Artificial neural network classification of microarray data using new hybrid gene selection method

Artificial Neural Network Classification of High Dimension Data with Novel Optimisation Approach of Dimension Reduction

อีกหนึ่งของ Neural Network ที่คิดค้นเพื่อแก้ปัญหา Very High Dimension Input Feature Space ในบทความนี้ผู้เขียนจะกล่าวถึง Neural Network ของนักวิจัยชาวอินเดีย Rabia Aziz, C.K. Verma, Manoj Jha และ Namita Srivastava แห่ง Department of Mathematics and Computer Application, Maulana Azad National Institute of Technology

Learning Algorithms ของ Neural Network ใหม่นี้ มี 2 ส่วนที่แตกต่างจะ Neural Network ทั่วไป (a new hybrid gene selection method of neural network) กล่าวคือ Neural Network นี้ถูกออกแบบใหม่เพื่อใช้ในงานด้าน Bioinformatics และลดปัญหา Very High Dimension Input Feature Space ใน DNA Microarray Data โดยส่วนที่แตกต่างในส่วนที่ 1 คือ Extraction Technique โดยในส่วนนี้ Algorithm ใหม่ที่ใช้คือ Independent Component Analysis (ICA) และส่วนที่แตกต่างในส่วนที่ 2 คือ Optimisation Technique โดยใช้ Artificial Bee Colony (ABC) และ Neural Network มีรูปแบบการทำงานเป็น Supervised Learning และประยุกต์ในการสร้างแบบจำลองการจำแนกข้อมูล Cancer Classifier สำหรับงานด้าน Bioinformatics ในการแก้ปัญหา Gene Selection ของ DNA Microarray Data

บรรณานุกรม

Rabia Aziz, C.K. Verma, Manoj Jha and Namita Srivastava,"Artificial Neural Network classification of microarray data using new hybrid gene selection method", International Journal of Data Mining and Bioinformatics, Vol. 17, No.1, 2017, pp.42-65. 

Text Adaptive Resonance Theory Neural Network

Text Adaptive Resonance Theory Neural Network

Neural Networks หรือ Artificial Neural Networks นั้นเป็น subset หนึ่งของการศึกษา Artificial Intelligence และ Machine Learning โดย Neural Network นั้นคือการศึกษากระบวนการทำงานของโครงข่ายประสาทมนุษย์แล้วทำการแปลงรูปแบบการทำงานของโครงข่ายประสาท (Neuron) เป็นแบบจำลองทางอัลกอริทึมส์ (Learning Algorithms) ที่เรียกว่าโครงข่ายประสาทเทียม (Artificial Neural Networks) โดย Neural Networks มีอัลกอริทึมส์ที่หลากหลาย แต่สามารถแบ่งประเภทของ Neural Networks ตามหลักการของ Machine Learning ได้ 2 ประเภท คือ (1) Unsupervised Learning และ (2) Supervised Learning สำหรับในบทความนี้ ผู้เขียนจะกล่าวถึง Text Adaptive Resonance Theory Neural Network โดย Neural Network นี้เป็นวิทยานิพนธ์ (Thesis) ของผู้เขียนขณะทำการศึกษาปริญญาโท ณ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง เมื่อ 20 ปีก่อน (พ.ศ.2543-2546)

Text Adaptive Resonance Theory Neural Network เป็น Neural Network ที่มีอัลกอริทึมส์ (Learning Algorithms) แบบ Unsupervised Learning กล่าวคือเป็น Neural Network ที่ใช้การเรียนรู้แบบไม่มีผู้สอนและใช้การเรียนรู้โดยอาศัยการวัดค่าความคล้ายคลึง (Similarity Measure) เพื่อจดจำและแยก Input Pattern Feature ของสิ่งที่กำลังเรียนรู้ โดยสิ่งที่พิเศษและแตกต่างจาก Unsupervised Learning of Neural Networks ตัวอื่นๆ ก็คือ Text Adaptive Resonance Theory Neural Network จะรับ Input Pattern Feature ที่เป็น Text โดยตรง ซึ่ง Neural Network ทั่วไปจะรับ Input Pattern Fearture ที่เป็นข้อมูลตัวเลข (Numberical Feature Value) ดังนั้น Text Adaptive Resonance Theory Neural Network จึงเป็น Neural Network ที่รับ Input Pattern Feature ที่เป็นข้อมูลไม่ใช่ตัวเลข (non-numberical fearture value) ทำให้ลดปัญหา Very high dimension input feature space ที่เกิดขึ้นใน Neural Network ทั่วไป เมื่อทำการแปลงข้อมูล Text (Data Representative) ให้เป็นข้อมูลตัวเลขก่อนนำเป็น Input Pattern Feature โดยใช้  Dimensionality Reduction Technique แบบ Cartesian product of input features สำหรับ Text Adaptive Resonance Theory Neural Network นั้นมีองค์ประกอบเฉพาะแบ่งเป็น 3 ส่วน คือ (1) Feature Type of Weights (2) Similarity Measure และ (3) Learning Algorithm/Weight Adjustment

