|
การจำลองข้อมูลเพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ ระหว่างวิธีโครงข่ายประสาทเทียมกับวิธีซัพพอร์ตเวกเตอร์แมชชีน |
|---|---|
| รหัสดีโอไอ | |
| Title | การจำลองข้อมูลเพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ ระหว่างวิธีโครงข่ายประสาทเทียมกับวิธีซัพพอร์ตเวกเตอร์แมชชีน |
| Creator | นันทณัฐ พันธุ์สีดา |
| Contributor | นัท กุลวานิช |
| Publisher | จุฬาลงกรณ์มหาวิทยาลัย |
| Publication Year | 2556 |
| Keyword | นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์), ซัพพอร์ตเวกเตอร์แมชชีน, Neural networks (Computer science), Support vector machines, Kernel functions |
| Abstract | การวิจัยในครั้งนี้ มีวัตถุประสงค์เพื่อเปรียบเทียบความแม่นยำในการพยากรณ์ระหว่างวิธีการโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับกับวิธีซัพพอร์ตเวกเตอร์แมชชีนด้วยฟังก์ชัน เคอร์เนล โดยใช้ Receiver Operating Characteristic (ROC) เป็นเครื่องมือวัดประสิทธิภาพความแม่นยำในการพยากรณ์จำแนกประเภทของข้อมูล โดยใช้พื้นที่ใต้โค้ง ROC (Area Under ROC Curve : AUC) และใช้อัตราความผิดพลาดในการจำแนกประเภทข้อมูล (Misclassification Rate : MCR) พิจารณาค่าเฉลี่ยของ AUC จะได้ว่า วิธีซัพพอร์ตเวกเตอร์แมชชีนด้วย Laplacian Kernel ให้ประสิทธิภาพความแม่นยำในการพยากรณ์จำแนกประเภทของข้อมูลได้ดีที่สุดในกรณีที่ข้อมูล มีการแจกแจงแบบชี้กำลังและข้อมูลที่มีการแจกแจงแบบปกติ ส่วนกรณีที่ข้อมูลมีการแจงแจกแบบปัวส์ซงนั้น วิธีโครงข่ายประสาทเทียมแบบย้อนกลับ ให้ประสิทธิภาพความแม่นยำในการพยากรณ์จำแนกประเภทของข้อมูลดีที่สุด พิจารณาค่าของเฉลี่ยของ MCR จะได้ว่า ในทุกกรณีของการแจกแจงที่ศึกษาในงานวิจัยนี้นั้น วิธีซัพพอร์ตเวกเตอร์แมชชีนด้วย Laplacian Kernel ให้ค่าอัตราความผิดพลาดในการจำแนกประเภทข้อมูลได้ต่ำที่สุด และวิธีโครงข่ายประสาทเทียมแบบย้อนกลับ ให้ค่าอัตราความผิดพลาดในการจำแนกประเภทข้อมูลได้สูงที่สุดในทุกรณี |
| URL Website | cuir.car.chula.ac.th |
