Tiêu đề [Exercise] MLP ✅

BÀI TẬP MLP (MULTI-LAYER PERCEPTRON) Dưới đây là các bài tập theo hình thức tính toán trên giấy (không viết code) dựa trên nội dung về MLP (Multi-Layer Perceptron) dùng cho bài toán phân lớp dữ liệu, giúp người học hiểu rõ hơn về cách thức hoạt động, quá trình huấn luyện và cách ứng dụng của MLP. Các bài tập được thiết kế theo lộ trình: a. Xác định cấu trúc mạng và thông số b. Lan truyền tiến c. Tính hàm mất mát d. Lan truyền ngược (chain rule) e. Cập nhật tham số f. So sánh kết quả trước và sau cập nhật g. Thực hành trên nhiều mẫu h. Phân tích ảnh hưởng của tốc độ học i. Thảo luận ứng dụng thực tiễn ● Khi hoàn thành, người học sẽ: a. Hiểu rõ từng bước tính toán trong huấn luyện MLP. b. Hiểu được vai trò của hàm kích hoạt (ReLU, sigmoid), hàm mất mát (binary cross-entropy). c. Biết cách tính gradient và cập nhật tham số. d. Biết vận dụng MLP cho các bài toán phân lớp nhị phân. ─────────────────────────────────────────────── BÀI TẬP 1: HIỂU CẤU TRÚC VÀ XÁC ĐỊNH CÁC THÀNH PHẦN CƠ BẢN ─────────────────────────────────────────────── Mục tiêu: Ôn lại cấu trúc cơ bản của một mạng MLP chuyên dùng cho phân lớp nhị phân. 1. Mô tả: o Cho một MLP như sau: ▪ Số đầu vào: 3