Skip to content
TIYA AI EaseMyPhD
Menu
  • English AI
  • Thai AI
  • Call for papers
  • Ph.D opportunities
  • Contact us
Menu

Category: Thai AI

Zero-shot learning, One-shot learning and Few-shot learning คืออะไร

Posted on August 5, 2023

zero-shot learning
one-shot learning
few-shot learning

Federated learning คืออะไร ใช้ในวงการไหนบ้าง

Posted on August 5, 2023

federated learning

Convolution Neural Network คืออะไร

Posted on August 3, 2023

Convolutional Neural Network (CNN) เป็นประเภทของโครงข่ายประสาทเทียม (Neural Network) ที่ใช้ในการประมวลผลข้อมูลที่มีลักษณะเป็นภาพและข้อมูลที่มีลักษณะเชิงพื้นที่ โครงสร้างของ CNN ถูกออกแบบให้เหมาะสำหรับการตรวจสอบและสกัดลักษณะที่เกี่ยวข้องในข้อมูลที่มีมิติสูงเช่นภาพ วิดีโอ และเสียง โครงสร้างของ CNN ประกอบด้วยเลเยอร์พื้นฐานดังนี้: โครงสร้างของ CNN ช่วยให้โมเดลมีความสามารถในการจำแนกหรือสกัดลักษณะในข้อมูลที่มีมิติสูง เช่น ภาพที่มีความเกี่ยวข้องกับการจำแนกออบเจ็กต์ และมีความเหมาะสำหรับงานที่ต้องการความรวดเร็วและความเท่าเทียมในการคำนวณ Kernal (เคอร์นัล) เป็นตัวกรองหรือมัสก์ที่ใช้ในการสกัดลักษณะ (feature extraction) จากข้อมูลนำเข้าในโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Networks) โครงข่ายประสาทเทียมทำการคำนวณค่าผลลัพธ์โดยการนำตัวกรองหรือเคอร์นัลมาถ่วงค่าข้อมูลนำเข้าเพื่อให้ได้ลักษณะที่สำคัญและเกี่ยวข้องกับงานที่ต้องการทำ…

Feed forward neural network vs Backpropagation

Posted on August 3, 2023

Feedforward Neural Network (FFNN) หรือโครงข่ายประสาทเทียมที่เป็นตัวแบบในการส่งข้อมูลผ่านเลเยอร์ของโครงข่ายไปข้างหน้าเพื่อคำนวณผลลัพธ์ที่สุดท้าย โดยไม่มีการกลับไปสู่ชั้นก่อนหน้าเพื่อปรับแต่งพารามิเตอร์ (ไม่มีการใช้ backpropagation) นอกจากนี้ยังไม่มีการกำหนดวิธีการเรียนรู้แบบอัตโนมัติ ซึ่งต้องให้ค่าความเหมาะสมของพารามิเตอร์เอง โครงข่ายประสาทเทียมแบบ Feedforward มักถูกใช้ในงานที่เรียนรู้แบบควบคู่ (supervised learning) ที่ต้องการทำนายค่าของข้อมูลนำเข้า (input) ให้เป็นค่าของข้อมูลเป้าหมาย (output) โดยใช้ชุดข้อมูลที่มีคำตอบเป็นตัวอย่างในการฝึกฝน (training) โครงข่าย ซึ่งมีทั้งข้อมูลนำเข้าและข้อมูลเป้าหมายเพื่อปรับแต่งพารามิเตอร์ โครงข่ายประสาทเทียมแบบ Feedforward มีลักษณะการทำงานเป็นลักษณะเส้นตรง (sequential) โดยมีเลเยอร์ของโครงข่ายจากล่างสุดไปข้างบน โดยข้อมูลนำเข้าจะถูกส่งผ่านเลเยอร์ต่างๆ เพื่อคำนวณค่าในเลเยอร์สุดท้ายซึ่งเป็นผลลัพธ์ที่สุดท้ายของโมเดล นอกจากนี้ยังสามารถมีเลเยอร์ตั้งแต่ 1…

