การเปรียบเทียบนิวรอลเน็ตเวิร์กแบบป้อนไปข้างหน้าและแบบบวกกลับในการรู้จำตัวเลขลายมือเขียน

สมปอง เสนาอัมพรชัย

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/47564

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	บุญเสริม กิจศิริกุล
dc.contributor.author	สมปอง เสนาอัมพรชัย
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2016-05-24T07:22:25Z
dc.date.available	2016-05-24T07:22:25Z
dc.date.issued	2549
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/47564
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2549	en_US
dc.description.abstract	ในวิทยานิพนธ์นี้ ศึกษาการเปรียบเทียบระหว่างนิวรอลเน็ตเวิร์กแบบป้อนไปข้างหน้าและนิวรอลเน็ตเวิร์กแบบวกกลับในการรู้จำตัวเลขลายมือเขียน โครงสร้างทั้งสามของนิวรอลเน็ตเวิร์กแบบวกกลับที่ใช้ในการทดลอง คือ ในโครงสร้างที่ 1 โหนดในชั้นอินพุตในขั้นตอนก่อนหน้าถูกป้อนกลับไปที่โหนดในขั้นตอนถัดไป ในโครงสร้างที่ 2 โหนดในชั้นซ่อนในขั้นตอนก่อนหน้าถูกป้อนกลับไปที่โหนดในชั้นอินพุตในขั้นตอนถัดไป ในโครงสร้างที่ 3 โหนด ในชั้นเอาท์พุตในขั้นตอนก่อนหน้าถูกป้อนกลับไปที่โหนดในชั้นอินพุตในขั้นตอนถัดไป ทดลองเปรียบเทียบเน็ตเวิร์กทั้งสี่ชนิด (นิวรอลเน็ตเวิร์กแบบป้อนไปข้างหน้าและนิวรอลเน็ตเวิร์กแบบวกกลับทั้งสามโครงสร้าง) ข้อมูลที่ใช้ในการทดลอง คือ ลายมือเขียนตัวเลขอารบิก (0-9) ตัวเลขละ 10,000 ตัวอย่าง ขั้นแรกเลือกนิวรอลเน็ตเวิร์กแบบวกกลับหนึ่งชนิดพร้อมด้วยเซตพารามิเตอร์ที่ดีที่สุดซึ่งให้ประสิทธิภาพดีที่สุด เหนือกว่านิวรอลเน็ตเวิร์กแบบวกกลับทั้งสามโครงสร้างและเลือกนิวรอลเน็ตเวิร์กแบบป้อนไปข้างหน้า หนึ่งเน็ตเวิร์กพร้อมด้วยเซตพารามิเตอร์ที่ดีที่สุด ขั้นถัดไปนำนิวรอลเน็ตเวิร์กแบบวกกลับและนิวรอลเน็ตเวิร์กแบบป้อนไปข้างหน้าที่ได้ ไปเปรียบเทียบกันอย่างละเอียดโดยใช้การตรวจสอบไขว้ 5 พับ ผลการทดลอง พบว่า นิวรอลเน็ตเวิร์กแบบป้อน ไปข้างหน้าให้ความถูกต้องสูงกว่านิวรอลเน็ตเวิร์กแบบวกกลับ	en_US
dc.description.abstractalternative	In this thesis, we study the comparison between feed-forward and recurrent neural networks in hand-written digit recognition. Three topologies of the recurrent neural networks have been investigated. In the first topology, nodes of the input layer in the previous step are fed back to nodes of the input layer in the next step. In the second topology, nodes of the hidden layer in the previous step are fed back to nodes of the input layer in the next step. In the third topology, nodes of the output layer in the previous step are fed back to nodes of the input layer in the next step. We ran experiments to compare these four types of networks (one-feed-forward and three recurrent networks.) The data used in the experiments are hand-written Arabic numerals (0-9), each of which contains 10,000 examples. First, we selected one type of recurrent neural networks with the best parameter set that provided the best performance among the three topologies of the recurrent neural networks, and also determined a feed-forward neural network with the best parameter set. Next, the selected recurrent neural network and the feed-forward neural network were thoroughly compared by using 5-fold cross validation. The experimental results show that the feed-forward neural network provides is more accurate than the recurrent neural network.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.relation.uri	http://doi.org/10.14457/CU.the.2006.1412	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	โปรแกรมคอมพิวเตอร์ -- การทดสอบ	en_US
dc.subject	นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)	en_US
dc.subject	การรู้จำอักขระ (คอมพิวเตอร์)	en_US
dc.subject	ตัวเลข	en_US
dc.subject	Computer programs -- Testing	en_US
dc.subject	Neural networks (Computer science)	en_US
dc.subject	Character recognition
dc.subject	Numerals
dc.title	การเปรียบเทียบนิวรอลเน็ตเวิร์กแบบป้อนไปข้างหน้าและแบบบวกกลับในการรู้จำตัวเลขลายมือเขียน	en_US
dc.title.alternative	Comparison of feed-forward and redurrent neural networks in hand-written digit recognition	en_US
dc.type	Thesis	en_US
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	วิทยาศาสตร์คอมพิวเตอร์	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.advisor	Boonserm.K@chula.ac.th
dc.identifier.DOI	10.14457/CU.the.2006.1412	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Size	Format
sompong_se_front.pdf	250.82 kB	Adobe PDF	View/Open
sompong_se_ch1.pdf	170.12 kB	Adobe PDF	View/Open
sompong_se_ch2.pdf	292.54 kB	Adobe PDF	View/Open
sompong_se_ch3.pdf	195.81 kB	Adobe PDF	View/Open
sompong_se_ch4.pdf	274.73 kB	Adobe PDF	View/Open
sompong_se_ch5.pdf	154.71 kB	Adobe PDF	View/Open
sompong_se_back.pdf	1.46 MB	Adobe PDF	View/Open

Show simple item record