โครงข่ายประสาทเทียม

Artificial Neural Networks

บทคัดย่อ:

โครงข่ายประสาทเทียม (Neural network) เป็นศาสตร์แขนงหนึ่งทางด้านปัญญาประดิษฐ์ (Artificial Intelligence : AI) ที่สามารถนำไปประยุกต์ใช้กับงานหลายด้านได้อย่างมีประสิทธิภาพ เช่น การจำแนกรูปแบบ การทำนาย การควบคุม การหาความเหมาะสม และการจัดกลุ่ม เป็นต้น หลักการสำคัญของโครงข่ายประสาทเทียม คือ ความพยายามที่จะลอกเลียนแบบการทำงานของเซลล์ประสาทในสมองมนุษย์เพื่อทำงานได้อย่างมีประสิทธิภาพ ลักษณะทั่วไปของโครงข่ายประสาทเทียม คือ การที่โหนด (node) ต่าง ๆ จำลองมาจากไซแนป (synapse) ของเซลลประสาทระหว่าง เดนไดรท์ (dendrite) และแอกซอน (axon) โดยมีฟังก์ชันเป็นตัวกำหนดสัญญาณส่งออก (activation function or transfer function) นั่นเอง ลักษณะของโครงขาายประสาทเทียมสามารถแบ่งได้ 2 แบบ คือ 1) โครงข่ายประสาทเทียมแบบ ชั้นเดียว (single layer) ซึ่งจะมีเพียงชั้นสัญญาณประสาทขาเข้า และชั้นสัญญาณประสาทขาออก เท่านั้น เช่น โครงข่ายเพอเซบตรอนอย่างง่าย (simple perceptron) และโครงข่ายโฮปฟิลด์ (hopfield networks) เป็นต้น และ 2) โครงข่ายประสาทเทียมแบบหลายชั้น (multi layer) ซึ่งมีลักษณะเช่นเดียวกับโครงข่ายประสาทเทียมแบบชั้นเดียว แต่จะมีชั้นแอบแฝง (hidden) เพิ่มขึ้น โดยอยู่ส่วนกลางระหว่างชั้นนำข้อมูลป้อนเข้าและชั้นส่งขอมูลออก ทั้งนี้ชั้นแอบแฝงอาจมีมากกว่า 1 ชั้น อย่างไรก็ตาม การแบ่ง โครงข่ายประสาทเทียมตามประเภทการเรียนรู้ของโครงข่าย สามารถแบ่งได้ 2 ประเภท คือ การเรียนรู้แบบมีผู้สอน (supervised learning) และการเรียนรู้แบบไมมีผู้สอน (unsupervised learning) โดยในปัจจุบันการพัฒนาโครงข่ายประสาทเทียมยังคงมีการดำเนินการอย่างต่อเนื่องและคาดว่าจะมีบทบาทอย่างมากในด้านการจำแนกรูปแบบ การพยากรณ์ การควบคุม การหาความเหมาะสมและการจัดกลุ่ม

Artificial Neural Network is the science of Artificial Intelligence (AI) that being applied in various fields effectively, for example, pattern recognition, prediction, control, optimization and clustering. The concept is that it simulates the working of the human brain neurons. Generally, it can be seen from the Nodes of Neural Network which are simulated from synapse. Also, the signal transmission of nodes is simulated from dendrite and axon. Finally, activation, function or transfer functions are simulated from the human neuron. Artificial Neural Network architecture is divided into 2 types : a Single Neural Network Layer and a Multi Neural Network Layer. The Single Layer has only an input and an output level, for example, Simple Perceptron and Hopfield Networks. However, the Multi Neural Network layer has one or more than one hidden levels which are in the middle of the input and output level. Additionally, the Neural Network Learning can be divided into 2 types : supervised learning and unsupervised learning. Nowadays, the Neural Network science is very important and being developed and applied in various fields effectively and efficiently.

ธนาวุฒิ ประกอบผล. (2552). โครงข่ายประสาทเทียม. วารสาร มฉก.วิชาการ 12 (24), 73-87.

อ่านบทความฉบับเต็ม