My topic
-
Upload
siri-kanlaya -
Category
Science
-
view
184 -
download
0
description
Transcript of My topic
![Page 1: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/1.jpg)
โครงรางวทยานพนธ
เรอง การเปรยบเทยบวธโครงขายประสาทเทยมและวธจนเนตกอลกอรทม
โดยใชองคประกอบหลกในการพยากรณอนทรยวตถในดน : กรณศกษาพนท
เกษตรกรรมสวนผลไมในภาคตะวนตกของประเทศไทย
อาจารยทปรกษา
ผศ. ดร.กมลชนก พานชการ
โดย
นางสาวสรกลยา ประมวล
สาขาวชาสถตประยกต คณะวทยาศาสตร
1
![Page 2: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/2.jpg)
บทนำ
2
![Page 3: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/3.jpg)
1. ทมาและความสำคญของปญหา
การสรางโมเดลทางคณตศาสตร
ดานสงแวดลอม ดานการเงน ดานการแพทย
การพยากรณ
ดานอนๆ
สรางโมเดลสำหรบการพยากรณอนทรยวตถในดน
3
![Page 4: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/4.jpg)
1. ความสำคญของอนทรยวตถในดน
1. คณสมบตทางกายภาพ
๏ ความหนาแนนและความพรนของดน
๏ โครงสรางของดนและความสามารถในการอมนำของดน
2. คณสมบตทางชวภาพ
๏ การปลดปลอยไนโตรเจนในรปของแอมโมเนยหรอไนเตรตทเปนประโยชน
๏ การยบยงการเจรญเตบโตของเชอโรคในพช
3. คณสมบตทางเคม
๏ เปนแหลงธาตอาหารใหแกพช
๏ ทำใหดนมคาการแลกเปลยนประจบวกเพมขน ชวยในการดดซบอาหาร
4
![Page 5: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/5.jpg)
1. ความสำคญของอนทรยวตถในดน
ปรมาณอนทรยวตถ
เปนคณสมบตอยางหนงในการบงชคณภาพของดน
5
![Page 6: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/6.jpg)
2. การเลอกใชโมเดลในการพยากรณ
1. วธการถดถอยเชงเสนพหคณ
๏ นยมใชกบการพยากรณตวแปรตามทมลกษณะขอมลแบบตอเนอง
๏ สามารถหาความสมพนธของตวแปรอสระหลายตวกบตวแปรตามทเปนแบบเชงเสน
2. วธโครงขายประสาทเทยม
๏ ใชกบขอมลทมลกษณะแบบไมเปนเชงเสน
๏ สามารถใชไดกบปญหาทยงยากซบซอน
3. วธจนเนตกอลกอรทม
๏ มกระบวนการทซบซอนแตสามารถใหคำตอบทดและรวดเรวได
๏ สามารถใชไดกบปญหาทยงยากซบซอน
6
![Page 7: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/7.jpg)
3. สรปขนตอนการสรางโมเดลในการพยากรณ
7
![Page 8: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/8.jpg)
4. วตถประสงคของงานวจย
1. ศกษาความสมพนธของตวแปรอสระและลดมตของขอมลโดยใชการวเคราะห
องคประกอบหลก
2. เปรยบเทยบประสทธภาพของโมเดลทไดจากองคประกอบหลก โดยพจารณา
2.1 วธการถดถอยเชงเสนพหคณ
2.2 วธโครงขายประสาทเทยมแบบทมการเชอมโยงไปขางหนา
2.3 วธจนเนตกอลกอรทม
