การจัดกลุ่มอย่างเหมาะสมที่สุดสำหรับฟังก์ชันความเป็นสมาชิกในระบบนิวโรฟัซซีเพื่อการจำแนกประเภท

Optimal clustering for membership function in Neuro-Fuzzy for classification

Name: กมลวรรณ ชัยศรยิ่ง

ThaSH: ระบบฟัสซี

ThaSH: การวิเคราะห์ระบบ

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

Abstract: วิทยานิพนธ์ฉบับนี้เสนอการจัดกลุ่มอย่างเหมาะสมที่สุดสำหรับฟังก์ชันความเป็นสมาชิกในระบบนิวโรฟัซซีเพื่อการจำแนกประเภท ได้นำเสนอการทดสอบระบบนิวโรฟัซซีด้วยวิธีการสำหรับกำหนดค่าเริ่มต้นของฟังก์ชันความเป็นสมาชิกด้วย 3 วิธีการ ได้แก่ วิธีการเดิมที่ใช้ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐานแบ่งกลุ่มที่เท่า ๆ กัน วิธีการ k-means ที่ใช้การจัดกลุ่มแล้วใช้ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐานของกลุ่มที่ได้ และวิธีการควอไทล์ที่ใช้ค่าควอไทล์ที่แบ่งข้อมูลเป็น 4 ส่วน และทุกวิธีการทดสอบกับจำนวนฟังก์ชันความเป็นสมาชิกตั้งแต่ 2 ถึง 5 ฟังก์ชันที่เข้าใจง่าย และเหมาะสมสำหรับการแปลงเป็นกฎการจำแนกประเภท การทดสอบใช้โครงสร้างที่ประกอบด้วย 4 ขั้นตอนได้แก่ ขั้นตอนแรกกำหนดค่าเริ่มต้นของฟังก์ชันความเป็นสมาชิก ด้วยจำนวนฟังก์ชันความเป็นสมาชิกที่กำหนด ขั้นตอนที่สองคำนวณค่าความเป็นสมาชิก เพื่อแปลงข้อมูลนำเข้าให้เป็นค่าฟัซซี แล้วแปลงค่าที่ได้เป็นค่าไบโพลาสำหรับการคำนวณในขั้นตอนถัดไป และขั้นตอนที่สามการเรียนรู้ด้วยโครงข่ายประสาทเทียม เป็นการรวมผลคูณค่าน้ำหนักกับค่าไบโพลาร์ และไบแอส แล้วนำค่าที่ได้เข้าฟังก์ชันกระตุ้น และขั้นตอนสุดท้ายคือการปรับค่าพารามิเตอร์ได้แก่ ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของฟังก์ความเป็นสมาชิก ค่าน้ำหนักและค่าไบแอสของโครงข่ายประสาทเทียม การทดสอบการจำแนกประเภทข้างต้นกับชุดข้อมูล 12 ชุดจากฐานข้อมูล UCI เป็นชุดข้อมูลที่มีจำนวนคลาส จำนวนแอตทริบิวต์ และจำนวนตัวอย่างแตกต่างกัน แบ่งชุดข้อมูลเป็นชุดข้อมูลสำหรับการเรียนรู้และชุดข้อมูลทดสอบด้วยวิธีการทดสอบแบบตรวจสอบไขว้ (Cross-validation Test) 10 ส่วน เพื่อหาค่าเฉลี่ยความถูกต้องจากผลลัพธ์การจำแนกประเภท ผลการทดสอบพบว่าการจัดกลุ่มสำหรับฟังก์ชันความเป็นสมาชิกด้วยการกำหนดค่าเริ่มต้นด้วยวิธีการควอไทล์ และกำหนดจำนวนฟังก์ชันความเป็นสมาชิกเท่ากับ 3 ฟังก์ชันทำให้ได้ประสิทธิภาพเพิ่มขึ้นเมื่อเทียบกับวิธีการอื่นที่ทดสอบ และเมื่อเปรียบเทียบกับระบบนิวโรฟัซซีเดิม วิธีการควอไทล์ให้ความถูกต้องมากกว่า 8 ชุดข้อมูล จาก 12 ชุดข้อมูล

Abstract: This thesis proposes an optimal clustering approach for the membership function initialization in the neuro-fuzzy system for classification. Three experiments of the neural fuzzy system were conducted for determining the initialization of the membership function. First, the original method that uses the mean and the standard deviation. Secondly, the k-means clustering uses the mean and the standard deviation of the resulting cluster. Finally, the quartile method uses the quartile values that divide data into quarters. Every method was tested with 2 to 5 of membership functions that are easy to understand and suitable for rule-based classification. The experiment consisted of 3 steps. The first step determines the initialization of the membership function with the specific number of membership functions. Second step calculates the membership value to convert the input data to fuzzy value and convert the resulting value to bipolar value for the next step calculation. Third step deals with neural network learning. It is a combination of the products of the weights with the bipolar value and the bias. Then the resulting value was put into the activation function. The last step was to adjust the parameters, which are the mean and standard deviation of the membership function, i.e., weights and bias of neural network step. The above classification was tests against the 12 datasets from the UCI database, which is a dataset with difference class numbers, number of attributes and the numbers of samples. Datasets were divided into learning datasets and testing datasets with the 10 folds cross-validation test to calculate the average accuracy from the classification results. The results showed that grouping for membership functions by initializing the quartile method and assigning the number of membership functions to 3 resulted in greater efficiency compared to other methods tested. The quartile method yields higher accuracy than the original neuro-fuzzy system from 8 out of 12 datasets.

มหาวิทยาลัยเชียงใหม่. สำนักหอสมุด

Address: เชียงใหม่

Email: cmulibref@cmu.ac.th

Name: พรเทพ โรจนวสุ

Role: ประธานกรรมการ

Name: ศักดิ์กษิต เอี่ยมคณิตชาติ

Role: กรรมการ

Name: สันติ พิทักษ์กิจนุกูร

Role: กรรมการ

Created: 2564

Modified: 2565-10-27

Issued: 2565-10-27

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมคอมพิวเตอร์

Grantor: มหาวิทยาลัยเชียงใหม่

©copyrights มหาวิทยาลัยเชียงใหม่

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	590631080.pdf	1.68 MB	3	2024-02-21 11:51:38

ใช้เวลา

-0.946922 วินาที