ĐỒ ÁN CƠ SỞ ĐỀ TÀI: MẠNG NEURAL NHÂN TẠO ĐỂ DỰ ĐOÁN CHIỀU HƯỚNG TỶ LỆ DÂN SỐ TẠI VIỆT NAM

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ ĐỀ TÀI mạng neural nhân tạo để dự đoán chiều hướng tỷ lệ dân số tại Việt Nam Giảng viên hướng dẫn ThS Vương. Chương I: khái niệm, các thức tạo mạng Neural nhận tạo nhiều lớp. 1. Mạng Neural tự nhiên 1.1. Khái niệm mạng Neural tự nhiên Bộ não được biết đến như là một máy tính phức hợp, phi tuyến và tính toán song song với hơn 〖10〗11 nơron thần kinh, 〖10〗14 kết nối giữa các nơron thần kinh Hình 1. 1 Mạng neural tự nhiên 1.2. Cấu trúc mạng Neural Thân tế bào: là chỗ phình to của neural. Bao gồm nhân tế bào, lưới nội sinh chất, ty thể, ribosom, lysosom, bộ máy Golgi, tơ thần kinh, ống siêu vi và các bào quan khác. Thân tế bào cung cấp dinh dưỡng cho neuron, có thể phát sinh xung động thần kinh và có thể tiếp nhận xung động thần kinh từ nơi khác truyền tới neuron. Sợi nhánh, còn gọi là đuôi gai: là các tua ngắn mỏng manh mọc ra từ thân tế bào. Mỗi Neural đều có nhiều đuôi gai, mỗi đuôi gai được chia thành nhiều nhánh. Chúng có chức năng tiếp nhận các xung thần kinh từ tế bào khác, truyền chúng tới thân tế bào. Đây là tín hiệu hướng tâm. Tác động của các xung này có thể là kích thích hoặc ức chế Sợi trục: sợi đơn dài mang thông tin từ thân tế bào và chuyển đến các tế bào khác. Đường kính của các sợi trục thường có kích thước khác nhau, dao động từ từ 0,5 μm – 22 μm. Dọc sợi trục được bao bọc bởi một lớp vỏ myelin, tạo thành bởi các tế bào Schwann. Bao myelin không liền mạch mà được chia thành từng đoạn. Giữa các bao myelin là các eo Ranvier. Khoảng cách giữa 2 eo Ranvier khoảng 1,5 – 2 mm. Còn diện tích tiếp xúc giữa các nhánh nhỏ phân từ cuối sợi trục của nơron này với sợi nhánh của nơron khác hoặc các cơ quan thụ cảm được gọi là Synapse (khớp thần kinh).

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ ĐỀ TÀI: MẠNG NEURAL NHÂN TẠO ĐỂ DỰ ĐOÁN CHIỀU HƯỚNG TỶ LỆ DÂN SỐ TẠI VIỆT NAM Giảng viên hướng dẫn: ThS Vương Xuân Chí Sinh viên thực hiện: Lê Trương Thanh Vũ MSSV: 2000004091- Chuyên ngành: Khoa học liệu Môn học: Đồ Án Cơ Sở Khoa Học Dữ Liệu Khóa: 2020 Tp.Hồ Chí Minh, 22 tháng 09 năm 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ ĐỀ TÀI: MẠNG NEURAL NHÂN TẠO ĐỂ DỰ ĐOÁN CHIỀU HƯỚNG TỶ LỆ DÂN SỐ TẠI VIỆT NAM Giảng viên hướng dẫn: ThS Vương Xuân Chí Sinh viên thực hiện: Lê Trương Thanh Vũ MSSV: 2000004091- Chuyên ngành: Khoa học liệu Môn học: Đồ Án Cơ Sở Khoa Học Dữ Liệu Khóa: 2020 Tp.Hồ Chí Minh, 22 tháng 09 năm 2022 Trường Đại học Nguyễn Tất Thành CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc Khoa Công Nghệ Thông Tin         NHIỆM VỤ ĐỒ ÁN CƠ SỞ Họ tên: Lê Trương Thanh Vũ MSSV: 2000004091 Chuyên ngành: khoa học liệu Lớp: 20DTH2A Email: khoali1233@gmail.com SĐT: 0945761208 Tên đề tài: mạng neural nhân tạo để dự đoán chiều hướng tỷ lệ dân số Việt Nam Giảng viên hướng dẫn:Vương Xuân Chí Thời gian thực hiện: 20/06/2022 đến 20/09/2022 MƠ TẢ ĐỀ TÀI: Dự đốn toán khoa học sở sử dụng chuỗi liệu theo quy luật đó, có nhiều phương pháp dự đoán toán học Sử dụng khả nguyên tắc để ứng dụng thành công mạng Neural nhân tạo việc dự đoán tỉ lệ chiều hướng tăng dân số NỘI DUNG VÀ PHƯƠNG PHÁP: - Nghiên cứu khái niệm, thức tạo mạng Neural nhận tạo nhiều lớp - Tìm hiểu đặc trưng mạng Neural nhân tạo, bước thiết kế mơ hình mạng Neural - Ứng dụng mạng Neural sử dụng mơ hình ANNs vào toán dự đoán tỉ lệ dân số Việt Nam -Kết luận YÊU CẦU: - Có kiến thức, đam mê, hiểu biết công nghệ Mạng neural, Machine Learning, Deep Learning… Đọc hiểu tài liệu tiếng Anh, kỹ trình bày văn máy tính tốt - Có tác phong làm việc chăm chỉ, tinh thần trách nhiệm cao, có khả làm việc độc lập làm việc nhóm tốt ội dung yêu cầu thông qua Bộ môn TP.HCM, ngày tháng năm TRƯỞNG BỘ MÔN GIÁO VIÊN HƯỚNG DẪN (Ký ghi rõ họ tên) (Ký ghi rõ họ tên) LỜI CẢM ƠN Để hồn thành khóa luận này,chúng em xin tỏ lòng biết ơn sâu sắc đến thầy Vương Xn Chí tận tình hướng dẫn truyền đạt kiến thức nhiều suốt trình tìm hiểu nghiên cứu hồn thành khóa luận từ lý thuyết đến ứng dụng thực tiễn Sự hướng dẫn thầy giúp em có thêm kiến thức mạng neural cách sâu sắc để Thơng qua chúng em làm đồ án cách tốt Với kiến thức quý báu mà thầy dạy Hôm chúng em tự tin làm đề tài nho nhỏ mạng neural nhân tạo để dự đoán chiều hướng tỷ lệ dân số Việt Nam Một lần em xin trân trọng cảm ơn! LỜI MỞ ĐẦU Từ đời, máy tính nhanh chóng phát triển đóng vai trị quan trọng nghiên cứu khoa học kỹ thuật đời sống Nhưng máy tính dù có mạnh đến đâu nữa, làm việc theo chương trình hoạch định sẵn lập trình viên.Nó khơng có khả liên tưởng, kết nối việc với việc khác, quan trọng hết khả sáng tạo người Vì lý ,mạng neural (Artificial neural networks ) đời từ mục đích cố gắng mơ hoạt động trí tuệ người.Từ đời, mạng neural nhanh chóng phát triển lĩnh vực nhận dạng ,phân loại , giảm nhiễu, dự đốn… Để tránh tình trạng gia tăng dân số cách đột biến nước ta ứng dụng mạng neural lĩnh vực dự đoán dân số vô quan trọng TRƯỜNG ĐH NGUYỄN TẤT THÀNH KỲ THI KẾT THÚC HỌC PHẦN TRUNG TÂM KHẢO THÍ HỌC KỲ III NĂM HỌC 2021 2022 PHIẾU CHẤM THI TIỂU LUẬN/ĐỒ ÁN Môn thi: Đồ án sở Khoa học liệu Lớp học phần: 20DTH1D Nhóm sinh viên thực hiện: 1.Phạm Nguyễn Xn Trình Tham gia đóng góp: 50% 2.Lê Trương Thanh Vũ Tham gia đóng góp: 50% Ngày thi: Phòng thi: Đề tài tiểu luận/báo cáo sinh viên: Tìm hiểu giải thuật di truyền ứng dụng Phần đánh giá giảng viên (căn thang rubrics mơn học): Tiêu chí (theo CĐR HP) Cấu