| ชื่อเรื่อง | : | การประยุกต์นิวรอลเน็ตเวิร์กหลายโครงข่ายบนข้อมูลขนาดใหญ่ |
| นักวิจัย | : | กฤศณัฏฐ์ บุญเกียรติพงษ์ |
| คำค้น | : | นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์) , แบคพรอพาเกชัน (ปัญญาประดิษฐ์) , อัลกอริทึมแบบยูคลิด , การเรียนรู้ของเครื่อง , Neural networks (Computer sciences) , Back propagation (Artificial intelligence) , Euclidean algorithm , Machine learning |
| หน่วยงาน | : | จุฬาลงกรณ์มหาวิทยาลัย |
| ผู้ร่วมงาน | : | สุกรี สินธุภิญโญ , จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| ปีพิมพ์ | : | 2554 |
| อ้างอิง | : | http://cuir.car.chula.ac.th/handle/123456789/23332 |
| ที่มา | : | - |
| ความเชี่ยวชาญ | : | - |
| ความสัมพันธ์ | : | - |
| ขอบเขตของเนื้อหา | : | - |
| บทคัดย่อ/คำอธิบาย | : | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554 การเรียนรู้และวิเคราะห์ข้อมูลขนาดใหญ่ด้วยนิวรอลเน็ตเวิร์ก เป็นเรื่องที่สำคัญมากในการทำเหมืองข้อมูล แต่ก็มักจะเกิดปัญหาในด้านเวลาที่ใช้ในการเรียนรู้ ในงานวิจัยนี้ได้เสนอวิธีการเรียนรู้โดยการใช้นิวรอลเน็ตเวิร์กหลายโครงข่าย ทำการเรียนรู้บนชุดข้อมูลตัวอย่าง ที่ถูกแบ่งย่อยและสุ่มเลือกมาจากชุดตัวอย่างทั้งหมด จากนั้นจึงทำการรวมโหนดในชั้นแฝงจากเน็ตเวิร์กแต่ละอัน เพื่อหาค่าน้ำหนักประจำโหนดในชั้นแฝงใหม่ที่เหมาะสมสำหรับข้อมูลทั้งชุด ผู้วิจัยได้ทำการพัฒนาอัลกอริทึมการรวมโหนด โดยประยุกต์จากการหาระยะยุคลิดเพื่อระบุความใกล้เคียงกันของโหนด เพื่อที่จะรวมค่าน้ำหนักของโหนดที่ใกล้เคียงเข้าไว้ด้วยกัน ผลการทดลองพบว่า วิธีการที่นำเสนอสามารถลดเวลาในการเรียนรู้ลงได้อย่างมาก และยังคงรักษาเปอร์เซ็นต์ความถูกต้องได้เหมือนกับการใช้เซตตัวอย่างทั้งหมด |
| บรรณานุกรม | : |
กฤศณัฏฐ์ บุญเกียรติพงษ์ . (2554). การประยุกต์นิวรอลเน็ตเวิร์กหลายโครงข่ายบนข้อมูลขนาดใหญ่.
กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย. กฤศณัฏฐ์ บุญเกียรติพงษ์ . 2554. "การประยุกต์นิวรอลเน็ตเวิร์กหลายโครงข่ายบนข้อมูลขนาดใหญ่".
กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย. กฤศณัฏฐ์ บุญเกียรติพงษ์ . "การประยุกต์นิวรอลเน็ตเวิร์กหลายโครงข่ายบนข้อมูลขนาดใหญ่."
กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย, 2554. Print. กฤศณัฏฐ์ บุญเกียรติพงษ์ . การประยุกต์นิวรอลเน็ตเวิร์กหลายโครงข่ายบนข้อมูลขนาดใหญ่. กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย; 2554.
|
