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.
