Your SlideShare is downloading. ×
類神經網路
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

類神經網路

873
views

Published on

報告人:鍾聖彥

報告人:鍾聖彥

Published in: Technology

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
873
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. 組員: 陳業 98131422 鍾聖彥98131511 劉冠亨98130665 王偉儒98130401 何偉昌98131075 老師:許慶昇
  • 2. AGENDA 艾柏特‧愛因斯坦 甚麼是類神經網路 應用 利用WEKA實作類神經網路例子 結論 分工
  • 3. 艾柏特‧愛因斯坦的腦
  • 4. 關於愛因斯坦的腦最新的研究
  • 5. 甚麼是類神經網路???
  • 6. 類(人工)神經網路 (ARTIFICIAL NEURAL NETWORKS, ANN) 又名: 分散式處理器(parallel distributed processors) 適應系統(adaptive systems) 自我組織系統(self-organizing systems) 神經計算機(neurocomputers) 連接機構(connectionism) 神經網路(neural networks)
  • 7. 甚麼是類神經網路 跟神經有甚麼關係
  • 8. 以研究生物神經網路來說 人腦: • 巨量的平行運算與分散處理的能力 • 10的11次方約等於一千億個神經細胞 • 每個神經細胞又有四個突觸(synapses) 又與其他細胞連結。 • 構成巨大且複雜的神經網路 突觸:神經細胞與神經細胞的連接點,作用是讓訊息在神經細胞之間傳遞
  • 9. 以機器學習的角度來說: 類神經網路是指 利用電腦來”模仿”生物神經網路的處理系統。
  • 10. 定義 • 類神經網路是一種計算系統(軟體與硬體) • 利用大量簡單的相連人工神經元來模仿生物神經網路 • 人工神經元是生物神經元的簡單模擬 • 外界環境或者其它人工神經元取得資訊 • 透過簡單的運算 • 輸出其結果到外界環境或者其它人工神經元
  • 11. 簡單來說: 神經網路主要是由許多神經元(Artificial Neurons)或節點(Nodes)所組成, 神經元是生物神經元的簡單模擬,它從外界環境或其它神經元取得資訊 ,並以簡單的運算程序後輸出其結果到外界或其它神經元。
  • 12. Connections: Weights(連結權重)
  • 13. 在一個最簡單的神經網路架構中 外部環境或其他 神經元的資訊 結果 多個神經元 處理
  • 14. 輸入層 「層」是由多個節點所組成,使網路內節點的連結可以 簡化視為層與層之間的連結。 輸入層在網路架構中為接受資料並輸入訊息之一方,通 常以一層表示
  • 15. 隱藏層(HIDDEN LAYER): 介於輸入層與輸出層之間,使用非線性轉換函數, 其層內之節點數中無標準方法可以決定,通常需以試驗 方式來決定其最佳數目, 並提供神經網路處理單元間的交互作用與問題的內在架 構的能力。
  • 16. 類神經網路的特性 與人類相似,具有以下幾種特性: 1.平行處理 早期人工智慧平行處理的研究只集中在小程度 的平行,而最近已朝向超大型方向進行。 2.容錯(fault tolerance) 其在操作上具有很高之容忍度,整個神經網路 都會參與解決問題之運作。 3.結合式記憶(Associative Memory) 它可以記憶曾經訓練過的輸入樣式以及對應的 理想輸出值。
  • 17. 4.解決最佳化(Optimization)問題 可用於處理非演算法表示的問題,或是以演算 法處理很費時者。 5.超大型積體電路實作(VLSI Implementation) 神經網路的結構具有高度的互相連接 (interconnection),而且簡單,有規則性 (regularity),易以超大型積體電路(VLSI)來完 成。
  • 18. TYPES OF ANN(類神經網路的類型): (依學習型式) (1)Supervise Learning (監督式學習型):己知分類,並有一組輸入及期 望值可供訓練網路,例如: Perceptron, BPN, PNN, LVQ, CPN (2)Unsupervise Learning(非監督式學習型): 己知分群,不斷透過輸實 例來做修正學習, 例:SOM, ART (3)Associative memory Learning(關聯記憶學習型):直接訓練並記憶 所訓練過的所有對照資料 or 圖形,例: Hopfield (4)Optimization Application(最佳化應用型):找尋最佳解, 例: ANN, HTN
  • 19. RESEARCH APPLICATION AREA (類神經網路應用領域): Classification(分類) Clustering(分群) Prediction(預測) Memorizing(聯想) Learning(學習) Optimization(最適化) Control(控制) Recognition(辨識) Decision-making(決策)
  • 20. 實際應用
  • 21. MORE…… 信用評估 管制圖判讀 顧客篩選 銷售預測 製程監控 製程控制 石油探勘 汔車診斷 工廠排程 資源配置 股價預測 投資決策 稅務稽查 代款審核 債券分級 醫學診斷 氣象預測
  • 22. 利用WEKA實作類神經網路例子
  • 23. 使用工具-WEKA http://www.cs.waikato.ac.nz/ml/weka/downloading.html
  • 24. 分工 陳業 98131422 :收集資料 鍾聖彥98131511 :收集資料與統整+報告 劉冠亨98130665 :收集資料 王偉儒98130401 :收集資料 何偉昌98131075 :收集資料
  • 25. 結論
  • 26. 參考資料 http://www2.tech.purdue.edu/cit/Courses/CIT499d/Weka_lab_4.htm WEKA http://www.csie.nctu.edu.tw/~kensl/AIrpt.htm http://www.dls.ym.edu.tw/neuroscience/ein_c.html

×