Regularization

Posted on August 3, 2023

Regularization (การปรับแต่ง) เป็นเทคนิคที่ใช้ในการลด(overfitting) ในโมเดลประสาทเทียม (Neural Network) และอื่นๆ ในกรณีที่โมเดลมีขนาดใหญ่หรือมีจำนวนพารามิเตอร์สูง โดยการปรับแต่งช่วยลดโอกาสในการเกิดความเกลียดเกรง และทำให้โมเดลทำนายข้อมูลที่ไม่เคยเห็นมาก่อนได้ดีขึ้น L1 Regularization หมายถึงการเพิ่มค่าของผลรวมค่าสัมบูรณ์ของพารามิเตอร์ในฟังก์ชันความสูญเสีย (loss function) ซึ่งทำให้โมเดลมีความเอาใจใส่ต่อความสำคัญของพารามิเตอร์แต่ละตัว ส่วนพารามิเตอร์ที่มีค่าเล็กๆ จะถูกลดลงในกระบวนการเรียนรู้ L2 Regularization หมายถึงการเพิ่มค่าของผลรวมของค่าเล็กๆ ของพารามิเตอร์ในฟังก์ชันความสูญเสีย การเพิ่มค่าเล็กๆ นี้จะทำให้พารามิเตอร์มีค่าที่เกินมากน้อยและทำให้โมเดลมีความเสถียรและไม่เกิดความเกลียดเกรง ความแตกต่างระหว่าง L1 และ L2 คือการเพิ่มค่าของค่าสัมบูรณ์ (magnitude) ของพารามิเตอร์ในฟังก์ชันความสูญเสีย ใน…

Autoencoder

Posted on August 2, 2023

ภาพจาก https://people.tuebingen.mpg.de/burger/neural_denoising/ Autoencoder (ออโตเอนโคเดอร์) เป็นอัลกอริทึมในด้านการเรียนรู้ของเครื่อง ในพื้นที่ของการเรียนรู้แบบไม่มีควบคุม (Unsupervised Learning) ที่ใช้ในงานการลดมิติของข้อมูล (Dimensionality Reduction) และสร้างโมเดลใหม่ที่สามารถเข้าใจและสร้างความหมายจากข้อมูลแบบซับซ้อนได้ โดยมักนำมาใช้ในการเรียนรู้ลึก (Deep Learning) และงานที่เกี่ยวข้องกับการค้นหาลักษณะ (Feature Learning) หรือเรียนรู้การแทนภาพข้อมูล (Representation Learning) ที่เป็นเวกเตอร์แทนข้อมูลเดิมให้มีมิติต่ำลง ซึ่งช่วยลดขนาดของข้อมูลและเพิ่มประสิทธิภาพในการจัดการข้อมูลต่อไป โครงสร้างของ Autoencoder ประกอบด้วยสองส่วนหลักคือ “Encoder” และ “Decoder” ซึ่งทำหน้าที่คือ: หลังจากเรียนรู้จากข้อมูลแบบซับซ้อน โมเดล…

ACTIVATION FUNCTION และประเภทของ Activation function

Posted on August 2, 2023

deep learning

Neural network และ Artificial Neural Network

Posted on August 2, 2023

deep learning

Perceptron และ multilayer perceptron

Posted on August 2, 2023

ภาพจาก https://appliedgo.net/perceptron/ Perceptron (เพอร์เซปทรอน):เป็นโครงข่ายประสาทเทียม (Neural Network) ที่มีโครงสร้างเรียบง่ายและเป็นพื้นฐาน ประกอบด้วยเหตุการณ์แค่ชั้นเดียว ประกอบด้วยโหนดแค่ตัวเดียวเท่านั้น และไม่มีการใช้ชั้นซ่อน (hidden layers) เป็นอันที่รู้จักกันดีในเส้นของประสิทธิภาพในการแก้ไขปัญหาความซับซ้อนน้อย อย่างเช่น การจำแนกแบบเส้นแบ่ง (linearly separable) แต่สำหรับปัญหาที่ซับซ้อนขึ้น โมเดลจะไม่สามารถแยกแยะได้และจะมีปัญหาการเรียนรู้ที่เกิดขึ้น (convergence problem) ดังนั้นในการแก้ไขปัญหาที่ซับซ้อนมากขึ้นจำเป็นต้องใช้โครงข่ายประสาทเทียมแบบ Multilayer Perceptron (MLP) Multilayer Perceptron (MLP) (เมอลติเลย์เปอร์เซปทรอน):เป็นโครงข่ายประสาทเทียมที่มีหลายชั้นซ่อน (hidden layers) ซึ่งช่วยให้โมเดลสามารถเรียนรู้และจับความซับซ้อนของข้อมูลได้มากขึ้น…

Hyperparameters Tuning ใน Deep learning

Posted on August 2, 2023

deep learning

Posts navigation

1 2 3 Next

Recent Posts

  • Speaker recognition and branches
  • Zero-shot learning, One-shot learning and Few-shot learning คืออะไร
  • Federated learning คืออะไร ใช้ในวงการไหนบ้าง
  • Is there any difference between large language models and pre-trained language models?
  • Convolution Neural Network คืออะไร

Recent Comments

  1. 200 keywords เกี่ยวกับ Machine Learning – Tiya AI on Machine learning คืออะไร มีกี่ประเภท
  2. A WordPress Commenter on Hello world!

Archives

  • August 2023

Categories

  • Blog
  • English AI
  • Thai AI
©2025 Tiya AI | Design: Newspaperly WordPress Theme