8
![Page 9: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/9.jpg)
5. สมมตฐานของการวจย
โมเดลในการพยากรณปรมาณอนทรยวตถในดนทมประสทธภาพ
มากทสดคอโมเดลทไดจากวธจนเนตกอลกอรทม
9
![Page 10: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/10.jpg)
6. ขอบเขตของการวจย
6.1 ขอมลดน
ภาพท 1 พนทศกษาทเกบขอมลตวอยางดนทงหมด 58 ชด จากพนทเกษตกรรมสวนผลไม
10
![Page 11: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/11.jpg)
6. ขอบเขตของการวจย
6.2 ตวแปรทใชในการสรางโมเดล
อลมนม (Al), แมงกานส (Mn), เหลก ( Fe), โครเมยม (Cr),
แมกนเซยม (Mg), สงกะส (Zn), ทองแดง (Cu), ตะกว (Pb),
โพแทสเซยม (K), โซเดยม (Na), แคลเซยม (Ca), กรดฟลวก (FA),
กรดฮวมก (HA), คาการแลกเปลยนประจบวก (CEC), Percent clay
(%clay), ไนโตรเจนรวม (TN) และ อนทรยคารบอน (OC)
ตวแปรตาม คอปรมาณอนทรยวตถ (Organic Matter )
ตวแปรพยากรณ คอคณสมบตทางเคมของดน ทงหมด 17 ตวแปร ไดแก
11
![Page 12: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/12.jpg)
6. ขอบเขตของการวจย
6.3 คาวดประสทธภาพ (Performance Index)
6.3.1 ดชนการยอมรบ (Index of Agreement : IA)
6.3.2 คารากทสองของคาความคลาดเคลอนเฉลยกำลงสอง (Root Mean Square Error: RMSE)
(1)
(2)
12
![Page 13: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/13.jpg)
6. ขอบเขตของการวจย
6.3.3 คาความคลาดเคลอนเอนเอยงเฉลย (Mean Bias Error: MBE)
6.3.4 คาความคลาดเคลอนสมบรณเฉลย (Mean Absolute Error: MAE)
(3)
(4)
13
![Page 14: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/14.jpg)
ทฤษฎทเกยวของ
14
![Page 15: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/15.jpg)
1. การวเคราะหองคประกอบหลก
เปนเทคนคการลดจำนวนตวแปร โดยสรางเซตของตวแปรใหมใหเปนฟงกชนเชงเสน
ของตวแปรเดม โดยยงคงรายละเอยดหรอสารสนเทศจากขอมลเดมไวในตวแปรใหมทได
ภาพท 2 ตวอยาง scree plot จากการวเคราะหองคประกอบหลก
15
![Page 16: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/16.jpg)
1. การวเคราะหองคประกอบหลก
ใชการทดสอบ Bartlett’s sphericity ตรวจสอบวาควรใช PCA กบชดขอมลนหรอไม ?
ln |R| คอคา log ของดเทอรมแนนตของเมตรกซสหสมพนธ R
p คอจำนวนตวแปร
n คอจำนวนขอมล
(5)
16
![Page 17: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/17.jpg)
1. การวเคราะหองคประกอบหลก
ใชการทดสอบ Bartlett’s sphericity ตรวจสอบวาควรใช PCA กบชดขอมลนหรอไม ?