trúc báo cáo Nội dung  Các nội dung thành phần  Lập luận  Kết luận Trình bày TỔNG ĐIỂM Đánh giá GV Điểm tối đa Điểm đạt PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN Điểm giáo viên hướng dẫn: Điểm giảng viên chấm vòng 2: TPHCM, Ngày …… tháng …… năm Giáo viên chấm vòng Giáo viên hướng dẫn Mục lục Chương I: khái niệm, thức tạo mạng Neural nhận tạo nhiều lớp 1 Mạng Neural tự nhiên 1.1 Khái niệm mạng Neural tự nhiên 1.2 Cấu trúc mạng Neural Mạng Neural nhân tạo 2.1 Khái niệm mạng Neural nhân tạo 2.2 Cấu trúc mạng Neural nhân tạo nhiều lớp 2.3 Ứng dụng Neural Network 2.4 Artificial Neural Network gì? 2.5 Đặc điểm Artificial Neural Network gì? .7 2.6 Sử dụng Neural Network nào? .8 2.7 Convolutional Neural Network gì? 2.8 Tổng kết Chương II: đặc trưng mạng Neural nhân tạo, bước thiết kế mơ hình mạng Neural 10 Đặc trưng mạng Neural nhân tạo .10 Các bước thiết kế mơ hình mạng Neural nhân tạo 10 Chương III: Ứng dụng mạng Neural sử dụng mơ hình ANNs vào tốn dự đoán tỉ lệ dân số Việt Nam 14 Tình hình dân số nước ta 14 Ứng dụng mạng neural vào dự đoán dân số nước ta .14 1.1 thu thập liệu 14 1.2 lựa chọn mơ hình 15 1.3 Kiểm nghiệm kết 15 1.4 kết 15 Chương IV: Kết luận 16 Danh mục bảng biểu Bảng hàm truyền đạt 12 Hình Tế bào Mạng Neural nhân tạo 2.1 Khái niệm mạng Neural nhân tạo Mạng Neural nhân tạo chuỗi thuật toán đưa để tìm kiếm mối quan hệ tập hợp liệu Thông qua việc bắt bước cách thức hoạt động từ não người Nói cách khác, mạng nơ ron nhân tạo xem hệ thống tế bào thần kinh nhân tạo Đây thường hữu nhân tạo chất Hình neural network Neural Network có khả thích ứng với thay đổi từ đầu vào Do vậy, đưa kết cách tốt mà bạn khơng cần phải thiết kế lại tiêu chí đầu Khái niệm có nguồn gốc từ trí tuệ nhân tạo, nhanh chóng trở nên phổ biến phát triển hệ thống giao dịch điện tử 2.2 Cấu trúc mạng Neural nhân tạo nhiều lớp Mạng Neural Network kết hợp tầng perceptron hay gọi perceptron đa tầng Và mạng Neural Network thường bao gồm kiểu tầng là:  Tầng input layer (tầng vào): Tầng nằm bên trái mạng, thể cho đầu vào mạng  Tầng output layer (tầng ra): Là tầng bên phải thể cho đầu mạng  Tầng hidden layer (tầng ẩn): Tầng nằm tầng vào tầng thể cho trình suy luận logic mạng Lưu ý: Mỗi Neural Network có tầng vào tầng lại có nhiều tầng ẩn Hình Mạng neural nhiều lớp Với mạng Neural Network nút mạng sigmoid neural chúng lại có hàm kích hoạt khác Thực tế, người ta thường sử dụng có loại với để việc tính tốn thuận lợi Tại tầng, số lượng nút mạng khác cịn tùy vào tốn cách giải Tuy nhiên, làm việc người ta để tầng ẩn số với số lượng neural khác Ngoài ra, nơron nằm tầng thường liên kết đôi với để tạo thành mạng kết nối đầy đủ Khi đó, người dùng tính tốn kích cỡ mạng dựa vào tầng số lượng nơ ron 2.3 Ứng dụng Neural Network Mạng nơ ron nhân tạo ứng dụng cho nhiều lĩnh vực như: tài chính, giao dịch, phân tích kinh doanh, lập kế hoạch cho doanh nghiệp bảo trì sản phẩm Neural Network cịn sử dụng rộng rãi cho hoạt động kinh doanh khác như: dự báo thời tiết, tìm kiếm giải pháp nhằm nghiên cứu tiếp thị, đánh giá rủi ro phát gian lận Hình Machine learning Nhiều trường hợp sử dụng mạng nơ ron nhân tạo để thực đánh giá khai quật hội giao dịch dựa vào việc phân tích liệu lịch sử Mạng nơron áp dụng phổ biến để phân biệt phụ thuộc phi tuyến lẫn đầu vào Đây vấn đề mà mơ hình phân tích kỹ thuật khác khơng thể đáp ứng Dù vậy, xác việc áp dụng mạng nơron nhân tạo vào dự đốn giá cổ phiếu hồn tồn khác 2.4 Artificial Neural Network gì? Artificial Neural Network mạng neural nhân tạo mơ hình tốn học mơ hình tốn xây dựng thơng qua neural sinh học Nó bao gồm nhóm việc, neural nhân tạo nối hút với xử lý thông tin biện pháp truyền theo kết nối tính tốn giá trị nút Hình Artificial neural network Ở nhiều trường hợp, mạng Artificial Neural Network hệ thống thích ứng tự thay đổi cấu trúc dựa vào thơng tin bên bên chảy qua mạng q trình học Nhiều mạng Artificial Neural Network cịn cơng cụ giúp mơ hình hóa liệu thống kê phi tuyến Chúng cịn sử dụng để mơ hình hóa cho mối quan hệ có tính phức tạp liệu vào kết để kiếm tìm mẫu liệu 2.5 Đặc điểm Artificial Neural Network gì? Trong lĩnh vực tài chính, mạng nơ ron nhân tạo hỗ trợ cho trình phát triển quy trình như: giao dịch thuật toán, dự báo chuỗi thời gian, phân loại chứng khoán, mơ hình rủi ro tín dụng xây dựng báo độc quyền công cụ phát sinh giá Mạng nơ ron nhân tạo hoạt động mạng nơ ron người Mỗi nơ ron thần kinh nơ ron nhân tạo hàm toán học với chức thu thập phân loại thông tin dựa theo cấu trúc cụ thể Neural Network có tương đồng chuẩn mạnh vối phương pháp thống kê đồ thị đường cong phân tích hồi quy Neural Network có chứa lớp bao hàm nút liên kết lại với Mỗi nút lại tri giác có cấu tạo tương tự với hàm hồi quy đa tuyến tính.Bên lớp tri giác đa lớp, chúng xếp dựa theo lớp liên kết với Lớp đầu vào thu thập mẫu đầu vào lớp đầu thu nhận phân loại tín hiệu đầu mà mẫu đầu vào phản ánh lại 2.6 Sử dụng Neural Network nào? Mạng neural nhân tạo có khả sử dụng loại chế xấp xỉ hàm tùy ý mà học từ việc liệu quan sát Tuy nhiên, việc sử dụng chúng khó cần phải có hiểu biết tương đối lý thuyết mạng nơron - Lựa chọn mô hình: Phụ thuộc vào cách trình bày liệu ứng dụng Đây mơ hình phức tạp nên dẫn đến nhiều thách thức cho q trình học - Thuật tốn học: Thường có nhiều thỏa thuận thuật tốn học Và hầu hết, chúng làm việc tốt với tham số nhằm huấn luyện liệu mà khơng nhìn thấy u cầu số lượng đáng kể thử nghiệm - Mạnh mẽ: Nếu mô hình, thuật tốn học hàm