Nơ Ron Nhân Tạo Hoạt Động Như Thế Nào?

Bài 2: Nơ ron nhân tạo hoạt động ra sao?

Mục tiêu bài học:

  • Hiểu cấu trúc bên trong của một nơ ron nhân tạo.
  • Làm quen với các thành phần: đầu vào, trọng số, bias, hàm kích hoạt.
  • Minh họa hoạt động của nơ ron qua ví dụ gần gũi, dễ hiểu.

1. Một nơ ron máy tính gồm những gì?

Tưởng tượng nơ ron nhân tạo giống như một công tắc thông minh: nó nhận nhiều tín hiệu đầu vào và tự quyết định có bật (ra kết quả dương) hay không (ra kết quả âm hoặc 0).

Một nơ ron cơ bản gồm các phần:

  • Đầu vào (Inputs): các giá trị x1,x2,…,xn ​
  • Trọng số (Weights): các hệ số w1,w2,…,wn​ thể hiện tầm quan trọng của từng đầu vào
  • Bias: một giá trị cộng thêm, giúp điều chỉnh linh hoạt hơn
  • Hàm kích hoạt (Activation Function): quyết định đầu ra cuối cùng của nơ ron

2. Công thức hoạt động

Cách một nơ ron xử lý thông tin có thể viết thành công thức sau:

\[ \text{Output} = \text{Activation}(w_1 \cdot x_1 + w_2 \cdot x_2 + \dots + w_n \cdot x_n + \text{bias}) \]

Nghĩa là:
– Máy tính sẽ nhân từng đầu vào với trọng số tương ứng.
– Cộng các giá trị này lại, thêm bias.
– Kết quả được đưa qua hàm kích hoạt để tạo ra đầu ra.


3. Ví dụ minh họa: Có đi chơi không?

Giả sử bạn muốn quyết định có đi chơi không, dựa trên ba yếu tố:

Yếu tốGiá trị (1 = Có, 0 = Không)
Trời có đẹp không? (x₁)1
Đã làm bài xong chưa? (x₂)0
Có bạn rủ đi không? (x₃)1

Chọn trọng số như sau:

  • w1=0.6, w2=0.2, w3=0.8
  • Bias = -0.5
  • Hàm kích hoạt đơn giản: nếu tổng > 0 thì ra 1 (đi chơi), ngược lại ra 0

Tính toán:

\[ \text{Tổng} = (0.6 \cdot 1) + (0.2 \cdot 0) + (0.8 \cdot 1) + (-0.5) = 0.6 + 0 + 0.8 – 0.5 = 0.9 \]

Kết quả: 0.9 > 0 → quyết định đi chơi.


4. Hàm kích hoạt là gì?

Nếu không có hàm kích hoạt, nơ ron chỉ là phép tính cộng-trừ nhân-chia. Hàm kích hoạt giúp mạng nơ ron:

  • Đưa ra quyết định có/không (như công tắc)
  • Biến đổi kết quả thành xác suất
  • Học được các mối quan hệ phi tuyến tính

Một số hàm kích hoạt phổ biến:

  • Step function: bật nếu giá trị lớn hơn ngưỡng, tắt nếu không
  • Sigmoid: nén kết quả vào khoảng từ 0 đến 1
  • ReLU (Rectified Linear Unit): giữ nguyên giá trị dương, trả về 0 nếu giá trị âm

Kết luận

  • Nơ ron nhân tạo xử lý đầu vào bằng cách nhân với trọng số, cộng bias, sau đó áp dụng hàm kích hoạt để tạo ra đầu ra.
  • Ví dụ đơn giản như quyết định đi chơi cũng có thể được mô phỏng bằng một nơ ron đơn.
  • Ở bài tiếp theo, chúng ta sẽ tìm hiểu cách huấn luyện nơ ron để tự điều chỉnh các trọng số sao cho ngày càng thông minh hơn.

Comments are closed.