โครงข่ายประสาทเทียม
วันที่เขียน 2/9/2561 1:36:37     แก้ไขล่าสุดเมื่อ 2/4/2568 18:02:04
เปิดอ่าน: 6858 ครั้ง

โครงข่ายประสาทเทียม (Neural network) เป็นแขนงหนึ่งของปัญญาประดิษฐ์ (Artificial Intelligence, AI) ที่มีโครงสร้างการทำงานคล้ายคลึงกับการทำงานของเซลล์สมอง หรือระบบประสาทของมนุษย์ โดยในทศวรรษที่ผ่านมาโครงข่ายประสาทเทียมมีหลากหลายชนิด เช่น recurrent neural networks, Hopfield neural networks cellular neural networks, Cohen-Grossberg neural networks, bidirectional memory associative (BAM) neural networks ซึ่งพบว่าสามารถแก้ปัญหาที่มีความซับซ้อน หรือใช้ในการทำนายหรือพยากรณ์พฤติกรรมที่มีลักษณะไม่เป็นเชิงเส้น (Nonlinear) ได้ดี และในปัจจุบันนิยมนำโครงข่ายประสาทเทียมมาประยุกต์ใช้แก้ปัญหางานจริงได้อย่างหลากหลายด้าน เช่น การเงินการธนาคาร, อวกาศ, ระบบป้องกันประเทศ, ระบบรักษาความปลอดภัย, การแพทย์, ระบบสื่อสาร, ระบบขนส่ง, การบันเทิง, ทางด้านวิศวกรรม รวมทั้งงานทางด้านการเกษตรซึ่งพบบ่อยมากขึ้น โดยนำโครงข่ายประสาทเทียมมาใช้ด้านเพื่อการจัดหมวดหมู่และแยกแยะวัสดุทางการเกษตร (Classification) การพยากรณ์ผลลัพธ์ของผลผลิต (Forecasting) การประมาณค่าความสัมพันธ์ระหว่างตัวแปรต้นและตัวแปรตาม (Estimating) การควบคุมสภาวะที่มีการเปลี่ยนแปลง (Control) การจดจำรูปแบบ (Recognition) การจัดกลุ่ม (Clustering) เป็นต้น ซึ่งในส่วนของประยุกต์ใช้แก้ปัญหางานดังกล่าวข้างต้นนั้นมักขึ้นกับสมบัติเชิงคุณภาพ (Qualitative property) ของจุดสมดุล (Equilibrium point) ของแต่ละชนิดของโครงข่ายประสาทเทียม คุณสมบัติที่สำคัญโครงข่ายประสาทเทียม คือความสามารถในการเรียนรู้จากตัวอย่าง โดยการพยายามคำนวณหาความสัมพันธ์ระหว่างปัจจัยนำเข้า (input)และ ผลลัพธ์(output) การเรียนรู้จะเร่ิมจากสุ่มค่าน้ำหนัก (Weight) และค่าเบี่ยงเบนเร่ิมต้น (Bias) ค่าผลลัพธ์ที่ได้จากค่าเริ่มต้นจะถูกนำมาเปรียบเทียบกับผลลัพธ์จริง ค่าที่แตกต่างจะถูกนำมาปรับค่านำ้หนักและค่าเบี่ยงเบนโดยวิธีลองผิดลองถูก จนได้ผลลัพธ์ที่ใกล้เคียงหรือตรงกับผลลัพธ์จริง ค่าน้ำหนักและค่าเบี่ยงเบนสุดท้ายจะถูกนำมาใช้ในการพยากรณ์ผลลัพธ์ที่เกิดจากข้อมูล (input) ใหม่

