Neurex

Ivo Vondrak Apps

ກ່ຽວກັບແອັບນີ້

Neurex ແມ່ນລະບົບຜູ້ຊ່ຽວຊານໂດຍອີງໃສ່ເຄືອຂ່າຍ neural ຫຼາຍຊັ້ນ. ຍຸກຂອງເຄືອຂ່າຍ neural ແລະການເຊື່ອມຕໍ່ສະເຫນີທັດສະນະໃຫມ່ກ່ຽວກັບການໄດ້ຮັບຄວາມຮູ້ທີ່ເຊື່ອຖືໄດ້ສໍາລັບການສະຫນັບສະຫນູນການຕັດສິນໃຈແລະຄໍາຮ້ອງສະຫມັກທີ່ເປັນມິດກັບຜູ້ໃຊ້ຂອງມັນ. ລະບົບຜູ້ຊ່ຽວຊານແບບດັ້ງເດີມ, ທີ່ອີງໃສ່ກົດລະບຽບແລະ / ຫຼືກອບ, ມັກຈະປະເຊີນກັບສິ່ງທ້າທາຍໃນການສ້າງພື້ນຖານຄວາມຮູ້ທີ່ເຊື່ອຖືໄດ້. ເຄືອຂ່າຍ neural ສາມາດເອົາຊະນະຄວາມຫຍຸ້ງຍາກເຫຼົ່ານີ້. ມັນເປັນໄປໄດ້ທີ່ຈະສ້າງພື້ນຖານຄວາມຮູ້ໂດຍບໍ່ມີຜູ້ຊ່ຽວຊານ, ພຽງແຕ່ນໍາໃຊ້ການເກັບກໍາຂໍ້ມູນທີ່ອະທິບາຍພື້ນທີ່ແກ້ໄຂ, ຫຼືກັບຜູ້ຊ່ຽວຊານທີ່ມີຄວາມຮູ້ສາມາດກວດສອບໄດ້ໃນລະຫວ່າງການຮຽນຮູ້. ຂັ້ນຕອນການນໍາໃຊ້ລະບົບຜູ້ຊ່ຽວຊານສາມາດອະທິບາຍໄດ້ດັ່ງນີ້:

1. ນິຍາມຂອງ Neural Network Topology: ຂັ້ນຕອນນີ້ກ່ຽວຂ້ອງກັບການກໍານົດຈໍານວນຂອງຂໍ້ເທັດຈິງ input ແລະ output, ເຊັ່ນດຽວກັນກັບການກໍານົດຈໍານວນຂອງຊັ້ນເຊື່ອງໄວ້.
2. ສູດຂອງ Input ແລະ Output Facts (Attributes): ຄວາມຈິງແຕ່ລະອັນແມ່ນເຊື່ອມຕໍ່ກັບ neuron ໃນຊັ້ນ input ຫຼື output. ໄລຍະຂອງຄ່າສໍາລັບແຕ່ລະຄຸນລັກສະນະຍັງຖືກກໍານົດ.
3. ຄໍານິຍາມຂອງຊຸດການຝຶກອົບຮົມ: ຮູບແບບຖືກໃສ່ໂດຍໃຊ້ຄ່າຄວາມຈິງ (e.g., 0-100%) ຫຼືຄ່າຈາກຂອບເຂດທີ່ກໍານົດໄວ້ໃນຂັ້ນຕອນທີ່ຜ່ານມາ.
4. ໄລຍະການຮຽນຮູ້ຂອງເຄືອຂ່າຍ: ນ້ໍາຫນັກຂອງການເຊື່ອມຕໍ່ (synapses) ລະຫວ່າງ neurons, ເປີ້ນພູຂອງຫນ້າທີ່ sigmoid, ແລະ thresholds ຂອງ neurons ໄດ້ຖືກຄິດໄລ່ໂດຍໃຊ້ວິທີການ Back Propagation (BP). ຕົວເລືອກຕ່າງໆແມ່ນມີໃຫ້ເພື່ອກໍານົດພາລາມິເຕີສໍາລັບຂະບວນການນີ້, ເຊັ່ນ: ອັດຕາການຮຽນຮູ້ແລະຈໍານວນຮອບວຽນການຮຽນຮູ້. ຄຸນຄ່າເຫຼົ່ານີ້ປະກອບເປັນຄວາມຊົງຈໍາຂອງລະບົບຜູ້ຊ່ຽວຊານຫຼືພື້ນຖານຄວາມຮູ້. ຜົນໄດ້ຮັບຂອງຂະບວນການຮຽນຮູ້ແມ່ນສະແດງໂດຍໃຊ້ຄວາມຜິດພາດສອງເທົ່າສະເລ່ຍ, ແລະດັດສະນີຂອງຮູບແບບທີ່ຮ້າຍແຮງທີ່ສຸດແລະຄວາມຜິດພາດຂອງອັດຕາສ່ວນຂອງມັນຍັງສະແດງໃຫ້ເຫັນ.
5. ການປຶກສາຫາລື/ການປະເມີນກັບລະບົບ: ໃນໄລຍະນີ້, ຄຸນຄ່າຂອງຂໍ້ເທັດຈິງທີ່ປ້ອນເຂົ້າໄດ້ຖືກກຳນົດ, ຫລັງຈາກນັ້ນມູນຄ່າຂອງຂໍ້ເທັດຈິງຜົນໄດ້ຮັບຈະຖືກຫັກອອກທັນທີ.