chi phí lựa chọn cách thích hợp Neural Network cho kết vô hợp lý Nếu thực xác, bạn sử dụng Neural Network cách tự nhiên ứng dụng vào tập liệu lớn 2.7 Convolutional Neural Network gì? Convolutional Neural Network (CNN) cụm từ dùng để mạng nơ ron tích chập Đây mơ hình Deep Learning tiên tiến cho phép sử dụng hệ thống thông tin với độ xác vơ cao CNN ứng dụng phổ biến toán nhận dạng object ảnh Hình Thuật tốn CNN 2.8 Tổng kết Có thể thấy, Neural Network thành phần quan trọng thiếu sống Nếu hiểu rõ mạng nơ ron nhân tạo giúp bạn ứng dụng sử dụng chúng dễ Chắc rằng, từ thông tin bạn hiểu rõ Neural Network khơng? Đừng quên tìm hiểu kỹ Neural Network để tránh nhầm lẫn với số khái niệm có liên quan khác CHƯƠNG II: CÁC ĐẶC TRƯNG CỦA MẠNG NEURAL NHÂN TẠO, CÁC BƯỚC THIẾT KẾ MƠ HÌNH MẠNG NEURAL Đặc trưng mạng Neural nhân tạo ◼ Mạng neuron nhân tạo không hướng đến phức tạp mạng neuron sinh học ◼ Các điểm giống NN ANN ➢ Việc tạo khối đơn giản ➢ Các kết nối mạng neuron cho phép xác định chức mạng ➢ Có khả học tái tạo Một mạng neural nhân tạo có thành phần : lớp đầu vào, lớp giữa(lớp ẩn), lớp đầu ◼ Mơ hình mạng neuron gồm thành phần ➢ Hệ thống ghép nối thần kinh (synapse) ➢ Bộ cộng ➢ Hàm kích hoạt Các bước thiết kế mơ hình mạng Neural nhân tạo ◼ Lớp đầu vào : lớp làm việc trực tiếp với liệu bên ngoài, số lượng neuron lớp đầu vào phụ thuộc vào số chiều liệu bên ◼ Lớp (lớp ẩn): lớp xử lý liệu nhận từ lớp đầu vào, bạn có nhiều lớp nơ -ron lớp giữa, lớp nơ -ron mà nhiều người ta gọi mơ hình học sâu (Deep Learning) Còn số lượng nơ -ron lớp nơ -ron tùy bạn muốn chọn (nhưng có kinh nghiệm chọn phù hợp định) ◼ Lớp đầu ra: lớp xuất kết quả, số lượng nơ -ron lớp đầu phụ thuộc vào số lượng kết bạn muốn có 10 Hình Mạng neural nhiều lớp a Các thành phần ◼ Neuron đầu vào ◼ Đầu vào số p ◼ Trọng số w ◼ Bias b ➢ b w tham số thay đổi theo luật học để quan hệ đầu vào đầu đạt mục đích ◼ Hàm truyền đạt f ➢ Được lựa chọn người thiết kế mạng 11 Hình 2 Mạng neural đầu vào b Hàm truyền đạt ◼ Các neuron sử dụng hàm ngưỡng gọi neuron McCulloch-Pitts tác giả đưa vào năm 1943 ◼ Hàm ngưỡng ➢ Đơn giản ➢ Không tồn đạo hàm u = nên sử dụng số phương pháp dựa Gradient (Gradient vectơ đạo hàm giá trị vơ hướng) ◼Có thể hàm tuyến tính phi tuyến ◼ Được lựa chọn để thỏa mãn số đặc tính tốn ◼ Các hàm truyền đạt thường sữ dụng Bảng hàm truyền đạt 12 13 CHƯƠNG III: ỨNG DỤNG MẠNG NEURAL SỬ DỤNG MƠ HÌNH ANNS VÀO BÀI TỐN DỰ ĐOÁN TỈ LỆ DÂN SỐ Ở VIỆT NAM Tình hình dân số nước ta Việt Nam nước đông dân đứng thứ 13 giới, đứng thứ khu vực Đông Nam Á Mật độ dân số nước ta 254 người/km2, cao gấp lần mật độ dân số nước phát triển cao gấp lần mật độ dân số Trung Quốc - nước đông dân giới Cho đến nay, giới có nước có dân số nhiều