สรุป Text Adaptive Resonance Theory Neural Network เป็น Neural Network สำหรับ Automatic Text Processing มีการเรียนรู้แบบ Unsupervised Learning เพื่อใช้งานด้าน Document Clustering และสามารถประมวลผลข้อมูลและรับข้อมูล Text โดยตรง และเป็นการแก้ปัญหา Very high dimension input feature space ในขอบเขตการศึกษาของ Document Clustering นอกจากนี้แล้ว มีการศึกษาค้นคว้า Neural Networks แบบใหม่ที่สามารถลดปัญหา Very high dimension input feature space 

บรรณานุกรม

1. Worapoj Kreesuradej and Norraseth Chantasut, "A Text Processing Adaptive Resonance Theory Neural Network,"Proceedings of the 2002 Artificial Neural Network In Engineering Conference, Volume 12, St. Louis, Missouri, USA, November 10-13, 2002, pp.625-630, ISBN. 0-7918-0191-8.

2. Worapoj Kreesuradej, Warune Kruakai, and Norraseth Chantasut,"Clustering Text Data Using Text ART Neural Network," WSEAS Transactions on Systems , Issue 1, Volume 3, 2004, pp. 200-205, ISSN. 1109-2777.

เตรียมตัวกลับมาเขียนบล็อคใหม่อีกครั้ง

 เตรียมตัวกลับมาเขียนบล็อคใหม่อีกครั้ง 

ปัจจุบัน ผมอายุ 46 ปี ตั้งแต่ทำงานมา 10 กว่าปี (ขอสงวนอาชีพ) ก็เริ่มรู้สึกเบื่องาน ไม่อยากมาทำงานและเบื่อที่จะเรียนรู้งาน จึงอยากจะลาออกจากงาน แต่ก็ได้ปรึกษาพี่ๆ ที่ทำงาน ซึ่งผมได้รับคำแนะนำมา คือ หากลาออกจากงานแลัวมีอะไรรองรับ แล้วสิ่งที่อยากทำเมื่อลาออกจากงานไปคืออะไร จากคำถามเหล่านี ผมใช้เวลา 2 วัน ในการค้นหาคำตอบ สุดท้ายก็ได้คำตอบว่า หากผมลาออกจากงาน ผมจะไปเขียนบทความในบล็อคเดิมที่ผมเคยทำไว้ เมื่อ 10 ปีก่อน (ไม่เคยมีรายได้จากบล็อคเลย) โดยคิดว่าจะเขียนบทความในด้านเศรษฐกิจหรือเทคโนโลยีเป็นเนื้อหาหลัก เพราะผมลงทุนในหุ้นไทย หลังจากได้ให้คำตอบพี่เขาไปแล้ว คำแนะนำจากพี่คือ ให้ไปคุยกับหัวหน้าฝ่ายบุคคล โดยหัวหน้าฝ่ายบุคคลเมื่อทราบเรื่องแล้ว จึงได้แนะนำว่า ให้ผมนั่งอยู่เฉยๆ อย่าย้ายงาน อย่าลงจากตำแหน่ง และอย่าลาออก ส่วนการเขียนบล็อค สามารถทำได้เมื่อมีเวลาว่าง ไม่จำเป็นต้องลาออก แล้วอย่าคิดลาออกอีก 

เมื่อผมได้รับทราบตามข้างต้น ผมก็เริ่มต้นโดยการนั่งนิ่งๆ ที่โต๊ะทำงานตัวเอง ควบคุมอาการคิดมาก จนกระทั้งผมได้เปิดโปรแกรมเข้าระบบบล็อคเก่าที่ผมได้ทำไว้ ซึ่งก็คือ norraseth.blogspot.com และนี้คือโพสแรกในรอบ 10 ปี ในการเขียนบล็อค หลังจากนี้ ผมจะทะยอยเขียนบล็อคตามความสนใจ เพื่อสนองความต้องการส่วนตัวต่อไป หวังว่าจะมีผู้ติดตามบล็อคนี้ นะครับ