สมมตฐานทพจารณา
H0 : ตวแปรอสระไมมสหสมพนธตอกน (R=I)
H1 : ตวแปรอสระมสหสมพนธตอกน (R≠I)
∴ จะใช PCA ถา ปฏเสธสมมตฐานหลก นนคอ ตวแปรอสระมสหสมพนธตอกน (R≠I)
17
![Page 18: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/18.jpg)
2. วธการถดถอยเชงเสนพหคณ
Y = β0+β1X1 +β2X2+...+βkXk +e
โดยท
Y คอตวแปรตาม (dependent variable)
X คอตวแปรพยากรณ (Independent variable)
β0 คอสวนตดแกน Y หรอคาของ Y เมอกำหนด X1 = X2 = ... = Xk = 0
β1, β2, ..., βk คอสมประสทธการถดถอยเชงสวน
= a+b1X1 +b2X2+...+bkXk (Least Square Method)
(6)
(7)
18
![Page 19: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/19.jpg)
3. วธโครงขายประสาทเทยม
ภาพท 2 โครงสรางระบบประสาทในสมอง
ทมา : Lippmann, Klimasauskas and Medsker et al. อางถงใน ศรลย ปานศรพงษ, การพฒนาแบบจำลองโครงขายใยประสาทประดษฐและแบบ
จำลองความถดถอยเชงพห เพอทำนายความเขมขนของ PM10 ในพนทกรงเทพมหานครและเทศบาลนครราชสมา (2005), 14
19
![Page 20: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/20.jpg)
3. วธโครงขายประสาทเทยม
ภาพท 3 โมเดลของโครงขายประสาทเทยมแบบ Single Layer
20
![Page 21: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/21.jpg)
3. วธโครงขายประสาทเทยม
สถาปตยกรรมโครงขายประสาทเทยม
ภาพท 4 สถาปตยกรรมโครงขายประสาทเทยมแบบ Feed-forward และ แบบ Feedback
21
![Page 22: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/22.jpg)
3. วธโครงขายประสาทเทยม
ภาพท 5 กระบวนการทำงานของโครงขายประสาทเทยม ทมา : ปรบปรงจาก Haykin, Simon, Neural Networks: A Comprehensive Foundation (Upper Saddle River, NJ: Prentice Hall, 1998), 11
22
![Page 23: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/23.jpg)
3. วธโครงขายประสาทเทยม
Activation Function
‣ Sigmoid Function
‣ Binary Function
‣ Linear Function
Learning Algorithm
‣ Backpropagation Algorithm
‣ Levenberg-Marquardt Algorithm
‣ Quasi-Newton Algorithm
‣ Conjugate Gradient Algorithm
กระบวนการสอนหรอการเรยนร (Training or Learning)กระบวนการสอนหรอการเรยนร (Training or Learning) 23
![Page 24: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/24.jpg)
3. วธโครงขายประสาทเทยม
ชดขอมล (Samples)
‣ แบบสอบถาม
‣ ขอมลทางสถต
‣ การทดลอง
การทดสอบโครงขาย (Testing)
‣ แบงขอมลเปนสองชด ชดแรกสำหรบสอนอกชดสำหรบทดสอบโครงขาย
‣ ใชชดขอมลทงหมดมาเปนชดสอน และใชชดเดมนนมาทดสอบโครงขาย
กระบวนการสอนหรอการเรยนร (Training or Learning)กระบวนการสอนหรอการเรยนร (Training or Learning)
ชดขอมลจะแบงเปนสองชดคอชดการสอน และชดทดสอบ (อยางนอย 5 ชด)
24
![Page 25: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/25.jpg)
3. วธโครงขายประสาทเทยม
สรปขนตอนการสรางแบบจำลองโครงขายประสาทเทยม
25
![Page 26: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/26.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
“จนเนตกอลกอรทม เปนวธการคนหาคำตอบทดทสดโดยใชหลกการคด
เลอกแบบธรรมชาตและหลกการทางสายพนธ ซงเปนการคำนวณ
ทมววฒนาการในการหาคำตอบ”