mật độ dân số cao nước ta Ấn Độ, Nhật Bản, Băng-la-đét Phi-líp-pin Chất lượng dân số Việt Nam, nhìn chung thấp Mặc dù dân số nước ta trẻ, tỷ lệ người biết chữ tuổi thọ cao, tỷ lệ suy dinh dưỡng trẻ sơ sinh cao, dinh dưỡng cho bà mẹ mang thai thiếu, chênh lệch mức sống nhóm dân cư lớn, chất lượng lực lượng lao động thấp, đời sống người già chưa bảo đảm, chất lượng sống người dân thấp có chênh lệch vùng Chỉ số phát triển người Việt Nam đứng thứ 109 số 177 nước so sánh Ứng dụng mạng neural vào dự đoán dân số nước ta 1.1 thu thập liệu Một bước quan trọng việc xử lí số liệu thu thập liệu tốt, thực bước làm liệu phương pháp phù hợp 14 Hình biểu đồ gia tăng dân số nước ta từ 1921 đến 2005 1.2 lựa chọn mơ hình Chọn mơ hình phù hợp với cách tính dân số ,tìm cơng thức chung gia tăng dân số nước ta với số liệu lấy phần thu thập liệu 1.3 Kiểm nghiệm kết Với mơ hình, sử dụng số liệu cụ thể ta tính tốn kết dự báo tương ứng, đồng thời kiểm tra độ xác cách tính sai số tương đối liệu xác với kết dự báo 1.4 kết So sánh với kết ta tính với kết thực tế , ta thấy xác gần nhiều năm liền ta kết luận phần dự báo có độ xác cao 15 CHƯƠNG IV: KẾT LUẬN Đề tài định hướng nội dung nghiên cứu vào mạng neural nhân tạo, thuật tốn di truyền, mơ hình kết hợp phương pháp học máy mạng nơron với thuật toán di truyền, ứng dụng vào toán dự báo dân số nước ta Các đóng góp khoa học đề tài  Hệ thống hóa nội dung mạng neural nhân tạo thuật toán di truyền  Nghiên cứu phương pháp kết hợp giải thuật Di truyền với giải thuật Lan truyền ngược sai số nhằm đạt tới kết trọn vẹn toán tối ưu trọng số mạng neural nhân tạo  Xây dựng chương trình dự báo theo phương pháp kết hợp giải thuật Di truyền giải thuật Lan truyền ngược Kết mô dự báo tình hình gia tăng dân số đạt kết Do yếu tố đầu vào (tỉ lệ gia tăng dân số năm) mang tính ngẫu nhiên, chưa đại diện hết cho yếu tố ảnh hưởng, nhiên kết thu từ việc mô dự báo đạt mức tốt Mô hình có yếu tố thực tiễn cao , áp dụng dự đốn tình hình dân số nước ta tương lai 16 Danh mục tài liệu tham khảo Bài giảng Khoa CNTT – ĐH Nguyễn Tất Thành 2022 Tom Mitchell, Machine Learning, McGraw Hill, 2017 Các biết liên quan: https://itnavi.com.vn/ https://tapchicongsan.org.vn/ 17 ... GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ ĐỀ TÀI: MẠNG NEURAL NHÂN TẠO ĐỂ DỰ ĐOÁN CHIỀU HƯỚNG TỶ LỆ DÂN SỐ TẠI VIỆT NAM Giảng viên hướng dẫn: ThS... DỤNG MẠNG NEURAL SỬ DỤNG MƠ HÌNH ANNS VÀO BÀI TOÁN DỰ ĐOÁN TỈ LỆ DÂN SỐ Ở VIỆT NAM Tình hình dân số nước ta Việt Nam nước đông dân đứng thứ 13 giới, đứng thứ khu vực Đông Nam Á Mật độ dân số nước... neural nhân tạo để dự đoán chiều hướng tỷ lệ dân số Việt Nam Giảng viên hướng dẫn:Vương Xuân Chí Thời gian thực hiện: 20/06/2022 đến 20/09/2022 MƠ TẢ ĐỀ TÀI: