Neural Network

สมาชิ�กในกลุ่�มนายปั�ณนธิ�ศณ ธิ�รศ�ธินวงศ 5544091100

-240

นายธิ�รพงษ์ ศรปัระสิ�ทธิ�� 5544091100

-091

นายหั�สิดิ�นษ์ อะหัมั�ดิ 5544091100

-281

นายกล้�าณรงค์ พล้ายชุ!มั 5544091100

-026

นางสิาว ปั"ยน!ชุ ร�กแก�ว 554409110035-6

ความหมาย

ระบบโค์รงข่'ายปัระสิาท (Neural Network) หัร(อ โค์รง“ข่'ายใยปัระสิาทเสิมั(อน (Artificial Neural Network:

ANN)” หัมัายถึ,ง ค์อมัพ�วเตอรท�.สิามัารถึเล้�ยนแบบการท/างานข่องสิมัองมัน!ษ์ยไดิ� ดิ�วยการปัระมัวล้ผล้ข่�อมั2ล้สิารสินเทศ แล้ะองค์ค์วามัร2 �ไดิ�ในค์ราวล้ะมัากๆ

นอกจากน�5 ย�งสิามัารถึร�บแล้ะจดิจ/าสิารสินเทศในร2ปัแบบท�.เปั6นปัระสิบการณไดิ� ท/าใหั�สิามัารถึเชุ(.อมัโยงข่�อเท7จจร�งท�5งหัล้ายเข่�าดิ�วยก�นเพ(.อหัาข่�อสิร!ปั แล้ะใชุ�ปัระสิบการณท�.จ�ดิเก7บไว�มัาเร�ยนร2 �แล้ะท/าค์วามัเข่�าใจว'า ข่�อเท7จจร�งใหัมั'ท�.ไดิ�ร�บเข่�ามัามั�ค์วามัเก�.ยวข่�องก�นอย'างไร เพ(.อท/าการปัร�บปัร!งองค์ค์วามัร2 �ใหั�มั�ค์วามัท�นสิมั�ยเพ(.อปัระโยชุนในอนาค์ต

Neural Network เปั6นต�วปัระมัวล้ผล้ค์2'ข่นานข่นาดิใหัญ่'ท�.สิร�างข่,5นจากหัน'วยปัระมัวล้ผล้ข่นาดิเล้7ก

มั�ค์!ณสิมับ�ต�เพ(.อเก7บสิ�.งท�.ร �บร2 �ปัระสิบการณ หัร(อ การกระท/า มั�ล้�กษ์ณะค์ล้�ายก�บสิมัอง 2 ข่�อ ค์(อ

สิ�.งท�.ร �บร2 �ไดิ�มัาโดิย network ซึ่,.งไดิ�ผ'านทางการกระบวนการการเร�ยนร2 �

เซึ่ล้ล้ท�.เชุ(.อมัต'อถึ,งก�น เร�ยกว'า synaptic จะถึ2กใชุ�เพ(.อเก7บสิ�.งท�.ร �บร2 �เข่�ามัา

ความหมาย (ต่�อ)

โค์รงข่'ายใยปัระสิาทเสิมั(อนเปั6นการเล้�ยนแบบการท/างานข่องสิมัองมัน!ษ์ย ท�.ปัระกอบไปัดิ�วยเซึ่ล้ล้พ�เศษ์มัากมัายท�.เร�ยกว'า เซึ่ล้ล้ปัระสิาท “ (Neuron)” ซึ่,.งมั�มัากกว'า 100 ชุน�ดิ

เซึ่ล้ล้ปัระสิาทท�.มั�ชุน�ดิเดิ�ยวก�นจะถึ2กจ�ดิไว�ในกล้!'มัเดิ�ยวก�น เร�ยกว'า เค์ร(อข่'ายหัร(อโค์รงข่'าย “

(Network)” แต'ล้ะโค์รงข่'ายจะบรรจ!เซึ่ล้ล้ปัระสิาทจ/านวนน�บพ�นเซึ่ล้ล้ท�.มั�การเชุ(.อมัต'อก�นอย'างเหัน�ยวแน'น ดิ�งน�5น สิมัองมัน!ษ์ยจ,งอาจเร�ยกไดิ�อ�กอย'างหัน,.งว'า กล้!'มัปัระสิาท“ ”

โครงข่�ายใยประสาทเสม�อนแลุ่ะใยประสาทจร�ง

การเล้�ยนแบบการท/างานข่องสิมัองมัน!ษ์ยข่องเค์ร(.องค์อมัพ�วเตอร เร�.มัจากการก/าหันดิใหั�แต'ล้ะซึ่อฟตแวร เร�ยกว'า โหันดิ “ (node)” เปัร�ยบเสิมั(อนว'าเปั6น เซึ่ล้ล้ปัระสิาท “ ”

แล้ะสิร�างการเชุ(.อมัต'อใหั�ก�บโหันดิเหัล้'าน�5นใหั�เปั6นโค์รงข่'าย (network) แต'ล้ะโค์รงข่'ายจะปัระกอบไปัดิ�วยโหันดิท�.ถึ2กจ�ดิแบ'งเปั6นชุ�5นๆ เร�ยกว'า เล้เยอร “

(Layer)” แต'ล้ะเล้เยอรจะมั�หัน�าท�.การท/างานแตกต'างก�น

โครงข่�ายใยประสาทเสม�อนแลุ่ะใยประสาทจร�ง (ต่�อ)

โครงข่�ายใยประสาทเสม�อนแลุ่ะใยประสาทจร�ง (ต่�อ)

แผนภู ม�แสดงเซลุ่ลุ่#ประสาทข่องส�$งม%ชิ%ว�ต่

Software ท�.เล้�ยนแบบโค์รงข่'ายข่องเซึ่ล้ล้ปัระสิาทน�5นจะมั�ข่อบเข่ต (Boundary) ก�5นระหัว'างข่�อมั2ล้น/าเข่�าก�บการท/างานข่องใยปัระสิาทเสิมั(อน ซึ่,.งปัระกอบดิ�วยโค์รงข่'ายข่องเชุล้ล้ท�.ถึ2กจ�ดิไว�เปั6น เล้เยอร ดิ�งน�5น องค์ปัระกอบท�.ไดิ�จ�ดิแบ'งเปั6นเล้เยอร แล้ะหัน�าท�.ข่องแต'ล้ะองค์ปัระกอบจ,งมั�ดิ�งน�5

องค#ประกอบแลุ่ะโครงสร'างการท(างาน

องค#ประกอบแลุ่ะโครงสร'างการท(างานข่องโครงข่�ายใยประสาทเสม�อน

1. ข่'อม ลุ่น(าเข่'า (Input)ข่'อม ลุ่น(าเข่'าจะถู กจ(าแนกต่ามคณลุ่+กษณะ

(Attribute) เชิ�น ถู'าป-ญหาท%$ระบบใยประสาทเสม�อนจะต่'องต่+ดส�นใจค�อ การอนม+ต่�เง�นก 'ว�าจะให'ผ�านหร�อไม� ข่'อม ลุ่น(าเข่'าก0จะถู กจ(าแนกเป1นคณลุ่+กษณะ กลุ่�าวค�อ ระด+บรายได' แลุ่ะอาย เป1นต่'น ข่'อม ลุ่น(าเข่'านอกจากจะเป1นข่'อความแลุ่'ว ย+งสามารถูเป1นร ปภูาพ หร�อเส%ยงก0ได' แต่�อาจจะต่'องผ�านการแปลุ่งให'เป1นส+ญลุ่+กษณ#หร�อต่+วเลุ่ข่เพ�$อให'เคร�$องสามารถูท(าความเข่'าใจได'ก�อน จากน+3นก0จะเข่'าส �การท(างานท%$แท'จร�งข่องระบบใยประสาทเสม�อนท%$เร�$มต่'นด'วยการน(าข่'อม ลุ่เข่'ามาให'น(3าหน+ก (weight) ข่องความส+มพ+นธ์#ระหว�างข่'อม ลุ่น(าเข่'าเหลุ่�าน+3นในเลุ่เยอร#แรกภูายใต่'ข่อบเข่ต่ข่องระบบ

องค#ประกอบแลุ่ะโครงสร'างการท(างาน (ต่�อ)

2. น/5าหัน�ก (Weight)เปั6นสิ'วนปัระกอบท�.สิ/าค์�ญ่ข่องระบบโค์รงข่'าย

ใยปัระสิาท เน(.องจากเปั6นสิ'วนท�.ใชุ�หัาน/5าหัน�กข่องค์วามัสิ�มัพ�นธิระหัว'างข่�อมั2ล้น/าเข่�า ว'าข่�อมั2ล้น/าเข่�าใดิมั�ค์วามัสิ�มัพ�นธิก�บข่�อมั2ล้น/าเข่�าอ(.นในระดิ�บใดิ ซึ่,.งจะท/าใหั�สิามัารถึเชุ(.อมัโยงไปัหัาข่�อสิร!ปัไดิ� ดิ�วยการล้องผ�ดิล้องถึ2กในค์วามัสิ�มัพ�นธิแต'ล้ะแบบ แล้ะเก7บไว�เปั6นแบบแผนหัร(อร2ปัแบบ (pattern) ข่องปัระสิบการณเพ(.อการเร�ยนร2 �ข่องโค์รงข่'าย

องค#ประกอบแลุ่ะโครงสร'างการท(างาน (ต่�อ)

3. ฟ�งกชุ�นการรวมั (Summation Function)เปั6นโค์รงข่'ายท�.ท/าหัน�าท�.ในการรวมัค์'าน/5าหัน�กท�.ไดิ�

จากโค์รงข่'ายในเล้เยอร input เพ(.อสิร!ปัผล้ค์วามัสิ�มัพ�นธิระหัว'างข่�อมั2ล้น/าเข่�า รอการแปัล้งเปั6นสิารสินเทศท�.มั�ค์วามัหัมัายในเล้เยอรต'อไปั

4. ฟ�งกชุ�นการแปัล้ง (Transformation Function)เปั6นโค์รงข่'ายท�.ท/าหัน�าท�.ในการปัระสิาน

(integrate) สิารสินเทศท�.ผ'านการปัระมัวล้ผล้จากโค์รงข่'ายในเล้เยอรต'างๆแล้�วท/าการแปัล้ง (Transform) ใหั�กล้ายเปั6นสิารสินเทศท�.สิ(.อค์วามัหัมัาย แล้ะเปั6นปัระโยชุนต'อการน/าไปัใชุ�ไดิ�เพ(.อสิ'งออกไปัเปั6นผล้ล้�พธิ (Output)

องค#ประกอบแลุ่ะโครงสร'างการท(างาน (ต่�อ)

5. ผล้ล้�พธิ (Output)ผล้ล้�พธิท�.ไดิ�จากโค์รงข่'ายใยปัระสิาทเสิมั(อน จะ

หัมัายถึ,งแนวทางในการแก�ไข่ปั�ญ่หัา เชุ'น ปั�ญ่หัาการอน!มั�ต�เง�นก2�ว'าผ2�ก2�จะผ'านการอน!มั�ต�หัร(อไมั' ผล้ล้�พธิ “ ”ท�.ผ2�ใชุ�จะไดิ�ร�บค์(อ อน!มั�ต� หัร(อ ไมั'อน!มั�ต� ซึ่,.งโค์รงข่'าย” ” “ ”ใยปัระสิาทเสิมั(อนจะใชุ�สิ�ญ่ล้�กษ์ณแทนค์/าตอบท�5งหัมัดิ

ผล้ล้�พธิท�.ไดิ�จากโค์รงข่'ายหัน,.ง สิามัารถึเปั6นข่�อมั2ล้น/าเข่�า (input) ข่องอ�กโค์รงข่'ายหัน,.งไดิ� ท�5งน�5 เพ(.อเปั6นข่�อมั2ล้น/าเข่�าข่องการต�ดิสิ�นใจแก�ไข่ปั�ญ่หัาอ(.น เชุ'น ผล้ล้�พธิท�.ไดิ�จากการอน!มั�ต�เง�นก2� อาจจะน/าไปัใชุ�เปั6นข่�อมั2ล้น/าเข่�าเพ(.อการอน!มั�ต�สิ�นเชุ(.อท�.อย2'อาศ�ยไดิ�

องค#ประกอบแลุ่ะโครงสร'างการท(างาน (ต่�อ)

1. เก�ดิข่�อผ�ดิพล้าดิไดิ�ยาก (Fault Tolerance) หัากระบบโค์รงข่'ายใยปัระสิาทเสิมั(อนปัระกอบไปั

ดิ�วยโค์รงข่'ายท�.ใชุ�ในการปัระมัวล้ผล้มัากมัายหัล้ายโค์รงข่'าย ค์วามัผ�ดิพล้าดิท�.เก�ดิข่,5นจากเพ�ยงหัน,.งหัร(อสิองโค์รงข่'ายจะไมั'ท/าใหั�ท� 5งระบบเก�ดิข่�อผ�ดิพล้าดิไดิ�

2. ค์วามัสิามัารถึในการหัาเหัต!ผล้ (Generalization) เมั(.อระบบโค์รงข่'ายใยปัระสิาทเสิมั(อนไดิ�ร�บข่�อมั2ล้น/า

เข่�าท�.ไมั'ค์รบถึ�วนหัร(อไมั'เพ�ยงพอต'อการหัาข่�อสิร!ปั หัร(อไดิ�ร�บข่�อเท7จจร�งท�.ไมั'เค์ยไดิ�ร�บมัาก'อน ระบบจะสิามัารถึล้/าดิ�บการเชุ(.อมัโยงข่�อเท7จจร�งจนสิามัารถึใหั�ข่�อสิร!ปัแล้ะเหัต!ผล้ไดิ�

ประโยชิน#ข่องโครงข่�ายประสาทเสม�อน

3 . ค์วามัสิามัารถึในการปัร�บเปัล้�.ยน (Adaptability)

โค์รงข่'ายใยปัระสิาทเสิมั(อนสิามัารถึเร�ยนร2 �สิภาพแวดิล้�อมัใหัมั'ไดิ� ดิ�งน�5นเมั(.อมั�เหัต!การณใหัมั'ๆ เข่�าสิ2'ระบบก7จะสิามัารถึปัร�บเปัล้�.ยนหัร(อปัร�บปัร!งองค์ค์วามัร2 �ใหั�ท�นสิมั�ยตามัเหัต!การณใหัมั'น�5น

4 . ค์วามัสิามัารถึในการพยากรณ (forecasting Capability)

โค์รงข่'ายใยปัระสิาทเสิมั(อนสิามัารถึน/าข่�อมั2ล้ทางสิถึ�ต�เดิ�มัท�.มั�อย2'ในระบบ มัาใชุ�ค์าดิการณหัร(อพยากรณข่�อมั2ล้ในอนาค์ตไดิ�

ประโยชิน#ข่องโครงข่�ายประสาทเสม�อน (ต่�อ)

การท/าเหัมั(องข่�อมั2ล้ (Data Mining) เปั6นการเพ�.มัค์วามัสิามัารถึในการค์�นหัาข่�อมั2ล้ในฐานข่�อมั2ล้ต'างชุน�ดิหัร(อฐานข่�อมั2ล้ท�.มั�ข่นาดิใหัญ่'แล้ะซึ่�บซึ่�อนไดิ�

การปั=องก�นการโกงภาษ์� (Tax Fraud) ชุ'วยระบ! แล้ะค์�นหัาการกระท/าท�.ผ�ดิกฎหัมัายในดิ�านการเสิ�ยภาษ์�ไดิ�

การบร�การทางดิ�านการเง�น (Financial Service) ชุ'วยพ�ฒนาร2ปัแบบการบร�การทางดิ�านการเง�น เชุ'น การใหั�ข่�อมั2ล้ตล้าดิหั!�น แล้ะเปั6นผ2�ชุ'วยการค์�าหั!�น เปั6นต�น

การว�เค์ราะหัผล้�ตภ�ณฑ์ใหัมั' (New Product Analysis)ชุ'วยพยากรณยอดิข่ายแล้ะเล้(อกตล้าดิกล้!'มัเปั=าหัมัายไดิ�

การประยกต่#ใชิ'โครงข่�ายใยประสาทเสม�อนในงานธ์รก�จ

การจ�ดิการค์'าธิรรมัเน�ยมัสิายการบ�น (Airline Fare Management) ชุ'วยพยากรณปัร�มัาณค์วามัต�องการใน

การจองต�Aว แล้ะจ�ดิตารางก/าล้�งค์นไดิ�

การปัระเมั�นผล้แล้ะค์�ดิเล้(อกพน�กงานใหัมั' ชุ'วยค์�ดิเล้(อกพน�กงานใหัมั'ท�.มั�ค์!ณสิมับ�ต�ตามัท�.องค์กรต�องการไดิ�

จ�ดิสิรรทร�พยากรภายในองค์กรโดิยอาศ�ยข่�อมั2ล้ในอดิ�ต โค์รงข่'ายใยปัระสิาทเสิมั(อนจะชุ'วยจ�ดิสิรรทร�พยากรท�5งหัมัดิในองค์กร โดิยอาศ�ยข่�อมั2ล้ในอดิ�ตแล้ะทดิล้องเปัล้�.ยนค์'าข่�อมั2ล้เพ(.อใหั�ไดิ�ผล้ตอบแทนสิ2งสิ!ดิ

ตรวจสิอบล้ายเซึ่7น (Signature Validation) ชุ'วยในการตรวจสิอบล้ายเซึ่7นจร�งก�บล้ายเซึ่7นท�.จ�ดิเก7บไว�ในแฟ=มัข่�อมั2ล้

การประยกต่#ใชิ'ในงานธ์รก�จ (ต่�อ)

เทค์โนโล้ย�โค์รงข่'ายใยปัระสิาทจ�ดิว'าเปั6นเทค์โนโล้ย�ท�.มั�ค์วามัสิามัารถึสิ2ง จ,งไดิ�มั�การน/าไปัปัระย!กตใชุ�ก�บระบบอ(.นๆเพ(.อปัระโยชุนในการท/างานหัล้ายดิ�าน หัร(อมั�การน/าไปัปัระสิานเข่�าก�บเทค์โนโล้ย�อ(.นเพ(.อเพ�.มัค์วามัสิามัารถึใหั�เท�ยบเท'าก�บมัน!ษ์ย ดิ�งต�วอย'าง

ต่+วอย�างการท(างานข่องโครงข่�ายใยประสาท

Synface การชิ�วยเหลุ่�อการสนทนาทางโทรศั+พท#ด'วยใบหน'าจ(าลุ่อง

เปั6นซึ่อฟตแวรท�.สิามัารถึสิร�างใบหัน�าจ/าล้องท�.สิ�มัพ�นธิก�บการสินทนาข่องผ2�ท�.อย2'ปัล้ายสิายโทรศ�พท เพ(.อชุ'วยเหัล้(อผ2�มั�ปั�ญ่หัาทางการไดิ�ย�นไดิ� ภาพใบหัน�าจ/าล้องซึ่,.งใหั�ภาพค์ล้�ายใบหัน�าจร�งข่องบ!ค์ค์ล้ท�.ก/าล้�งสินทนาอย2'ดิ�วย ท/าใหั�ผ2�ชุมัสิามัารถึเข่�าใจบทสินทนาจากการอ'านร�มัฝีCปัากไดิ�เปั6นอย'างดิ�

ซึ่�นเฟสิ ไดิ�ร�บการทดิสิอบท�.สิถึาบ�นค์นหั2หันวกในปัระเทศอ�งกฤษ์ UK’s Royal National Institute for the Deaf (RNID) พบว'า 84 % ข่องผ2�ท�.ไดิ�ร�บการทดิสิอบสิามัารถึเข่�าใจบทสินทนา แล้ะสิามัารถึพ2ดิค์!ยก�นทางโทรศ�พทไดิ�อย'างปักต�

สิร�างโดิย มัารค์ ท�ล้เดิน ( Mark W. Tilden ) น�กว�ทยาศาสิตร ปัระจ/าหั�องทดิล้องแหั'งชุาต� LosAlamos ร�ฐน�วแมั7กซึ่�โก สิหัร�ฐอเมัร�กา

สิร�างมัาจากวงจรอ�เล้กทรอน�กสิข่นาดิเล้7ก ใชุ�อ!ปักรณน�อยชุ�5นจ,งมั�ข่นาดิเล้7กแล้ะร2ปัแบบการท/างานไมั'ซึ่�บซึ่�อน มั�การเค์ล้(.อนไหัวค์ล้�ายค์ล้,งพฤต�กรรมัข่องสิ�.งมั� ชุ�ว�ต เชุ'น มัดิ แมัล้งต'างๆ

" บ�มั " ใชุ�ระบบค์วบค์!มัอ�เล้ค์ทรอน�ค์สิแบบง'าย ๆ ท�.เร�ยกว'า " เค์ร(อข่'ายใยปัระสิาท ( Nervous Network) " แทนไมัโค์รโปัรเซึ่สิเซึ่อร ซึ่,.งเปั6นชุ!ดิทรานซึ่�สิเตอรหัล้าย ๆ ต�ว ท�.สิามัารถึร�บ - สิ'งข่�อมั2ล้ จากโค์รงสิร�างต�วหั!'น

แล้ะการเค์ล้(.อนไหัว ถึ�าข่าข่�างใดิสิะดิ!ดิมัอเตอรไฟฟ=า จะเก�ดิแรงหัน'วง แล้ะปัร�บเปัล้�.ยนวงจรไฟฟ=า ท/าใหั�ข่าข่�างน�5น ก�าวไปัทางอ(.นท�นท�

BEAM

เข่�ยนโปัรแกรมัเพ(.อร�บอ�นพ!ทแพทเท�รนข่องต�วเล้ข่ในร2ปับ�ตแมัพ เปั6นภาพข่าวดิ/า ข่นาดิแพทเท�รน 16 จ!ดิ16 พ�กเซึ่ล้ ใชุ�ต�วเล้ข่ต�วพ�มัพใหัญ่' ต�วพ�มัพเล้7ก ต�วพ�มัพเอ�ยงซึ่�าย แล้ะต�วพ�มัพเอ�ยงข่วารวมัท�5งสิ�5น 33 แพทเท�รน ใชุ�เปั6นฐานข่�อมั2ล้ในการสิอน จากน�5นท/าการก/าหันดิน/5าหัน�ก ,ค์'าไบแอสิ , Layer , ฟ�งกชุ�นต'าง ๆ แล้ะ เอาทพ!ท ท�.เหัมัาะสิมั แล้�วจะไดิ�ค์'าออกมัาค์'าหัน,.ง จากน�5นน/าอ�นพ!ทท�.ต�องการตรวจสิอบ มัา Simulate เปัร�ยบเท�ยบก�นว'ามั�ค์'าใกล้�เค์�ยงก�บค์'าใดิ เมั(.อ Simulate แล้�วไดิ�ค์'าใดิออก มัาก7ท/าการโหัล้ดิแพทเท�รนตอบน�5นออกมัาแสิดิง

การร 'จ(าต่+วเลุ่ข่ 0-9 โดยใชิ'น�วรอลุ่เน0ต่เว�ร#ค

เข่�ยนโปัรแกรมัเพ(.อร�บอ�นพ!ทแพทเท�รนข่องล้ายเซึ่7นตในร2ปับ�ตแมัพ เปั6นภาพสิ� ข่นาดิแพทเท�รน 48 x 16 พ�กเซึ่ล้ ใชุ�แพทเท�รนข่นาดิ 48 x 16 พ�กเซึ่ล้ จ/านวน 16 ล้ายเซึ่7นใชุ�เปั6นฐานข่�อมั2ล้ในการสิอน จากน�5นท/าการก/าหันดิน/5าหัน�ก ,ค์'าไบอ�สิ , Layer , ฟ�งกชุ�นต'าง ๆ แล้ะ เอาทพ!ท ท�.เหัมัาะสิมั แล้�วจะไดิ�ค์'าออกมัาค์'าหัน,.ง จากน�5นน/าอ�นพ!ทแพทเท�รนข่นาดิ 48 x 16 พ�กเซึ่ล้ 100 x 32 พ�กเซึ่ล้ แล้ะ 300 x 100 พ�กเซึ่ล้ จ/านวนท�5งหัมัดิ 150 แพทเท�รน มัา Simulate เปัร�ยบเท�ยบก�นว'ามั�ค์'าใกล้�เค์�ยงก�บค์'าใดิ เมั(.อ Simulate แล้�วไดิ�ค์'าใดิออกมัาก7ท/าการโหัล้ดิแพทเท�รนค์/าตอบน�5นออกมัาแสิดิง

การร 'จ(าลุ่ายเซ0นต่#

ใชิ'เคร�อข่�ายประสาทท(าไม ? เค์ร(อ ข่'ายปัระสิาทท�.มั�ค์วามัสิามัารถึท�.โดิดิเดิ'นข่องพวก

เข่าเพ(.อสิ(บค์วามัหัมัายจากข่�อมั2ล้ท�. ซึ่�บซึ่�อนหัร(อไมั'แน'ชุ�ดิสิามัารถึน/ามัาใชุ�ในการสิก�ดิร2ปัแบบแล้ะตรวจสิอบแนวโน�มัท�.มั� ค์วามัซึ่�บซึ่�อนเก�นกว'าท�.จะสิ�งเกตเหั7นโดิยมัน!ษ์ยหัร(อเทค์น�ค์ค์อมัพ�วเตอรอ(.น ๆ โค์รงข่'ายปัระสิาทเท�ยมัท�.ผ'านการอบรมัสิามัารถึค์�ดิข่องการเปั6นผ2�เชุ�.ยวชุาญ่ดิ�าน "" ในหัมัวดิหัมั2'ข่องข่�อมั2ล้ท�.จะไดิ�ร�บการว�เค์ราะหั ผ2�เชุ�.ยวชุาญ่ดิ�านน�5น� 5นจะสิามัารถึใชุ�เพ(.อใหั�ไดิ�ร�บการค์าดิการณสิถึานการณใหัมั'ท�.น'าสินใจแล้ะค์/าตอบ "สิ�.งท�.ถึ�า " ค์/าถึามั ข่�อดิ�อ(.น ๆ ไดิ�แก'

ใชิ'เคร�อข่�ายประสาทท(าไม ? 1. ปัร�บการเร�ยนร2 �ค์วามัสิามัารถึในการเร�ยนร2 �ว�ธิ�การดิ/าเน�น

งานบนพ(5นฐานข่องข่�อมั2ล้ท�.ไดิ�ร�บการฝีEกอบรมัหัร(อมั�ปัระสิบการณเร�.มัต�น

2. ดิ�วยตนเอง Organisation: ANN สิามัารถึสิร�างองค์กรข่องต�วเองหัร(อการแสิดิงข่องข่�อมั2ล้ท�.ไดิ�ร�บในชุ'วงเวล้าการเร�ยนร2 �

