ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

เครื่องมือเพื่อสร้างแบบจำลองโครงข่ายนิวรอนโดยใช้อัลกอริทึมแบคพรอพพาเกชั่น

หน่วยงาน ฐานข้อมูลวิทยานิพนธ์ไทย

รายละเอียด

ชื่อเรื่อง : เครื่องมือเพื่อสร้างแบบจำลองโครงข่ายนิวรอนโดยใช้อัลกอริทึมแบคพรอพพาเกชั่น
นักวิจัย : อังสนา ดวงแก้ว
คำค้น : BACKPROPAGATION , NEURAL NETWORK , SIMULATOR , RECURRENT , BP WITH BIAS , JORDAN , ELMAN , QPROP , RPROP , GRADIENT METHOD
หน่วยงาน : ฐานข้อมูลวิทยานิพนธ์ไทย
ผู้ร่วมงาน : -
ปีพิมพ์ : 2544
อ้างอิง : http://www.thaithesis.org/detail.php?id=45233
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

แบคพรอพพาเกชั่นนิวรอนเน็ตเวอร์ก (BPN) เป็นเครื่องมือที่นิยมใช้กันอย่างแพร่หลาย เพื่อแก้ปัญหาที่ต้องการในหลายๆ ด้าน เช่น ปัญหาที่เกี่ยวกับการจำแนกวัตถุ สิ่งของต่างๆ และปัญหาการพยากรณ์ หรือทำนายค่าสิ่งที่ต้องการทราบ โดยที่โครงสร้างของนิวรอนนี้จะเป็น แบบมัลติเลเยอร์และเป็นฟีดฟอเวิร์ด เราสามารถใช้ BPN ในการแก้ปัญหาได้กว้างขวาง เนื่องจากในการฝึกสอน (Training) จะทำการปรับลดค่าความผิดพลาดที่เกิดขึ้นของเน็ตเวอร์ก โดยวิธี Gradient Descent Method จนกระทั่งค่าความผิดพลาดอยู่ในระดับที่น้อยจนพอ สามารถยอมรับได้ เน็ตเวอร์กที่ผ่านการฝึกสอนอย่างดีแล้วนี้จึงจะสามารถนำไปใช้ในการแก้ ปัญหาในขั้นทดสอบ (Testing) ต่อไป สำหรับบุคคลทั่วไป BPN เป็นเรื่องที่เข้าใจได้ไม่ง่ายนัก นอกเสียจากผู้ที่เคยมี ประสบการณ์ในการสร้าง BPN ด้วยตัวเอง ดังนั้นสารนิพนธ์นี้มีความมุ่งหมายชัดเจนที่จะ ออกแบบและพัฒนาเครื่องมือที่เรียกว่า "~iBackpropagation Neural Network Simulator~i" หรือ "~iBPN-Simulator~i" ซึ่งออกแบบโดยให้ง่าย เพื่อให้ผู้ใช้เข้าใจถึงหลักการทำงาน ของ BPN ได้ จึงเป็นเครื่องช่วยสอนอย่างดีสำหรับผู้ต้องการศึกษาในงานวิจัยนี้ จึงได้ศึกษา รวบรวมความรู้เกี่ยวกับองค์ประกอบพื้นฐานและหลักการทำงานเบื้องต้น พร้อมทั้งรวบรวมเทคนิค การพัฒนา BPN ที่มีผู้ค้นคว้ามาไว้มากมายซึ่งในเครื่องมือนี้จะประกอบด้วยอัลกอริทึมของ Standard Backpropagation (BP), BP with Bias, ELMAN, JORDAN, QPROP และ RPROP ตัวโปรแกรมต้นแบบใช้กับระบบปฏิบัติการวินโดวส์ สามารถให้ผู้ใช้เลือกกำหนดค่าใน การสร้างเน็ตเวอร์กที่ต้องการฝึกสอนได้ซึ่งปกติจะใช้เพียงหนึ่งหรือสองฮิตเด้นเลเยอร์ เท่านั้น จำนวนรอบสูงสุดที่ใช้ในการฝึกสอนสูงสุดไม่เกิน 50,000 รอบ และสามารถเลือก กำหนดเงื่อนไขในการฝึกสอนได้จากจำนวนรอบสูงสุดหรือค่าระดับความผิดพลาดต่ำสุดที่ยอมรับได้ และสามารถเลือกใช้อัลกอริทึมได้ถึงหกอัลกอริทึมสำหรับทุกๆ ปัญหา พร้อมทั้งสามารถที่จะ กำหนดค่าพารามิเตอร์ที่สอดคล้องกับอัลกอริทึมที่ต้องการตลอดจนเลือกฟังก์ชั่นในการปรับ ค่าน้ำหนักโดยการใช้ค่า Learning rate และการเพิ่มค่า Momentum หรือ Secondary momentum สำหรับทุกอัลกอริทึมยกเว้น QPROP และ RPROP ซึ่งจะมีฟังก์ชั่นที่แตกต่างออกไป เพื่อทดสอบการทำงานของโปรแกรมต้นแบบได้ยกตัวอย่างปัญหาไว้สองลักษณะคือปัญหาการรู้จำแนก และการทำนายค่าของข้อมูลแบบอนุกรมเวลา ผลลัพธ์ที่ได้จากการฝึกสอนเน็ตเวอร์กจะถูกเก็บ ไว้ในรูปของน้ำหนักระหว่างโหนดต่างๆ ดังนั้นผู้ใช้จะเข้าใจการทำงานของนิวรอนเน็ตเวอร์ก ตามที่เกิดจริง นอกจากนั้นผู้ใช้จะปรับโครงสร้างของเน็ตเวอร์กและเปลี่ยนค่าพารามิเตอร์ ได้ตามต้องการด้วยตัวเองในแต่ละการทดลอง ซึ่งจะช่วยให้เห็นผลการเปลี่ยนแปลงของค่าน้ำหนัก และการลดลงค่าความผิดพลาดได้ ถึงแม้ว่า BPN-Simulator จะถูกออกแบบและพัฒนาเพื่อประโยชน์ในด้านการเรียนการสอน เป็นหลัก แต่สมควรที่จะพัฒนาโปรแกรมต้นแบบนี้ไปใช้ในการแก้ปัญหาต่างๆ โดยทั่วไปได้เป็น อย่างดี อย่างไรก็ตามจำเป็นจะต้องมีการศึกษาวิจัยมากขึ้นเพื่อการพัฒนาขีดความสามารถใน ด้านความรวดเร็วและความแม่นยำมากขึ้นต่อไป

