Rangkaian Neural Untuk Sistem Dapatan Semula Perkataan Daripada Pangkalan Data

Rangkaian neural buatan yang diaspirasikan oleh kecekapan otak manusia memproses maklumat digunakan dengan meluas dalam aplikasi-aplikasi yang melibatkan pengkelasan atau pemetaan corak. Kelebihan utamanya iaitu sifat ketegapannya dalam persekitaran hingar dan keupayaan untuk mengecam input yang...

وصف كامل

محفوظ في:
التفاصيل البيبلوغرافية
المؤلف الرئيسي: Udzir, Nur Izura
التنسيق: أطروحة
اللغة:English
English
منشور في: 1998
الموضوعات:
الوصول للمادة أونلاين:http://psasir.upm.edu.my/id/eprint/8643/1/FSAS_1998_6_A.pdf
الوسوم: إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
الوصف
الملخص:Rangkaian neural buatan yang diaspirasikan oleh kecekapan otak manusia memproses maklumat digunakan dengan meluas dalam aplikasi-aplikasi yang melibatkan pengkelasan atau pemetaan corak. Kelebihan utamanya iaitu sifat ketegapannya dalam persekitaran hingar dan keupayaan untuk mengecam input yang tidak sempurna atau cacat menjadikannya alat yang sesuai digunakan untuk dapatan semula maklumat yang pantas berbanding kaedah p engkomputeran konvensional, bagi menangani cabaran dapatan semula yang lebih realistik. Dapatan semula bersekutu menggunakan rangkaian neural adalah untuk mendapatkan semula maklumat (rekod) dengan betul daripada pangkalan data bila kekunci input yang cacat dimasukkan. Model rangkaian neural yang digunakan dalam kajian ini adalah rangkaian Counter propagation, yang merupakan gabungan rangkaian Kohonen dengan algoritma pembelajaran tidak terselia dan rangkaian terselia Grossberg, dengan sifat pengkelasan corak tanpa penyeliaan pada lapisan Kohonen menjadi bahagian paling penting bagi sistem. Kajian memfokuskan penyelidikan kepada prestasi rangkaian khususnya ketepatan pengkelasan bila skema-skema pengkodan yang berbeza digunakan untuk mewakilkan input. Tujuh skema pengkodan telah diaplikasikan dalam kajian ini, dengan jumlah bit perwakilan dan asas pengkodan yang berbeza. Data-data yang digunakan untuk ujian merupakan set bebas ralat, set data dengan ralat tunggal dan set yang mempunyai ralat berganda. Secara keseluruhannya semua eksperimen memberikan keputusan pengecaman yang baik, malah dengan setiap skema perwakilan yang digunakan, rangkaian telah berjaya mengecam dengan tepat kesemua set ujian dengan peratus pengecaman 100%, walaupun dengan bilangan unit persaingan, bilangan pusingan dan masa latihan yang tersendiri. Walau bagaimanapun, rangkaian yang mengaplikasi skema perwakilan dengan asas pengkodan tertentu menunjukkan prestasi yang lebih baik berbanding penggunaan skema tanpa asas pengkodan. Kajian menunjukkan ketepatan pengkelasan dan kecekapan sistem dipengaruhi oleh bentuk perwakilan input yang digunakan, saiz lapisan persaingan serta tempoh pusingan latihan yang optimum.