‣ การคดเลอกทางสายพนธ (Selection)
‣ ปฏบตการทางสายพนธ (Genetic Operation)
‣ การแทนท (Replacement)
26
![Page 27: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/27.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
องคประกอบทสำคญของ Genetic Algorithm
องคประกอบท 1 Chromosome Encoding คอขนตอนสำหรบแปลงทางเลอกสำหรบการแกปญหาท
เปนไปไดใหอยในรปของโครโมโซม
องคประกอบท 2 Initial Population คอการสมเลอกเพอสรางประชากรตนแบบขนมาเพอใชเปนจด
เรมตนของขนตอนการววฒนาการ
องคประกอบท 3 Fitness Function คอฟงกชนสำหรบประเมนคาความเหมาะสม เพอใหคะแนน
สำหรบคำตอบตางๆ ทเปนไปไดของปญหา
องคประกอบท 4 Genetic Operator คอการดำเนนงานตามขนตอนตางๆของ Genetic Algorithm เพอ
ใหเกดววฒนาการไปสคำตอบทดขน ซงไดแก Selection, Crossover และ Mutation
องคประกอบท 5 Parameter คอปจจยทสงผลตอการทำงานของ Genetic Algorithm เชนขนาดของ
ประชากร, ความนาจะเปนของการ crossover หรอ ความนาจะเปนของการ mutation
27
![Page 28: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/28.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
4.1 Chromosome Encoding
1. Binary Encoding
โครโมโซม A : 1 0 1 1 0 0 1 0 1 0 0
โครโมโซม B : 1 1 0 1 0 0 0 1 1 1 1
2. Permutation Encoding
โครโมโซม A : 1 5 3 2 6 4 7 9 8
โครโมโซม B : 8 5 6 7 2 3 1 4 9
28
![Page 29: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/29.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
3. Valued Encoding
โครโมโซม A : 1.2324 5.2343 0.4556 2.3293 2.4545
โครโมโซม B : (back) (back) (right) (left) (left)
4. Tree Encoding
29
![Page 30: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/30.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
4.2 Initial Population
ขนตอนนเปนขนตอนแรกทเกดขนกอนกระบวนการของ Genetic Algorithm
โดยประชากรกลมแรก หรอประชากรตนกำเนด จะเกดจากการสมเลอกขนมาจาก
กลมของประชากรทงหมดทมอย โดยสมตามทกำหนดไว
4.3 Fitness Function
โครโมโซมทกตวจะมคาความเหมาะสมของตวเองเพอใชสำหรบพจารณาวา โครโมโซม
ตวนน เหมาะหรอไมทจะนำมาใชสบทอดพนธกรรมสำหรบสรางโครโมโซมรนใหม
โดยวธการคดคาความเหมาะสมนน จะใชสมการทสอดคลองกบปญหาทตองการ
30
![Page 31: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/31.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
4.4 Genetic Operator
ประกอบดวยกระบวนการพนฐานทสำคญ 3 ขนตอนคอ
4.4.1 Selection
4.4.2 Crossover
4.4.3 Mutation
31
![Page 32: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/32.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
4.4.1 Selection (การคดเลอกสายพนธ)
1. วธแบงเปนสดสวน (Proportionate Selection)
2. วธของโบลตซมน (Boltzmann Selection)
3. วธการจดอนดบ (Ranking Selection)
4. วธการแขงขน (Tournament Selection)
5. วธการชกตวอยางแบบวงลอรเลท (Roulette Wheel Sampling)
32
![Page 33: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/33.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
4.4.2 Crossover (ครอสโอเวอร)
Single point