โครงข่ายประสาทเทียม (Neural network) เป็นแขนงหนึ่งของปัญญาประดิษฐ์ (Artificial Intelligence, AI) ที่มีโครงสร้างการทำงานคล้ายคลึงกับการทำงานของเซลล์สมอง หรือระบบประสาทของมนุษย์ โดยในทศวรรษที่ผ่านมาโครงข่ายประสาทเทียมมีหลากหลายชนิด เช่น recurrent neural networks, Hopfield neural networks cellular neural networks, Cohen-Grossberg neural networks, bidirectional memory associative (BAM) neural networks ซึ่งพบว่าสามารถแก้ปัญหาที่มีความซับซ้อน หรือใช้ในการทำนายหรือพยากรณ์พฤติกรรมที่มีลักษณะไม่เป็นเชิงเส้น (Nonlinear) ได้ดี และในปัจจุบันนิยมนำโครงข่ายประสาทเทียมมาประยุกต์ใช้แก้ปัญหางานจริงได้อย่างหลากหลายด้าน เช่น การเงินการธนาคาร, อวกาศ, ระบบป้องกันประเทศ, ระบบรักษาความปลอดภัย, การแพทย์, ระบบสื่อสาร, ระบบขนส่ง, การบันเทิง, ทางด้านวิศวกรรม รวมทั้งงานทางด้านการเกษตรซึ่งพบบ่อยมากขึ้น โดยนำโครงข่ายประสาทเทียมมาใช้ด้านเพื่อการจัดหมวดหมู่และแยกแยะวัสดุทางการเกษตร (Classification) การพยากรณ์ผลลัพธ์ของผลผลิต (Forecasting) การประมาณค่าความสัมพันธ์ระหว่างตัวแปรต้นและตัวแปรตาม (Estimating) การควบคุมสภาวะที่มีการเปลี่ยนแปลง (Control) การจดจำรูปแบบ (Recognition) การจัดกลุ่ม (Clustering) เป็นต้น ซึ่งในส่วนของประยุกต์ใช้แก้ปัญหางานดังกล่าวข้างต้นนั้นมักขึ้นกับสมบัติเชิงคุณภาพ (Qualitative property) ของจุดสมดุล (Equilibrium point) ของแต่ละชนิดของโครงข่ายประสาทเทียม คุณสมบัติที่สำคัญโครงข่ายประสาทเทียม คือความสามารถในการเรียนรู้จากตัวอย่าง โดยการพยายามคำนวณหาความสัมพันธ์ระหว่างปัจจัยนำเข้า (input)และ ผลลัพธ์(output) การเรียนรู้จะเร่ิมจากสุ่มค่าน้ำหนัก (Weight) และค่าเบี่ยงเบนเร่ิมต้น (Bias) ค่าผลลัพธ์ที่ได้จากค่าเริ่มต้นจะถูกนำมาเปรียบเทียบกับผลลัพธ์จริง ค่าที่แตกต่างจะถูกนำมาปรับค่านำ้หนักและค่าเบี่ยงเบนโดยวิธีลองผิดลองถูก จนได้ผลลัพธ์ที่ใกล้เคียงหรือตรงกับผลลัพธ์จริง ค่าน้ำหนักและค่าเบี่ยงเบนสุดท้ายจะถูกนำมาใช้ในการพยากรณ์ผลลัพธ์ที่เกิดจากข้อมูล (input) ใหม่  จากการเข้าร่วมเกิดประโยชน์ต่อตนเองในด้านการพัฒนาทางวิชาการด้านการเรียนการสอนและการวิจัย  โดยการนำความรู้จากการวิจัยและข้อมูลใหม่ๆที่ได้จากการประชุม พบปะผู้เชี่ยวชาญและการแลกเปลี่ยนทางวิชาการและเทคโนโลยีใหม่ในทางคณิตศาสตร์มาใช้ในการทำวิจัยและการถ่ายทอดให้นักศึกษา เพื่อให้มองเห็นการนำคณิตศาสตร์ไปประยุกต์ใช้ในสาขาอื่นๆที่เกี่ยวข้อง

คำสำคัญ :
กลุ่มบทความ :
หมวดหมู่ :
แชร์ :
https://erp.mju.ac.th/acticleDetail.aspx?qid=841
ความคิดเห็นทั้งหมด (0)
ไม่มีข้อมูลตามเงื่อนไขที่ท่านกำหนด
รายการบทความการแลกเปลี่ยนเรียนรู้หมวดหมู่ : กลุ่มงานสายวิชาการ
การหาเสถียรภาพ (Stability) ของสมการเชิงอนุพันธ์ » การหาเสถียรภาพ (Stability) ของสมการเชิงอนุพันธ์
การหาเสถียรภาพ (Stability) ของสมการเชิงอนุพันธ์เป็นกระบวนการที่ใช้ตรวจสอบว่าคำตอบของสมการเชิงอนุพันธ์มีแนวโน้มที่จะคงที่หรือเปลี่ยนแปลงไปเมื่อเวลาผ่านไป โดยทั่วไป การพิจารณาเสถียรภาพขึ้นอยู่กับพฤต...
การหาเสถียรภาพ  สมการเชิงอนุพันธ์     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน ธวัชชัย เพชรธาราทิพย์  วันที่เขียน 7/3/2568 14:18:42  แก้ไขล่าสุดเมื่อ 2/4/2568 15:16:17   เปิดอ่าน 83  ครั้ง | แสดงความคิดเห็น 0  ครั้ง
การจัดการองค์ความรู้ที่ได้จากการเข้าร่วมประชุม อบรม สัมมนา » จริยธรรมการวิจัยในมนุษย์ด้านสังคมและพฤติกรรมศาสตร์ รุ่นที่ ๕ : จากหลักการสู่การปฏิบัติ
จริยธรรมการวิจัยในมนุษย์ด้านสังคมและพฤติกรรมศาสตร์ ในทางปฏิบัติมีความจำเป็นจะต้องพิจารณาก่อนที่จะดำเนินการวิจัย โดยยึดหลักตามหลักการของ Belmont Report and Basic Ethical (1978) ประกอบด้วย 3 หลักกา...
จริยธรรมวิจัย  พฤติกรรมศาสตร์  วิจัยในมนุษย์  สังคมศาสตร์     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน ศิรศักดิ์ ศศิวรรณพงศ์  วันที่เขียน 26/2/2568 16:09:31  แก้ไขล่าสุดเมื่อ 2/4/2568 15:26:36   เปิดอ่าน 121  ครั้ง | แสดงความคิดเห็น 0  ครั้ง
การใช้ AI ในการพัฒนางานวิจัย » ขอรายงานสรุปเนื้อหาและการนำไปใช้ประโยชน์
ตามที่ข้าพเจ้าได้รับอนุญาตให้เข้าร่วมอบรมเชิงปฏิบัติการ หัวข้อ “การใช้ AI ในการพัฒนางานวิจัย” ภายใต้ โครงการการใช้เทคโนโลยีสมัยใหม่เพื่อขับเคลื่อนงานวิจัยและนวัตกรรมสู่การนำไปใช้ประโยชน์ในวันพุธที่...
AI  งานวิจัย     กลุ่มงานตามสมรรถนะบุคลากร   กลุ่มงานสายวิชาการ
ผู้เขียน พรพรรณ อุตมัง  วันที่เขียน 21/2/2568 9:49:39  แก้ไขล่าสุดเมื่อ 2/4/2568 15:23:50   เปิดอ่าน 227  ครั้ง | แสดงความคิดเห็น 0  ครั้ง