การประยุกต์นิวรอลเน็ตเวิร์กหลายโครงข่ายบนข้อมูลขนาดใหญ่

กฤศณัฏฐ์ บุญเกียรติพงษ์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/23332

Title:	การประยุกต์นิวรอลเน็ตเวิร์กหลายโครงข่ายบนข้อมูลขนาดใหญ่
Other Titles:	Applying multiple neural networks on large scale data
Authors:	กฤศณัฏฐ์ บุญเกียรติพงษ์
Advisors:	สุกรี สินธุภิญโญ
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email:	Sukree.S@Chula.ac.th
Subjects:	นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์) แบคพรอพาเกชัน (ปัญญาประดิษฐ์) อัลกอริทึมแบบยูคลิด การเรียนรู้ของเครื่อง Neural networks ‪(Computer sciences)‬ Back propagation ‪(Artificial intelligence)‬ Euclidean algorithm Machine learning
Issue Date:	2554
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	การเรียนรู้และวิเคราะห์ข้อมูลขนาดใหญ่ด้วยนิวรอลเน็ตเวิร์ก เป็นเรื่องที่สำคัญมากในการทำเหมืองข้อมูล แต่ก็มักจะเกิดปัญหาในด้านเวลาที่ใช้ในการเรียนรู้ ในงานวิจัยนี้ได้เสนอวิธีการเรียนรู้โดยการใช้นิวรอลเน็ตเวิร์กหลายโครงข่าย ทำการเรียนรู้บนชุดข้อมูลตัวอย่าง ที่ถูกแบ่งย่อยและสุ่มเลือกมาจากชุดตัวอย่างทั้งหมด จากนั้นจึงทำการรวมโหนดในชั้นแฝงจากเน็ตเวิร์กแต่ละอัน เพื่อหาค่าน้ำหนักประจำโหนดในชั้นแฝงใหม่ที่เหมาะสมสำหรับข้อมูลทั้งชุด ผู้วิจัยได้ทำการพัฒนาอัลกอริทึมการรวมโหนด โดยประยุกต์จากการหาระยะยุคลิดเพื่อระบุความใกล้เคียงกันของโหนด เพื่อที่จะรวมค่าน้ำหนักของโหนดที่ใกล้เคียงเข้าไว้ด้วยกัน ผลการทดลองพบว่า วิธีการที่นำเสนอสามารถลดเวลาในการเรียนรู้ลงได้อย่างมาก และยังคงรักษาเปอร์เซ็นต์ความถูกต้องได้เหมือนกับการใช้เซตตัวอย่างทั้งหมด
Other Abstract:	Learning and analysis on large scale data sets is very important in data mining. Large amount of data can be a cause of problem in learning time and also in learning capability. This research proposed a novel method to solve that problem by using multiple neural networks to learn from multiple sub datasets that extracted equally from the whole dataset. We employ algorithm by applying Euclidean Distance to integrate weight of hidden nodes from each network.The experimental results show that reducing the learning time for the proposed method and also preserve the accuracy.
Description:	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554
Degree Name:	วิทยาศาสตรมหาบัณฑิต
Degree Level:	ปริญญาโท
Degree Discipline:	วิทยาศาสตร์คอมพิวเตอร์
URI:	http://cuir.car.chula.ac.th/handle/123456789/23332
URI:	http://doi.org/10.14457/CU.the.2011.994
metadata.dc.identifier.DOI:	10.14457/CU.the.2011.994
Type:	Thesis
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
kritsanatt_bo.pdf		9.99 MB	Adobe PDF	View/Open

Show full item record