GVHD: TS. Phạm Trần Vũ HVTH: Thái Trung Hải TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN    Sử dụng mạng neural trong việc dự đoán kết quả đậu đại học NỘI DUNG CHÍNH Phần I: Tổng quan về mạng neural Phần II: Giới thiệu về mạng neural đa lớp truyền thẳng và giải thuật lan truyền ngược. Phần III: Ứng dụng mạng neural xây dựng chương trình dự đoán điểm và khối thi đại học. Tổng quan về mạng neural Định nghĩa Neural nhân tạo Neural nhân tạo (ANN - Artificial Neural Networks) là sự mô phỏng lại một cách đơn giản nhất của neural sinh học. Mỗi một neural nhân tạo được tạo ra sẽ có nhiệm vụ tổng hợp các thông tin đầu vào và chuyển đổi thành thông tin một tín hiệu ở đầu ra. Mô hình cấu trúc một Neural với đầu vào là đại lƣợng vô hƣớng Đầu vào một neural có thể là các đại lượng vô hướng (p) hoặc có hướng, các đại lượng này được nhân với các trọng số (w) tương ứng của nó mà trên từng neural có sẵn và có thể cộng thêm một ngưỡng (b) (bias) (thường b=1). a = F(wp) Neural không ngưỡng F(x ) P W n a a = F(wp+b) Neural có ngưỡng F(x ) P W n a b Hình 1.2. Cấu trúc một Neural với ngõ vào vô hướng Cấu trúc một Neural với vectơ nhập bpwn  Một neural với vector nhập p = [p1, p2,…., pR], trọng số W = w1,1, w1,2, …. W1,R, ngưỡng b và hàm truyền f. Tổng đối số và ngưỡng tạo ở ngõ ra n là: Hay F(x) n a = F(wp+b) Neural có ngưỡng Pi Wij a b Hình 1.3. Cấu trúc một neural với vectơ nhập Định nghĩa Mạng Neural nhân tạo Mạng neural nhân tạo là sự liên kết giữa các neural nhân tạo với nhau. Mỗi liên kết giữa các neural đi kèm theo một trọng số nào đó mang một tính đặc trưng là tính kích thích hay ức chế giữa các neural. Các neural còn được gọi là các nút (node). Các nút này được sắp xếp theo một thứ tự nhất định trong mạng và được chia thành ba lớp. Lớp đầu vào (input player), lớp đầu ra (output player) và lớp ẩn (hiden layer). Mô hình mạng nhiều lớp Neural Hình 1.5. Mô hình mạng nhiều lớp neural  Chức năng phân loại mẫu: Phân loại mẫu là sự phân chia các mẫu ra thành các nhóm khác nhau, các nhóm này sẽ có chung một số đặc điểm nhất định nào đó  Học và tổng quát hóa: Học là việc mạng neural thu thập đƣợc các thông tin, các mẫu, các tri thức ở đầu vào và các thông tin, các mẫu, các tri thức tƣơng ứng ở đầu ra và mạng có thể học để phân loại đƣợc chúng cho thật là chính xác. Một số chức năng của mạng neural nhân tạo Kiến trúc mạng neural nhân tạo Kiến trúc mạng neural nhân tạo được xác định bởi:  Số lượng các tín hiệu đầu vào/ đầu ra  Số lượng tầng trong mạng  Số lượng các neural trong mỗi tầng  Số lượng các trọng số (các liên kết) đối với mỗi neural  Cách liên kết giữa các neural (trong một tầng hoặc giữ các tầng) với nhau.  Những neural nhận các tín hiệu điều chỉnh lỗi. [...]... trên 80% học sinh thi vào đại học là khối A, A1; 70% học sinh thi vào các khối thi B, D1 Có 99% học sinh lựa chọn các môn Toán, Lý, Hóa, Sinh, Anh văn, Ngữ văn để thi vào các trường đại học Xây dựng neural Dựa vào các nhân tố ảnh hưởng đến kết quả thi đại học như điểm Văn, Toán, Lý, Hóa, Sinh, Anh ta xây dựng neural gồm có 13 đầu vào và 1 đầu ra như sau: Hình 3.1 Neural nhân tạo Xây dựng mạng neural. .. Tính độ chuẩn xác của chƣơng trình Giả sử ta có n mẫu học sinh cần dự đoán với kết quả thật lần lượt là A1 , A2 , An Kết quả dự đoán lần lượt là B1 , B2 , Bn A1  A1  B1 Đại lượng sai số mỗi lần dự đoán kết quả theo mẫu: A2  A1  B2 Sai số trung bình của n mẫu dự đoán được tính là : An  An  Bn n    2    n  1  n Trung bình các mẫu được dự đoán:  i 1 i n n A  A2   An A 1... Điểm thi đại học … Trường đậu … Hàm dự báo  Bước 1: Đọc các trọng số của mạng neural từ file