Two point
33
![Page 34: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/34.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
4.4.3 Mutation (มวเทชน)
โครโมโซมเกา
โครโมโซมใหม
โครโมโซมเกา
โครโมโซมใหม
Binary Encoding
Permutation Encoding 1 2 3 4 5 6 7 8 9
1 9 3 4 5 6 7 8 2
34
![Page 35: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/35.jpg)
4. วธจนเนตกอลกอรทม (Genetic Algorithm)
4.5 Parameter
พารามเตอรพนฐานทสำคญตอการทำงานของ Genetic Algorithm ม 3 ตวคอ
4.5.1 Crossover Probability คอความนาจะเปนของการเกด Crossover มคาใน 0-100 โดย
ทวไปคาความนาจะเปนในการเกด Crossover จะอยท 60% - 95%
4.5.2 Mutation Probability คอความนาจะเปนของการเกด Mutation มคาใน 0-100 โดย
ทวไปคาความนาจะเปนในการเกด Mutation จะถกกำหนดใหอยในชวง 0% - 1%
4.5.3 Population Size คอจำนวนของประชากรในแตละรน ถามจำนวนมากเกนไปจะ
ทำใหเสยเวลาในการประมวลผลมาก และทำงานไดชาลง
35
![Page 36: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/36.jpg)
5. ทฤษฎทเกยวของ
เงอนไขในการหยดกระบวนการคนหาคำตอบ
1. ครบจำนวนรอบทไดกำหนดไว
2. พบเปาหมายหรอคำตอบทตองการแลว
3. พบคำตอบใกลเคยงกบคำตอบทตองการ หรอคำตอบทไดไมม
การเปลยนแปลงหรอคงทเปนจำนวนตดตอกน
36
![Page 37: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/37.jpg)
5. งานวจยทเกยวของ
Hasan , Ozer, Ramazan และ Mehmet (2005)
เรอง การเปรยบเทยบวธโครงขายประสาทเทยมและการถดถอย สำหรบฟงกชนการแปลงคาสำหรบการ
เกบรกษานำในดนและความสามารถในการทำใหนำซมผาน
ผลการศกษา ‣ ผลลพธจากทงสองวธไมแตกตางกนอยางมนยสำคญ
‣ ผลลพธจากวธการถดถอยวดประสทธภาพดกวาวธโครงขายประสาทเทยม
‣ วธโครงขายประสาทเทยมสามารถใชเปนเทคนคใหมในการพฒนางานในอนาคต
วธการศกษา ‣ ใชขอมลคณสมบตพนฐานของดน เชนความพรน การกระจายของขนาดดน
‣ ในการหาฟงกชนการแปลงคาสำหรบการเกบรกษานำในดน
‣ เปรยบเทยบคาวดประสทธภาพ R2 และ RMSE ในฟงกชนการแปลงคาทหาได
37
![Page 38: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/38.jpg)
5. งานวจยทเกยวของ
Sousa, Martin, Alvim-Ferraz และ Pereira (2006)
เรอง การวเคราะหการถดถอยเชงเสนพหคณและโครงขายประสาทเทยมทมการเชอมโยงไปขางหนา ในการ
ทำนายความเขมขนของโอโซนรายชวโมงในวนถดไป
ผลการศกษา ‣ วธ FANN ใหผลลพธดกวาวธ MLR
‣ วธ PC-FANN ใหผลลพธดกวาวธ PCR ผลลพธดทสดทเมอใช 5 องคประกอบหลก
‣ การใชองคประกอบหลกทำใหผลลพธดขน (ขจดปญหา Multicollinearity)
‣ การใชวธ FANN ใหผลลพธดเนองจากเหมาะกบปญหาทไมเปนเชงเสน
วธการศกษา ‣ ใชขอมลความเขมขนโอโซน, ไนโตรเจนมอนอกไซด ฯ และตวแปรทางอตนยมวทยา
‣ สรางโมเดลโดยใชและไมใชวธวเคราะหองคประกอบหลก
‣ เปรยบเทยบคาวดประสทธภาพ R, MBE, MAE, RMSE และ d2 ในการเปรยบเทยบโมเดล
38
![Page 39: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/39.jpg)
5. งานวจยทเกยวของ
Karunakar และ Datta (2007)
เรอง การควบคมคณสมบตแบบทรายชนโดยใชวธโครงขายประสาทเทยมและวธจนเนตกอลกอรทม : ศกษา
เชงเปรยบเทยบ
ผลการศกษา ‣ โดยภาพรวมวธ Genetic Algorithm ใหผลลพธแมนยำกวา
‣ วธโครงขายประสาทเทยมใหผลลพธเปนทนาพอใจแตมความยงยากกวาวธจนเนตกอลกอรทม
วธการศกษา ‣ คณสมบตของแมพมพ เชนแรงอดในสภาวะชน ความสามารถในการซมผาน ฯ เปนอนพต
‣ พารามเตอรการควบคมเปนเอาทพต เชน %ดนเหนยว %ความชน
‣ วธโครงขายประสาทเทยมใช back-propagation algorithm ในการเรยนร
‣วธจนเนตกอลกอรทม กำหนดขนาดประชากร 5, crossover = 1.0, mutation = 0
‣เปรยบเทยบประสทธภาพของโมเดล ดวย %error
39
![Page 40: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/40.jpg)
5. งานวจยทเกยวของ
Yang, Dawson, และ Brown (2006)
เรอง วธโครงขายประสาทเทยมและวธจนเนตกอลกอรทมสำหรบการพยากรณจำนวนการเกดไฟใหมในทพก
อาศย
ผลการศกษา ‣ วธการถดถอยโลจสตก, วธโครงขายประสาทเทยม, วธจนเนตกอลกอรทม ใหคา MSE
เทากบ 4.875, 2.375 และ 2.875 ตามลำดบ
‣วธโครงขายประสาทเทยมใหผลลพธดทสด ใกลเคยงกบวธจนเนตกอลกอรทม
วธการศกษา ‣ พยากรณโดยวธการถดถอยโลจสตก วธโครงขายประสาทเทยมและ วธจนเนตกอลกอรทม
‣ เกบรวมรวมตวแปรทเกยวของแลวใชการวเคราะหองคประกอบหลกเพอลดตวแปรพยากรณ
‣ เปรยบเทยบคาวดประสทธภาพ MSE ในการเปรยบเทยบโมเดล
40
![Page 41: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/41.jpg)
วธดำเนนงานวจย
41
![Page 42: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/42.jpg)
1. ภาพรวมขนตอนการศกษา
ภาพท 2 ภาพรวมขนตอนการศกษา
๏ วธการถดถอยเชงเสนพหคณและวธโครง
ขายประสาทเทยม ใชโปรแกรม SAS
๏ วธจนเนตกอลกอรทม ใชโปรแกรม
MATLAB
42
![Page 43: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/43.jpg)
2. การสรางโมเดลดวยวธการถดถอยเชงเสนพหคณ
ภาพท 3 ขนตอนการสรางโมเดลการถดถอยเชงเสนพหคณ
43
![Page 44: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/44.jpg)
3. การสรางโมเดลดวยวธโครงขายประสาทเทยม
ภาพท 4 ขนตอนการสรางโครงขายประสาท
เทยมแบบทมการเชอมโยงไปขางหนา
ทมา : ปรบปรงจาก Jiang et al., Progress in developing an ANN
model for air pollution index forecast (Atmospheric Environment
38), 7055-7064
๏ Levenberg-Maquardt Algorithm
๏ Sigmoid Function
44
![Page 45: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/45.jpg)
4. ขนตอนการทำงานของจนเนตกอลกอรทม
ภาพท 5 ขนตอนการทำงานของ Genetic Algorithm
ทมา : ปรบปรงจาก Kucuk and Derebasi , Prediciton of power loss in transformer cores using
feed forward neural network and genetic algorithm , (Measurement 39 ,2005), 607
Population Size 50
Probability of crossover 1.0
Probability of mutation 0.0
Maximum generation 20
45
![Page 46: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/46.jpg)
5. ผลของงานวจยบางสวน
วธการถดถอยเชงเสนพหคณกบวธโครงขายประสาทเทยมแบบทมการเชอมโยงไปขางหนา
46
![Page 47: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/47.jpg)
5. ผลของงานวจยบางสวน
เปรยบเทยบคาพยากรณกบขอมลจรงจากโมเดล MLR และ FANN ในขอมลชดเรยนร
✓f✓f✓f
✓.47
![Page 48: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/48.jpg)
จบการนำเสนอ
Q&A48
![Page 49: My topic](https://reader033.fdocuments.in/reader033/viewer/2022052906/558c2cd7d8b42ac3738b46a7/html5/thumbnails/49.jpg)
ขอบคณคะ
49