การวิเคราะห์ปัจจัยด้านความซับซ้อนของตัวแบบที่มีผลต่อความทนทานของโครงข่ายประสาทเทียมแบบสังวัตนาการต่อฉลากรบกวนแบบสุ่ม

Abstract

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่มีผลต่อความทนทานของโครงข่ายประสาทเทียมแบบสังวัตนาการต่อฉลากรบกวนแบบสุ่ม โดยผู้วิจัยทำการออกแบบและพัฒนาโปรแกรมด้วยภาษา Python บนพื้นฐานไลบรารี่ Keras และ Tensorflow เพื่อศึกษาผลกระทบของฉลากรบกวน และวัดค่าความแม่นยำของโมเดลบนชุดข้อมูลทดสอบที่เรียนรู้จากชุดฝึกหัดที่มีฉลากรบกวนหลายระดับ ตั้งแต่ 0% ถึง 40% ในการศึกษานี้โมเดล CNN จะทำการเรียนรู้จากชุดฝึกฝนซึ่งประกอบด้วยข้อมูลรูปภาพทั้งหมด 15,000 ภาพในหมวดยานพาหนะ แบ่งเป็น 5 ชั้นข้อมูล ได้แก่ รถจักรยาน, รถบัส, รถมอเตอร์ไซค์, รถไฟ, รถยนต์ ผลการทดลองพบว่าฉลากรบกวนมีผลต่อการเรียนรู้ของโครงข่ายประสาทเทียมแบบสังวัตนาการจริง ทั้งนี้ผู้วิจัยพบว่าเทคนิค Dropout และ Regularization สามารถนำมาประยุกต์ใช้เพื่อให้โมเดลสามารถเรียนรู้และทนทานต่อฉลากรบกวนได้มากขึ้น