บรรณานุกรม :
อังสนา ดวงแก้ว . (2544). เครื่องมือเพื่อสร้างแบบจำลองโครงข่ายนิวรอนโดยใช้อัลกอริทึมแบคพรอพพาเกชั่น.
    กรุงเทพมหานคร : ฐานข้อมูลวิทยานิพนธ์ไทย.
อังสนา ดวงแก้ว . 2544. "เครื่องมือเพื่อสร้างแบบจำลองโครงข่ายนิวรอนโดยใช้อัลกอริทึมแบคพรอพพาเกชั่น".
    กรุงเทพมหานคร : ฐานข้อมูลวิทยานิพนธ์ไทย.
อังสนา ดวงแก้ว . "เครื่องมือเพื่อสร้างแบบจำลองโครงข่ายนิวรอนโดยใช้อัลกอริทึมแบคพรอพพาเกชั่น."
    กรุงเทพมหานคร : ฐานข้อมูลวิทยานิพนธ์ไทย, 2544. Print.
อังสนา ดวงแก้ว . เครื่องมือเพื่อสร้างแบบจำลองโครงข่ายนิวรอนโดยใช้อัลกอริทึมแบคพรอพพาเกชั่น. กรุงเทพมหานคร : ฐานข้อมูลวิทยานิพนธ์ไทย; 2544.