ thuật dân dụng
Các chiến lược tối ưu hóa quá trình ngẫu nhiên hỗ trợ bởi mạng nơron nhân tạo Dịch bởi AI AICHE Journal - Tập 47 Số 1 - Trang 126-141 - 2001
Tóm tắtBài viết này trình bày hai phương pháp tối ưu hóa quy trình hỗn hợp mạnh mẽ tích hợp mạng nơron nhân tạo (ANN) và hình thức tối ưu hóa ngẫu nhiên—các thuật toán di truyền (GA) và phương pháp xấp xỉ ngẫu nhiên đồng thời (SPSA). Một mô hình quy trình dựa trên ANN đã được phát triển hoàn toàn từ dữ liệu đầu vào–đầu ra của quy trình và sau đó không gian đầu vào ...... hiện toàn bộ #tối ưu hóa quy trình #mạng nơron nhân tạo #thuật toán di truyền #phương pháp xấp xỉ ngẫu nhiên #thiết kế dung sai tối ưu
Phát hiện thiệt hại cầu tự động, dựa trên biến dạng, chỉ sử dụng đầu ra Dịch bởi AI Journal of Civil Structural Health Monitoring - Tập 8 - Trang 833-846 - 2018
Bài báo này trình bày một khuôn khổ để phát hiện thiệt hại tự động bằng cách sử dụng một chuỗi liên tục dữ liệu giám sát sức khỏe kết cấu. Nghiên cứu đã sử dụng các biến dạng đo được từ một bộ cảm biến tối ưu được triển khai trên một cầu truss bằng thép, có hai đường ray. Sự suy giảm tại các mối nối giữa thép đỡ và xà sàn, một khuyết tật phổ biến, là trọng tâm của nghiên cứu này; tuy nhiên, phương...... hiện toàn bộ #hệ thống giám sát sức khỏe kết cấu #phát hiện thiệt hại #Mạng Nơron Nhân Tạo #Chế Độ Chính Quy #cầu truss #biến dạng
Ứng dụng mạng nơron nhân tạo để đánh giá mức độ ảnh hưởng của các nhân tố đến sự thỏa mãn công việcMạng nơron nhân tạo là thuật toán nhận dạng mẫu tiên tiến có khả năng trích rút ra các mối quan hệ phi tuyến phức tạp giữa các biến [10]. Bài báo trình bày một ứng dụng của mạng nơron nhân tạo, cụ thể là mạng nơron MLP nhằm đánh giá mức độ ảnh hưởng của các nhân tố đến sự thỏa mãn công việc. Một nghiên cứu tại công ty Cổ phần cao su Đà Nẵng được dẫn ra như là một minh họa cho phương pháp này. Quá ...... hiện toàn bộ #mạng nơron nhân tạo #thuật toán nhận dạng mẫu #mối quan hệ phi tuyến #mạng nơron MLP #sự thỏa mãn công việc
Ứng dụng của các mô hình dựa trên dữ liệu trong tính toán cơ học lượng tử Dịch bởi AI Proceedings of the Thirty-Fourth Southeastern Symposium on System Theory (Cat. No.02EX540) - - Trang 426-430
Việc tối thiểu hóa tổng năng lượng tiềm năng của một hệ thống các nguyên tử tương tác là một bài toán thách thức cổ điển trong vật lý. Tính toán năng lượng tiềm năng tổng hợp theo cơ học lượng tử tiêu chuẩn là một nhiệm vụ tốn thời gian. Bài báo này báo cáo kết quả sơ bộ của cuộc điều tra mới của chúng tôi về việc sử dụng các mô hình dựa trên dữ liệu như một phương tiện để xấp xỉ tổng năng lượng c...... hiện toàn bộ #Cơ học lượng tử #Xấp xỉ bình phương tối thiểu #Năng lượng tiềm năng #Mạng nơron nhân tạo #Phương pháp bình phương tối thiểu #Vật lý #Đa thức #Dữ liệu huấn luyện #Mặt trời #Toán học
Mô hình ANN lai $${Q}_{L}$$ được thiết kế để cải thiện Chất lượng Truyền tải của mạng thông tin quang Dịch bởi AI Springer Science and Business Media LLC - Tập 55 - Trang 1-19 - 2023
Các mạng truyền thông quang đại diện cho một lĩnh vực đang phát triển nhanh chóng trong công nghệ truyền thông với nhiều tối ưu hóa và tiến bộ nhằm nâng cao hiệu quả truyền thông giữa các hệ thống. Việc giới thiệu trí tuệ nhân tạo (AI) vào nhiều lĩnh vực đóng vai trò then chốt trong việc thúc đẩy truyền thông mạng quang (ONC), bao gồm các tầng vật lý, truyền dữ liệu, mạng lưới, ứng dụng và vận chu...... hiện toàn bộ #truyền thông quang #mạng nơron nhân tạo #tối ưu hóa #chất lượng truyền tải #trí tuệ nhân tạo
Mô Hình Tự Tương Quan 2D của Hoạt Động Ức Chế của Các Chất Ức Chế Kinase Phụ Thuộc Cyclin Có Nguồn Gốc Từ Cytokinin Dịch bởi AI Springer Science and Business Media LLC - Tập 68 - Trang 735-751 - 2006
Hoạt động ức chế đối với enzyme p34 cdc2/cyclin b kinase (CBK) của 30 hợp chất có nguồn gốc từ cytokinin đã được mô hình hóa thành công bằng cách sử dụng các vectơ tự tương quan không gian 2D. Các mô hình hồi quy tuyến tính và phi tuyến tính dự đoán đã được xác định thông qua phân tích hồi quy đa biến từng bước (MRA) và phương pháp mạng nơron nhân tạo (ANN) tương ứng. Một quy trình chọn biến đã ch...... hiện toàn bộ #ức chế kinase #cytokinin #hồi quy đa biến #mạng nơron nhân tạo #tự tương quan không gian #phân bố khối lượng #hoạt động ức chế
