MỤC LỤC 1

CHƯƠNG 1: TỔNG QUAN MẠNG NƠRON NHÂN TẠO 2

1. Giới thiệu chung 2

2. Ý tưởng sinh học 2

3. Mô hình nơron nhân tạo cơ bản 4

4. Sử dụng mạng nơron nhân tạo 6

5. Thu thập dữ liệu cho mạng nơron nhân tạo 7

6. Perceptron nhiều lớp 8

6.1. Huấn luyện Perceptron nhiều lớp 9

6.2. Thuật toán backpropagation. 9

6.3. Học quá mức và tổng quát hóa 10

6.4. Chọn lựa dữ liệu 12

CHƯƠNG 2: MÔ HÌNH MẠNG NƠRON NHÂN TẠO 13

1. Mô hình nơron và cấu trúc mạng 13

1.1. Mô hình nơron 13

1.2. Cấu trúc mạng 15

2. Cấu trúc dữ liệu 16

3. Kiểu huấn luyện 17

4. Kết luận 17

CHƯƠNG 3: BACKPROPAGATION 18

1. Tổng quát 18

1.1. Cấu trúc 18

1.2. Huấn luyện mạng 21

2. Huấn luyện nhanh 23

2.1. Giải thuật tốc độ học thay đổi (TRAINDA,TRAINDX) 24

2.2. Giải thuật phục hồi mạng backpropagation (TRAINRP) 24

2.3. Giải thuật conjugate_ gradient 25

2.4. Các thuật toán quasi – newton 27

2.5. Giải thuật Levenberg_Marquardt giảm bộ nhớ (TRAINLM) 28

3. So sánh bộ nhớ và tốc độ 28

4. Cải thiện tính tổng quát hoá 29

4.1. Regularization 30

4.2. Early Stopping 31

5. Kết luận 32

CHƯƠNG 4: GIỚI THIỆU VỀ JOONE 34

1. Giới thiệu chung 34

2. Cấu trúc bên trong của JOONE 35

2.1. Khái niệm cơ bản 35

2.2. Quy tắc truyền tín hiệu 35

2.3. Các loại lớp nơron của JOONE 37

2.4. Các loại dây thần kinh 38

2.5. Monitor : điểm điều khiển trung tâm của mạng nơron 40

3. Tiến trình xử lý trong mạng nơron 40

4. Biểu đồ lớp của JOONE 42

PHỤ LỤC TÀI LIỆU THAM KHẢO 4