Perceptron คืออะไร? โครงข่ายประสาทยุคแรกที่เรียนแบ่งกลุ่มด้วยเส้นตรง
Perceptron (เพอร์เซปตรอน) คือ โครงข่ายประสาทเทียมรูปแบบเรียบง่ายและเป็นต้นแบบยุคแรก ๆ ที่เรียนรู้การจำแนกสองกลุ่ม โดยรับค่าขาเข้า ถ่วงน้ำหนัก รวมกันแล้วเทียบกับค่าขีดแบ่งเพื่อตัดสินขาออก มันเป็นการเรียนรู้มีผู้สอนและแบ่งข้อมูลได้ดีเมื่อกลุ่มแยกจากกันด้วยเส้นตรง
เพอร์เซปตรอนคืออะไร
เพอร์เซปตรอนจำลองหน่วยประมวลผลหนึ่งหน่วยที่รับสัญญาณหลายทาง คูณแต่ละทางด้วยน้ำหนัก รวมกับค่าคงที่ แล้วส่งผ่านฟังก์ชันกระตุ้นอย่างง่ายเพื่อให้ขาออก
ส่วนประกอบ
- ค่าขาเข้า: สัญญาณหรือคุณสมบัติของตัวอย่าง
- น้ำหนัก: ค่าที่บอกความสำคัญของแต่ละขาเข้าและถูกปรับระหว่างฝึก
- ผลรวมถ่วงน้ำหนัก: รวมขาเข้ากับน้ำหนักเข้าด้วยกัน
- ค่าขีดแบ่ง: เกณฑ์ที่ใช้ตัดสินว่าขาออกเป็นกลุ่มใด
สมการเชิงแนวคิด
[ \hat{y} = f\left(\sum_{i} w_i x_i + b\right) ]
โดย (x_i) คือขาเข้า (w_i) คือน้ำหนัก (b) คือค่าคงที่ และ (f) คือฟังก์ชันขีดแบ่ง
เรียนรู้ได้อย่างไร
- เริ่มต้นด้วยน้ำหนักค่าใดค่าหนึ่ง
- ป้อนตัวอย่างแล้วทำนายขาออก
- หากทำนายผิด ให้ปรับน้ำหนักตามทิศทางของความผิดพลาด
- ทำซ้ำกับตัวอย่างถัดไปจนการแบ่งกลุ่มดีขึ้น
การปรับน้ำหนักมีเป้าหมายให้ฟังก์ชันการสูญเสียลดลง และเป็นรากฐานของแนวคิดการแพร่กระจายย้อนกลับในเวลาต่อมา
ข้อจำกัดที่สำคัญ
แบ่งได้เฉพาะที่แยกด้วยเส้นตรง
เพอร์เซปตรอนชั้นเดียวแก้ปัญหาที่ไม่สามารถแบ่งด้วยเส้นตรงไม่ได้ ตัวอย่างคลาสสิกคือปัญหา XOR ที่ข้อมูลพันกันจนไม่มีเส้นตรงเส้นเดียวแยกกลุ่ม
ความสามารถจำกัด
แบบชั้นเดียวไม่ซับซ้อนพอสำหรับรูปแบบที่ซับซ้อนในภาพหรือข้อความ
เพอร์เซปตรอนหลายชั้น (MLP)
การต่อหลายชั้นเข้าด้วยกันเป็น Multilayer Perceptron (MLP) หรือเพอร์เซปตรอนหลายชั้น ซึ่งเป็นโครงข่ายแบบป้อนไปข้างหน้าที่มีชั้นซ่อนและฟังก์ชันกระตุ้นไม่เป็นเชิงเส้น ทำให้จับรูปแบบที่แบ่งด้วยเส้นตรงไม่ได้
- MLP เป็นพื้นฐานของโครงข่ายประสาทเทียมสมัยใหม่
- ใช้การเรียนรู้เชิงลึกฝึกผ่านการแพร่กระจายย้อนกลับ
- ต่างจากโลจิสติกรีเกรสชันตรงที่ MLP มีชั้นซ่อน
ใช้งานที่ไหน
| บริบท | การใช้ |
|---|---|
| งานจำแนกเบื้องต้น | สองกลุ่มที่แยกเชิงเส้นได้ |
| การศึกษา | ทำความเข้าใจน้ำหนักและขีดแบ่ง |
| เป็นส่วนใน MLP | ต่อขยายเป็นโครงข่ายลึก |
| ต้นแบบประวัติศาสตร์ | รากฐานของการเรียนรู้ของเครื่อง |
FAQ
Perceptron คืออะไร?
โครงข่ายประสาทเทียมอย่างง่ายที่รวมขาเข้าถ่วงน้ำหนักแล้วเทียบค่าขีดแบ่งเพื่อจำแนกสองกลุ่ม
Perceptron แบ่งข้อมูลแบบใดได้ดี?
ข้อมูลที่กลุ่มแยกจากกันได้ด้วยเส้นตรง หากแบ่งด้วยเส้นตรงไม่ได้ เพอร์เซปตรอนชั้นเดียวจะไม่สามารถเรียนได้
MLP คืออะไร?
เพอร์เซปตรอนหลายชั้นที่มีชั้นซ่อนและฟังก์ชันไม่เป็นเชิงเส้น ทำให้แก้ปัญหาซับซ้อนกว่าได้
น้ำหนักถูกปรับอย่างไร?
เมื่อทำนายผิด ระบบจะปรับน้ำหนักตามทิศทางความผิดพลาด แล้วลองใหม่จนผลดีขึ้น
Perceptron ยังใช้อยู่ไหม?
รูปแบบชั้นเดียวมักใช้เพื่อการเรียนการสอน ส่วนการใช้งานจริงนิยมขยายเป็น MLP และโครงข่ายลึกมากกว่า
สรุป
- Perceptron เป็นโครงข่ายประสาทยุคแรกที่จำแนกสองกลุ่ม
- ใช้น้ำหนักและค่าขีดแบ่งตัดสินขาออก
- ฝึกแบบมีผู้สอนด้วยการปรับน้ำหนักเมื่อทำนายผิด
- จำกัดที่ปัญหาแบ่งได้ด้วยเส้นตรง เช่น ไม่สามารถแก้ XOR ได้
- MLP ต่อหลายชั้นและเพิ่มความไม่เป็นเชิงเส้นเพื่อแก้ข้อจำกัด
- เป็นรากฐานของโครงข่ายประสาทสมัยใหม่
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free