การรวมโหนดในนิวรอลเน็ตเวิร์กหลายโครงข่ายบนชุดข้อมูลขนาดใหญ่

ต้า เกียรติไกรวัลศิริ

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/43911

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สุกรี สินธุภิญโญ	en_US
dc.contributor.author	ต้า เกียรติไกรวัลศิริ	en_US
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	en_US
dc.date.accessioned	2015-06-24T06:45:48Z
dc.date.available	2015-06-24T06:45:48Z
dc.date.issued	2556	en_US
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/43911
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2556	en_US
dc.description.abstract	การสอนนิวรอลเน็ตเวิร์กด้วยชุดข้อมูลขนาดใหญ่จำเป็นต้องใช้เวลามาก และเทคนิคที่นิยมใช้ในลดเวลาในการสอนลงเช่นการลดขนาดชุดข้อมูลให้มีขนาดเล็กลงก่อนนำไปสอนนั้น ไม่สามารถรับประกันได้ว่านิวรอลเน็ตเวิร์กที่ได้รับการสอนนั้นจะมีประสิทธิภาพเท่ากับนิวรอลเน็ตเวิร์กที่สอนด้วยชุดข้อมูลขนาดใหญ่โดยตรงหรือไม่ ในการวิจัยนี้จะนำเสนอเทคนิคในการลดเวลาในการสอนนิวรอลเน็ตเวิร์กบนชุดข้อมูลขนาดใหญ่ลงด้วยการแบ่งชุดข้อมูลขนาดใหญ่ออกเป็นชุดข้อมูลขนาดเล็กหลายชุด จากนั้นนำชุดข้อมูลย่อยเหล่านั้นไปสอนนิวรอลเน็ตเวิร์กที่มีโครงสร้างคล้ายกันหลายโครงข่าย จากนั้นจึงนำองค์ความรู้ในนิวรอลเน็ตเวิร์กเหล่านั้นมารวมกันอีกครั้ง จากผลการทดลองแสดงให้เห็นว่าเทคนิคนี้สามารถลดเวลาที่ใช้ในการสอนนิวรอลเน็ตเวิร์กลงได้อย่างมาก โดยที่ประสิทธิภาพยังคงเทียบเท่ากับนิวรอลเน็ตเวิร์กที่สอนด้วยชุดข้อมูลขนาดใหญ่ทั้งชุด	en_US
dc.description.abstractalternative	Training a neural network on large dataset needs a long training time. And a technique to reduce a training time by resampling dataset cannot guarantee a neural network’s performance. In this research, we propose a technique to reduce a training time using multiple networks. Our approach divides a large dataset into n subsets. We use those subsets to train multiple same-structure neural networks. Finally, we combine knowledge in multiple neural networks into one network. Results from experiments show that our technique can reduce a training time and preserve performance as a single network trained by the whole dataset.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.relation.uri	http://doi.org/10.14457/CU.the.2013.1358	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
dc.subject	วิทยาการคอมพิวเตอร์
dc.subject	Neural networks (Computer science)
dc.subject	Computer science
dc.title	การรวมโหนดในนิวรอลเน็ตเวิร์กหลายโครงข่ายบนชุดข้อมูลขนาดใหญ่	en_US
dc.title.alternative	COMBINING NODES IN MULTIPLE NEURAL NETWORKS ON LARGE DATASETS	en_US
dc.type	Thesis	en_US
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	วิทยาศาสตร์คอมพิวเตอร์	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.advisor	sukree@cp.eng.chula.ac.th	en_US
dc.identifier.DOI	10.14457/CU.the.2013.1358	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
5570488021.pdf		3.04 MB	Adobe PDF	View/Open

Show simple item record