AI-For-Beginners/translations/km/lessons/3-NeuralNetworks

ការណែនាំអំពីបណ្ដាញប្រសាទៈ

ដូចដែលយើងបានពិភាក្សានៅក្នុងការណែនាំ មធ្យោបាយមួយក្នុងការសម្រេចបានប្រសិទ្ធភាពគឺការបណ្តុះបណ្តាល ម៉ូដែលកុំព្យូទ័រ ឬ ខួរក្បាលខ្លោងប្រព័ន្ធ។ ចាប់ពីកណ្ដាលជួរឆ្នាំ២០ ពិភពរូបមន្ត គណិតវិទ្យានានាអ្នកស្រាវជ្រាវបានព្យាយាមម៉ូដែលគណិតវិទ្យាផ្សេងៗ រហូតដល់ក្នុងរយៈពេលថ្មីៗនេះទិសដៅនេះបានបង្ហាញពីភាពជោគជ័យយ៉ាងខ្លាំង។ ម៉ូដែលគណិតវិទ្យាបែបនេះគឺត្រូវបានហៅថា បណ្ដាញប្រសាទ។

ម្តងម្ដងបណ្ដាញប្រសាទត្រូវបានហៅថា បណ្ដាញប្រសាទខ្លោងប្រព័ន្ធ សញ្ញា ANNs ដើម្បីបញ្ជាក់ថាយើងកំពុងនិយាយអំពីម៉ូដែល មិនមែនបណ្ដាញប្រសាទពិតទេ។

ការសិក្សាម៉ាស៊ីន

បណ្ដាញប្រសាទជាផ្នែកមួយនៃវិស័យធំមួយហៅថា ការសិក្សាម៉ាស៊ីន ដែលមានគោលបំណងប្រើទិន្នន័យក្នុងការបណ្តុះបណ្តាលម៉ូដែលកុំព្យូទ័រដែលអាចដោះស្រាយបញ្ហា។ ការសិក្សាម៉ាស៊ីនគឺជាផ្នែកមួយដ៏ធំនៃបញ្ញាសិប្បនិម្មិត ប៉ុន្តែយើងមិនដាក់បញ្ចូលការសិក្សាម៉ាស៊ីនបែបចាស់នោះក្នុងកម្មវិធីនេះ។

សូមចូលទៅកាន់កម្មវិធីដាច់ខាត ការសិក្សាម៉ាស៊ីនសម្រាប់អ្នកចាប់ផ្តើម ដើម្បីរៀនបន្ថែមអំពីការសិក្សាម៉ាស៊ីនបែបចាស់។

ក្នុងការសិក្សាម៉ាស៊ីន យើងគិតថាយើងមានសំណុំទិន្នន័យជាគំរូ X និងតម្លៃចេញផ្សេងៗគ្នា Y។ គំរូជាច្រើនជាអ្វីដែលជាវិចទ័រពហុវដ្ត (N-dimensional vectors) ដែលមាន លក្ខណៈ ហើយតម្លៃចេញហៅថា ស្លាក។

យើងនឹងពិចារណាពីបញ្ហាសិក្សាម៉ាស៊ីនទាំងពីរដែលធម្មតាបំផុត៖

• ការបែងចែកចំណាត់ថ្នាក់, ដែលយើងត្រូវបែងចែកវត្ថុចូលទៅក្នុងពីរឬច្រើនថ្នាក់។
• ការវិលតម្លៃ, ដែលយើងត្រូវទាយរកលេខគណនាលេខសម្រាប់គំរូចូលនីមួយៗ។

នៅពេលបង្ហាញទិន្នន័យចូល និងចេញជាទិន្នន័យប្រភេទ tensor សំណុំទិន្នន័យចូលគឺជាម៉ាទ្រីសដែលមានទំហំ M×N ដែល M ជាចំនួនគំរូ និង N ជាចំនួនលក្ខណៈ។ ស្លាកចេញ Y ជាវិចទ័រទំហំ M។

ក្នុងកម្មវិធីនេះ យើងផ្ដោតសំខាន់លើម៉ូដែលបណ្ដាញប្រសាទតែប៉ុណ្ណោះ។

ម៉ូដែលនៃអណឺរ៉ូន

ចេញពីជីវវិទ្យា យើងដឹងថា ខួរក្បាលរបស់យើងមានពីសសរបស់ប្រសាទ (neurons) រៀងរាល់អណឺរ៉ូនមាន "ចូល" ច្រើន (dendrites) និង "ចេញ" មួយ (axon)។ ការចូល និងចេញទាំងពីរអាចបញ្ជូនសញ្ញាអគ្គិសនី ហើយការតភ្ជាប់រវាងពួកវា — ដែលគេហៅថា synapses — អាចបង្ហាញកំរិតនៃការបញ្ជូនភ្លើងខុសៗគ្នា ដែលត្រូវបានគ្រប់គ្រងដោយ neurotransmitters​។

អណឺរ៉ូនពិត (រូបភាព ពីវិគីភីឌា)	អណឺរ៉ូនសិប្បនិម្មិត (រូបភាពដោយអ្នកនិពន្ធ)

ដូចនេះ ម៉ូដែលគណិតវិទ្យា​ធម្មតា​បំផុត​នៃអណឺរ៉ូនមានចូលច្រើន X₁, ..., X_N និងចេញ Y រួមជាមួយស៊េរីនៃប៉ារ៉ាម៉ែត្រ W₁, ..., W_N។ ចេញ Y ត្រូវបានគណនាដូចជា៖

ដែល f ជា អនុគមន៍សកម្មភាព មួយដែលមិនមែនជាលីនេអាល់។

ម៉ូដែលដើមនៃអណឺរ៉ូនត្រូវបានពិពណ៌នានៅក្នុងឯកសារចាស់ A logical calculus of the ideas immanent in nervous activity ដោយ Warren McCullock និង Walter Pitts ឆ្នាំ 1943. Donald Hebb ក្នុងសៀវភៅរបស់គាត់ "The Organization of Behavior: A Neuropsychological Theory" បានណែនាំពីវិធីដែលបណ្ដាញទាំងនោះអាចត្រូវបានបណ្តុះបណ្តាល។

នៅផ្នែកនេះ

នៅផ្នែកនេះ យើងនឹងរៀនអំពី៖

• Perceptron, មួយក្នុងចំណោមម៉ូដែលបណ្ដាញប្រសាទដំបូងសម្រាប់ការបែងចែកចំណាត់ថ្នាក់ពីរថ្នាក់
• បណ្ដាញជាច្រើនស្រទាប់ ជាមួយកំណត់ចំណាំគូសynchronized របៀបកសាងស៊ុមផ្ទាល់ខ្លួន
• ស៊ុមបណ្ដាញប្រសាទ, ជាមួយកំណត់ចំណាំទាំងនេះ៖ PyTorch និង Keras/Tensorflow
• ការទទួលផ្លូវពេក

---

ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI Co-op Translator។ ខណៈពេលយើងព្យាយាមរក្សាការត្រឹមត្រូវ សូមជ្រាបថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬការមិនត្រឹមត្រូវមួយចំនួន។ ឯកសារដើមនៅភាសាប្រភពគួរត្រូវបានចាត់ទុកថាជា ប្រភពដែលមានអំណាចបំផុត។ សម្រាប់ព័ត៌មានសំខាន់ៗ គួរតែប្រើការបកប្រែដោយមនុស្សដែលជាមនុស្សជំនាញ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំណាមួយ ឬការប្រែប្រួលមិនត្រឹមត្រូវណាមួយដែលកើតឡើងពីការប្រើប្រាស់ការបកប្រែនេះទេ។