dữ liệu data.txt có được từ quá trình huấn luyện  Bước 2: Đọc dữ liệu (là các nhân tố cần biết để dự đoán từ người dùng), sau đó cho vào mạng neural để tính toán  Bước 3: Cuối cùng là thu dữ liệu đầu ra từ mạng neural (điểm thi tốt nghiệp, điểm thi đại học và nhóm trường sẽ đậu) Mẫu Input dùng để dự đoán STT... tương đối của tập dự đoán so với tập mẫu: Độ chuẩn xác của kết quả dự đoán: Q  100  E  E   100% A Kết quả tính độ chuẩn xác của chƣơng trình Trung bình điểm tốt nghiệp Trung bình điểm thi đại học Trung bình sai số điểm tốt nghiệp Trung bình sai số điểm đại học Độ chính xác điểm tốt nghiệp Độ Chính xác điểm đại học 48.64 18.06 2.228 2.253 95.42% 87.52% 86.17% Độ chính xác trƣờng sẽ đậu ... Chƣơng III: ỨNG DỤNG MẠNG NEURAL XÂY DỰNG CHƢƠNG TRÌNH DỰ ĐOÁN ĐIỂM VÀ KHỐI THI ĐẠI HỌC Thông tin về trƣờng THPT Long Khánh  Trường THPT Long Khánh được thành lập năm 1967 Từ ngày thành lập đến nay trường không ngừng phát triển và đã trở thành một trong những trường trọng điểm của tỉnh Đồng Nai Năm học 2009 – 2010 và 2011 – 2012 trường đã lọt vào top 200 trường có điểm trung bình thi vào đại học và cao... khi đó các synapse có tác dụng kiềm chế hơn là kích hoạt neural Tín hiệu được truyền qua hàm kích hoạt (hay gọi là hàm truyền) tạo ra giá trị ngõ ra neural Xi Wi F(net) Hình 1.7 Cấu tạo 1 neural Các phƣơng pháp học trong ANN  Học có giám sát (Supervised Learning)  Học không có giám sát (Unsupervised Learning)  Học tăng cƣờng (Hydrid Learning) Chƣơng II GIỚI THIỆU MẠNG NEURAL ĐA LỚP TRUYỀN THẲNG... tầng phía trước)  Mạng phản hồi (feedback network): nếu có đầu ra của một nút liên kết ngược lại làm các đầu vào của một nút thuộc cùng tầng (hoặc thuộc một tầng phía trước)  Mạng hồi quy (recurrent network): nếu các mạng phản hồi có các vòng lặp kín (closed loops) Hoạt động của một mạng neural Mỗi neural nhận dữ liệu đầu vào (từ dữ liệu gốc hoặc từ các neural khác trong mạng) Mỗi kết nối đến ngõ vào... về mạng neural đa lớp truyền thẳng(Multilayer Perceptrons - MLP) ANN là mô hình học từ dữ liệu có trước dựa trên cơ chế tổ chức và xử lý thông tin giống trong bộ não người Thông qua quá trình học các mẫu dữ liệu trong tập dữ liệu cho trước thu thập được, ANN tự thay đổi chính minh và càng lúc càng tích lũy thêm nhiều kinh nghiệm để giải quyết tất cả các vấn đề Kiến trúc mạng  Mạng Perceptron là mạng. .. layer): phát tín hiệu ra khi mạng cho ra kết quả “đáp lại” tín hiệu nhận từ lớp đầu vào - Tầng ẩn (hidden layer): đóng vai trò như bộ lọc “thông minh” Input bias Hidden layer Hidden output Output Hình 1.6 Ví dụ một ANN với 1 tầng ẩn Các dạng mạng neural của một ANN  Mạng liên kết đầy đủ (fully connected): nếu mọi đầu ra từ một tầng liên kết với mọi neural của tầng kế tiếp  Mạng lan truyền tiến (feedforward... neural gồm có 13 đầu vào và 1 đầu ra như sau: Hình 3.1 Neural nhân tạo Xây dựng mạng neural Hình 3.2 Mạng neural nhân tạo Xây dựng chƣơng trình Chương trình gồm hai phần chính: + Xây dựng hàm huấn luyện + Xây dựng hàm dự đoán Hàm huấn luyện i . TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA CÔNG NGHỆ THÔNG TIN    Sử dụng mạng neural trong việc dự đoán kết quả đậu đại học NỘI DUNG CHÍNH Phần I: Tổng quan về mạng neural Phần II: Giới thiệu về mạng. mạng neural đa lớp truyền thẳng và giải thuật lan truyền ngược. Phần III: Ứng dụng mạng neural xây dựng chương trình dự đoán điểm và khối thi đại học. Tổng quan về mạng neural Định nghĩa Neural. mạng neural nhân tạo Kiến trúc mạng neural nhân tạo Kiến trúc mạng neural nhân tạo được xác định bởi:  Số lượng các tín hiệu đầu vào/ đầu ra  Số lượng tầng trong mạng  Số lượng các neural