รายการบทความการแลกเปลี่ยนเรียนรู้ตามคำสำคัญ : ประสาทเทียม

	ความรู้จากการเข้าร่วมและนำเสนอผลงานเกี่ยวกับระบบโครงข่ายประสาทเทียม » โครงข่ายประสาทเทียม
	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
	คำสำคัญ : ประสาทเทียม
	กลุ่มบทความ : กลุ่มงานตามสมรรถนะบุคลากร
	หมวดหมู่ : กลุ่มงานสายวิชาการ
	สถิติการเข้าถึง : เปิดอ่าน 6717 ครั้ง \| แสดงความคิดเห็น 0 ครั้ง
	ผู้เขียน เจนจิรา ทิพย์ชะ วันที่เขียน 2/9/2561 1:36:37 แก้ไขล่าสุดเมื่อ 22/11/2567 1:29:55

	รายงานสรุปเนื้อหาและการนำไปใช้ประโยชน์จากการเข้าอบรม สัมมนาหรือประชุมวิชาการ การประชุมวิชาการ ประจำปี 2560 มหาวิทยาลัยแม่โจ้ เมื่อวันที่ 7 – 8 ธันวาคม พ.ศ. 2560 ณ อาคารเฉลิมพระเกียรติสมเด็จพระเทพรัตนราชสุดา มหาวิทยาลัยแม่โจ้ » โครงข่ายประสาทเทียม หรือ ข่ายงานประสาทเทียม (artificial neural network)
	โครงข่ายประสาทเทียม หรือ ข่ายงานประสาทเทียม (artificial neural network) คือ โมเดลทางคณิตศาสตร์หรือโมเดลทางคอมพิวเตอร์สำหรับประมวลผลสารสนเทศด้วยการคำนวณแบบคอนเนคชันนิสต์ (connectionist) แนวคิดเริ่มต้นของเทคนิคนี้ได้มาจากการศึกษาโครงข่ายไฟฟ้าชีวภาพ (bioelectric network) ในสมอง ซึ่งประกอบด้วย เซลล์ประสาท (neurons) และ จุดประสานประสาท (synapses) ตามโมเดลนี้ ข่ายงานประสาทเกิดจากการเชื่อมต่อระหว่างเซลล์ประสาท จนเป็นเครือข่ายที่ทำงานร่วมกัน การทํางานของระบบประสาทเทียมนั้น เปนการพยายามที่จะเลียนแบบการทํางานของสมองมนุษยผานกลไกของการเรียนรู โดยการใชประโยชนจากตัวอยางที่ผานมาหลายๆตัวอยางในการฝกฝน ซึ่งระบบประสาทเทียมสามารถถูกประยุกตเพื่อแกปญหาที่ไมมีรูปแบบ หรือ มีรูปแบบที่ซับซอนมากและยากที่จะเขาใจไดดวยความสามารถในการเรียนรูจากตัวอยางนี้ทําใหระบบประสาทเทียมมีความยืดหยุน และมีประสิทธิภาพ ปจจุบันเทคโนโลยีตางๆมีผลตอการใชชีวิตของเราในปจจุบัน อยางมาก ในโลกอุตสาหกรรม หลายๆโรงงานมีการใชแขนกลเปนเครื่องมือสําคัญในการผลิต เชน ในอุตสาหกรรมประกอบรถยนต และ เพื่อควบคุมการทํางานของแขนกลใหเปนไปตามพิกัดเปาหมาย จึงมี ความจําเปนตองออกแบบการทํางานของแขนกลใหมีเสถียรภาพ และ ความแมนยําในระดับสูง สรุปเนื้อหาการนำไปใช้ประโยชน์ การประยุกต์ใช้งานข่ายงานระบบประสาทเทียม เนื่องจากความสามารถในการจำลองพฤติกรรมทางกายภาพของระบบที่มีความซับซ้อนจากข้อมูลที่ป้อนให้เรียนรู้ การประยุกต์ใช้ข่ายงานระบบประสาทจึงเป็นทางเลือกใหม่ในการควบคุม ซึ่งมีผู้นำมาประยุกต์ใช้งานหลายประเภท ได้แก่ 1. งานการจดจำรูปแบบที่มีความไม่แน่นอน เช่น ลายมือ ลายเซนต์ ตัวอักษร รูปหน้า 2. งานการประมาณค่าฟังก์ชันหรือการประมาณความสัมพันธ์ (มี inputs และ outputs แต่ไม่ทราบว่า inputs กับ outputs มีความสัมพันธ์กันอย่างไร) 3. งานที่สิ่งแวดล้อมเปลี่ยนแปลงอยู่เสมอ (โครงข่ายประสาทเทียมสามารถปรับตัวเองได้) 4. งานจัดหมวดหมู่และแยกแยะสิ่งของ 5. งานทำนาย เช่นพยากรณ์อากาศ พยากรณ์หุ้น 6. การประยุกต์ใช้โครงข่ายประสาทเทียมควบคุมกระบวนการทางเคมีโดยวิธีพยากรณ์แบบจำลอง (Model Predictive Control) 7. การประยุกต์ใช้โครงข่ายประสาทเทียมแบบแพร่กระจายกลับในการทำนายพลังงานความร้อนที่สะสมอยู่ในตัวอาคาร 8. การใช้โครงข่ายประสาทเทียมในการหาไซโครเมตริกชาร์ท การประยุกต์ใช้ข่ายงานระบบประสาทควบคุมระบบ HVAC
	คำสำคัญ : โครงข่ายประสาทเทียม
	กลุ่มบทความ : กลุ่มงานตามสมรรถนะบุคลากร
	หมวดหมู่ : กลุ่มงานสายวิชาการ
	สถิติการเข้าถึง : เปิดอ่าน 9142 ครั้ง \| แสดงความคิดเห็น 0 ครั้ง
	ผู้เขียน เกรียงไกร ราชกิจ วันที่เขียน 18/1/2561 10:01:16 แก้ไขล่าสุดเมื่อ 21/11/2567 11:11:01

