วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2549

เป็นที่ยอมรับโดยทั่วไปว่าข่ายงานประสาทเทียมเป็นเครื่องมือจำแนกประเภทข้อมูลที่มีความถูกต้อง ยอดเยี่ยมมาก และสามารถนำไปประยุกต์ใช้ได้ดีในสาขาวิชาต่างๆ แต่ในกรณีที่ใช้ข้อมูลฝึกในปริมาณ มากเกินไป พบว่าโปรแกรมฝึกข่ายงานประสาทบางตัวไม่สามารถเรียนรู้ข้อมูลได้ เนื่องจากโปรแกรม เกิดการล้มเหลวขึ้นเสียก่อน และถึงแม้ว่าจะเรียนรู้ข้อมูลได้สำเร็จ ก็ยังต้องใช้เวลาเรียนรู้ข้อมูลนานมาก วิทยานิพนธ์ฉบับนี้เสนอวิธีการลดข้อมูลแบบสุ่มตามความหนาแน่น โดยใช้แนวคิดการลดข้อมูลที่ซ้ำซ้อน และวิธีการลดข้อมูลแบบระเบิดลูกโซ่ที่เจาะจงเลือกเก็บเฉพาะข้อมูลตามขอบของข้อมูลแต่ละประเภท ซึ่งผลดีที่ได้จากการลดข้อมูลนี้ ไม่เพียงแต่จะช่วยลดโอกาสที่โปรแกรมจะเกิดการล้มเหลวในขั้นตอน การฝึกเท่านั้น แต่ยังช่วยลดเวลาในการฝึกให้น้อยลงอีกด้วย นอกจากนี้ผู้วิจัยยังได้นำอัลกอริทึมสำหรับ ลดจำนวนคุณสมบัติข้อมูลที่มีชื่อว่าอัลกอริทึม ReliefF มาช่วยในการลดข้อมูล ทำให้การลดข้อมูลแบบ ระเบิดลูกโซ่สามารถลดข้อมูลได้มากขึ้น ผลการทดลองแสดงให้เห็นว่าข้อมูลที่ลดด้วยวิธีที่เสนอนี้ ให้ความถูกต้องในการจำแนกประเภทโดยเฉลี่ยดีกว่าการลดด้วยวิธีการสุ่มแบบทั่วไป