การประชุมวิชาการระดับชาติมหาวิทยาลัยทักษิณ 2559 - page 257

256
อัลกอริทึมโครงข่ายประสาทเทียม
โครงข่ ายประสาทเทียมมี คุณลักษณะคล้ ายกับการส่ งผ่านสั ญญาณประสาทในสมองของมนุ ษย์กล่ าวคื อ มี
ความสามารถในการรวบรวมความรู้ โดยผ่านกระบวนการเรียนรู้ ความรู้เหล่ านี้จะจัดเก็บอยู่ในโครงข่ายในรูปแบบค่าน้ าหนัก
(Weight) ซึ่ งสามารถปรับเปลี่ยนค่าได้เมื่ อมีการเรียนรู้สิ่ งใหม่ ๆ เข้าไปค่าน้าหนั กทาหน้าที่ เปรียบเสมือนความรู้ ที่รวบรวมไว้เพื่อ
ใช้ในการแก้ปัญหาเฉพาะอย่ างของมนุษย์ การประมวลผลต่าง ๆ [6] โครงข่ายแบบหลายชั้ น เป็นโครงข่ายที่มีชั้นแอบแฝงตั้งแต่
1 ชั้ นขึ้นไป โครงข่ายแบบหลายชั้นจะใช้ในกรณีที่ปัญหามีความซับซ้อน ซึ่งโครงข่ายแบบชั้นเดี ยวไม่สามารถแก้ปัญหาได้ จึงเพิ่ม
จานวนโหนดที่มีการคานวณให้กับโครงข่าย [1] ลักษณะโครงสร้างโครงข่ ายแบบหลายชั้นแสดงดังภาพที่ 1 โดยข้อมูลเข้า x จะ
ถู กประมวลผลด้วยการปรับค่าน้าหนั ก (w) ผ่านโหนดในชั้นแอบแฝง (h) และสมการการรวมค่า (σ)ไปเรื่อย ๆ จนได้ผลลัพธ์ y
ภาพที่ 1 โครงข่ายประสาทเทียมแบบหลายชั้น
การวัดประสิทธิภาพของอัลกอริทึมการจาแนกประเภท
การวั ดประสิทธิภาพของอัลกอริทึ มการจาแนกประเภทนิยมใช้วิธีการสุ่ มเลือกแบ่งข้อมูลแบบความเที่ยงตรง K กลุ่ม
(K-Fold Cross Validation) ซึ่ งเป็นการแบ่งกลุ่มข้อมู ลทั้งหมดออกส่วนเท่า ๆ กัน แล้วมีการแบ่ งข้อมูลในแต่ละกลุ่มเป็นกลุ่ม
ย่ อย K กลุ่ม โดยในการทดลองครั้งแรกจะกาหนดให้ข้อมูลชุดที่ 1 เป็ นชุดข้อมูลทดสอบ และข้อมู ลที่เหลื อเป็นข้ อมูลสอน ใน
รอบถัดไปจะกาหนดข้อมู ลในชุดที่ 2 เป็นข้อมูลทดสอบและข้ อมูลที่เหลือเป็ นข้อมู ลสอน ทาไปจนกระทั่งข้อมูลทุกชุดได้ถูก
นามาเป็ นข้อมูลทดสอบและข้อมูลสอน ซึ่งจะเท่ากับจานวน K รอบ ซึ่งการวัดค่าแม่นยาเป็นไปดังสมการที่ (6) และค่าความ
ผิ ดพลาด (Mean Absolute Error- MAE) คานวณได้ดังสมการที่ (7)
(6)
โดย TP คือ ค่าที่ ทานายถูกต้องเชิงบวก, TN คือ ค่าที่ ทานายถูกต้องเชิงลบ
FP คือ ค่าที่ทานายผิ ดพลาดเชิงบวก, FN คือ ค่าที่ทานายผิ ดพลาดเชิงลบ
(7)
โดย ei คือ ผลต่างระหว่างค่ าข้อมูลจริงและค่าข้อมูลที่ ทานายได้, n คื อ จานวนข้อมูล