	ความรู้จากการเข้าอบรม ประชุมวิชาการ » ข่ายงานประสาทเทียม
	ข่ายงานประสาทแบบป้อนไปหน้า (feedforward) ประกอบด้วยเซตของบัพ (node) ซึ่งอาจจะถูกกำหนดให้เป็นบัพอินพุต (input nodes) บัพเอาต์พุต (output nodes) หรือ บัพอยู่ระหว่างกลางซึ่งเรียกว่า บัพฮินเดน (hidden nodes) มีการเชื่อมต่อระหว่างบัพ (หรือนิวรอน) โดยกำหนดค่าน้ำหนัก (weight) กำกับอยู่ที่เส้นเชื่อมทุกเส้น เมื่อข่ายงานเริ่มทำงาน จะมีการกำหนดค่าให้แก่บัพอินพุต โดยค่าเหล่านี้ อาจจะได้มาจากการกำหนดโดยมนุษย์ จากเซนเซอร์ที่วัดค่าต่างๆ หรือผลจากโปรแกรมอื่นๆ จากนั้นบัพอินพุต จะส่งค่าที่ได้รับ ไปตามเส้นเชื่อมขาออก โดยที่ค่าที่ส่งออกไปจะถูกคูณกับค่าน้ำหนักของเส้นเชื่อม บัพในชั้นถัดไปจะรับค่า ซึ่งเป็นผลรวมจากบัพต่างๆ แล้วจึงคำนวณผลอย่างง่าย โดยทั่วไปจะใช้ฟังก์ชันซิกมอยด์ (sigmoid function) แล้วส่งค่าไปยังชั้นถัดไป การคำนวณเช่นนี้จะเกิดขึ้นไปเรื่อยๆ ทีละชั้น จนถึงบัพเอาต์พุต โดยในยุคแรก (ราว ค.ศ. 1970) จำนวนชั้นจะถูกกำหนดไว้เป็นค่าคงที่ แต่ในปัจจุบันมีการนำขั้นตอนวิธีเชิงพันธุกรรม มาช่วยออกแบบโครงสร้างของข่ายงาน ดู นิวโรอีโวลูชัน (Neuroevolution)
	คำสำคัญ : ข่ายงานประสาทเทียม
	กลุ่มบทความ : กลุ่มงานตามสมรรถนะบุคลากร
	หมวดหมู่ : กลุ่มงานสายวิชาการ
	สถิติการเข้าถึง : เปิดอ่าน 3903 ครั้ง \| แสดงความคิดเห็น 0 ครั้ง
	ผู้เขียน เกรียงไกร ราชกิจ วันที่เขียน 6/9/2559 8:38:49 แก้ไขล่าสุดเมื่อ 21/11/2567 12:30:39