3. การใชุ�งานแบบ Real Time: ค์/านวณ ANN อาจจะดิ/าเน�นการในแบบค์2'ข่นานแล้ะอ!ปักรณฮารดิแวรพ�เศษ์ท�.ถึ2กออกแบบแล้ะผล้�ตท�. ใชุ�ปัระโยชุนจากค์วามัสิามัารถึน�5

4.ยอมัร�บค์วามัผ�ดิพล้าดิท�.ผ'านการเข่�ารหั�สิข่�อมั2ล้ท�.ซึ่/5าซึ่�อน :ท/าล้ายบางสิ'วนข่องเค์ร(อข่'ายน/าไปัสิ2' การเสิ(.อมัสิภาพท�.สิอดิค์ล้�องก�นข่องผล้การ ดิ/าเน�นงาน แต'บางค์วามัสิามัารถึข่องเค์ร(อข่'ายอาจถึ2กเก7บร�กษ์าไว�ไดิ�แมั�จะมั�ค์วามัเสิ�ยหัายเค์ร(อข่'าย

สรป โล้กค์อมัพ�วเตอรมั�จ/านวนมัากท�.จะไดิ�ร�บเค์ร(อข่'ายปัระสิาท Fron

ค์วามัสิามัารถึข่องพวกเข่าท�.จะเร�ยนร2 �จากต�วอย'างท�.ท/าใหั�พวกเข่ามั�ค์วามัย(ดิหัย!'นมัากแล้ะมั�ปัระสิ�ทธิ�ภาพ นอก จากน�5ย�งมั�ค์วามัต�องการท�.จะปัระดิ�ษ์ฐอ�ล้กอร�ท,มัเพ(.อดิ/าเน�นงานท�.เฉพาะ เจาะจงไมั'มั� ; ค์(อมั�ค์วามัจ/าเปั6นท�.จะต�องเข่�าใจกล้ไกภายในข่องงานท�.ไมั'มั� พวกเข่าย�งมั�ดิ�มัากเหัมัาะสิ/าหัร�บระบบเวล้าจร�งเพราะรวดิเร7ว responseand ค์ร�5งการค์/านวณข่องพวกเข่าท�.เก�ดิจากสิถึาปั�ตยกรรมัแบบข่นานข่องพวกเข่า

เค์ร(อข่'ายปัระสิาทย�งน/าไปัสิ2'พ(5นท�.อ(.น ๆ ข่องการว�จ�ยเชุ'นปัระสิาทว�ทยาแล้ะจ�ตว�ทยา พวกเข่าจะใชุ�อย'างสิมั/.าเสิมัอเพ(.อสิร�างแบบจ/าล้องบางสิ'วนข่องสิ�.งมั�ชุ�ว�ตแล้ะการตรวจสิอบกล้ไกภายในข่องสิมัอง

สรป บางท�อาจจะเปั6นแง'มั!มัท�.น'าต(.นเต�นท�.สิ!ดิข่องเค์ร(อข่'าย

ปัระสิาทเปั6นไปัไดิ�ว'าบางว�นเค์ร(อข่'าย 'consious' อาจจะมั�การผล้�ต มั�จ/านวนข่องน�กว�ทยาศาสิตรเถึ�ยง Conciousness ว'าเปั6นสิถึานท�.ใหั�บร�การ 'กล้ ' แล้ะท�. 'consious' เค์ร(อข่'ายปัระสิาทท�.มั�ค์วามัเปั6นไปัไดิ�จร�ง

สิ!ดิ ท�ายผมัอยากจะชุ�5ใหั�เหั7นว'าถึ,งแมั�ว'าเค์ร(อข่'ายปัระสิาทมั�ศ�กยภาพมัากท�.เราจะไดิ� ร�บสิ�.งท�.ดิ�ท�.สิ!ดิข่องพวกเข่าเมั(.อพวกเข่าก/าล้�ง intergrated ก�บค์อมัพ�วเตอร AI, ตรรกศาสิตรแล้ะว�ชุาท�.เก�.ยวข่�อง

THE END