Đang tải... (xem toàn văn)
Trí tuệ nhân tạo (AI) là một lĩnh vực khoa học máy tính tập trung vào việc tạo ra các hệ thống máy tính có thể thực hiện các nhiệm vụ thông minh mà con người thường làm, chẳng hạn như học hỏi, suy luận và giải quyết vấn đề. Trí tuệ nhân tạo đang đi vào cuộc sống của mỗi quốc gia, mỗi con người. Trí tuệ nhân tạo đang biến những điều không tưởng thành hiện thực. Những căn nhà thông minh, những robot chẩn đoán bệnh hay hoạt động trong lĩnh vực quân sự, những chiếc xe không người lái. Được sự ủng hộ và thúc đẩy của các ông lớn công nghệ như thế, chúng ta hiểu rằng tương lai sẽ còn nhiều và trên phạm vi rộng rãi hơn thế nữa. Ưu điểm của việc dùng trí tuệ nhân tạo là mọi thứ đều hoạt động bằng máy tính và kết quả có nhanh chóng, các cấu trúc phân tích, dự đoán, tính toán dữ liệu có thể được học và điều chỉnh tự động hoàn toàn . Sau nhiều thập kỷ đổi mới, Việt Nam đã có bước phát triển mạnh mẽ, trở thành nền kinh tế hội nhập, năng động, hấp dẫn đầu tư trong khu vực. Phát triển thuộc top nhanh trên thế giới. Trong bối cảnh phát triển và hội nhập quốc tế, cùng với sự phát triển mạnh mẽ của cuộc cách mạng công nghiệp 4.0, Việt Nam xác định tập trung phát triển công nghệ trí tuệ nhân tạo (AI) một mũi nhọn, được dự báo trở thành ngành công nghệ đột phá nhất trong 10 năm tới.
BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP *** - ĐỒ ÁN CHUYÊN NGÀNH NGÀNH: KHOA HỌC MÁY TÍNH ĐỀ TÀI: PHÂN LOẠI GIỐNG CHĨ BẰNG MƠ HÌNH PHÂN LỚP SVM GVHD: TS.Nguyễn Mạnh Cường Lớp: KHMT1 – K15 Nhóm: Thành viên: Vũ Đức Quảng - 2020603632 Nguyễn Ngọc Long – 2020601627 Nguyễn Thành Nam – 2020602442 Hà Nội, năm 2024 MỤC LỤC DANH MỤC NHỮNG TỪ VIẾT TẮT LỜI CẢM ƠN CHƯƠNG 1: KHẢO SÁT VÀ PHÁT BIỂU BÀI TOÁN 10 1.1 Nguồn gốc giống chó 10 1.2 Đặc điểm sinh học 10 1.3 Phân loại giống chó 11 1.4 Tầm quan trọng phân loại giống chó 12 1.5 Bài tốn phân loại giống chó trí tuệ nhân tạo 13 1.6 Ứng dụng mơ hình SVM vào tốn phân loại giống chó 13 CHƯƠNG 2: CÁC KỸ THUẬT GIẢI QUYẾT BÀI TOÁN 15 2.1 Phương hướng tiếp cận toán 15 2.2 Một số kỹ thuật giải toán 15 2.2.1 Thuật toán CNN-Convolutional Neural Network 15 2.2.2 Thuật toán Random Forests 18 2.2.3 Thuật toán Naive Bayes 23 2.2.4 Thuật toán Transfer Learning 24 2.2.5 Thuật toán K-Nearest Neighbors (KNN) 26 2.2.6 Thuật toán SVM 27 2.3 Đề xuất mơ hình SVM để giải toán 30 CHƯƠNG 3: THỰC NGHIỆM 32 3.1 3.2 Dữ liệu thực nghiệm 32 Huấn luyện mơ hình 34 Môi trường sử dụng 34 Cách tiến hành huấn luyện mơ hình 35 3.2.1 3.2.2 3.3 Kiểm tra mơ hình huấn luyện 41 3.4 Các kết thực nghiệm 45 CHƯƠNG 4: XÂY DỰNG SẢN PHẨM DEMO 47 4.1 4.1.1 4.1.2 Vue 47 Flask 48 4.2 Phân tích thiết kế hệ thống 48 Biểu đồ use case hệ thống 48 Mô tả chi tiết use case 49 4.2.1 4.2.2 4.3 4.3.1 4.3.2 Giới thiệu framework sử dụng 47 Các bước xây dựng sản phẩm demo 50 Định nghĩa endpoint API /api/getall 50 Định nghĩa endpoint /results 52 Xây dựng giao diện Vue 52 4.3.3 4.4 Giao diện hệ thống cách dùng 55 KẾT LUẬN 57 TÀI LIỆU THAM KHẢO 58 DANH MỤC BẢNG BIỂU Bảng So sánh Bagging Boosting 21 Bảng Tổng quát liệu 33 Bảng Kết test với liệu "archive" 46 Bảng Mô tả use case xem thơng tin dự đốn liệu 49 Bảng Mô tả use case xem kết dự đoán 50 DANH MỤC HÌNH ẢNH Hình Hình ảnh mảng ma trận RGB 6x6x3 15 Hình Một số hình ảnh "archive" 32 Hình Một số hình ảnh "Dog_Breed_Classification" 33 Hình Bảng mơ tả use case 48 Hình Giao diện trang web 55 Hình Giao diện kết dự đoán 56 DANH MỤC NHỮNG TỪ VIẾT TẮT CNN Convolutional Neural Network SVM Support Vector Machine AI Artificial Intelligence KNN K-Nearest Neighbors NBC Naive Bayes Classifier ReLU Rectified Linear Unit RGB Red Green Blue HTML HyperText Markup Language LỜI CẢM ƠN Trước hết, chúng em xin gửi lời cảm ơn chân thành đến thầy Nguyễn Mạnh Cường - người tận tình hướng dẫn, giúp đỡ chúng em hồn thành báo cáo tập lớp môn Đồ án chuyên ngành Sự hướng dẫn tận tình, chu đáo thầy giúp chúng em hiểu rõ nội dung học, từ hồn thành báo cáo cách đầy đủ xác Bên cạnh đó, thầy giúp chúng em rèn luyện kỹ viết báo cáo khoa học, giúp chúng em có thêm kinh nghiệm việc nghiên cứu thực tập sau Trong trình làm đồ án, trình làm báo cáo, khó tránh khỏi sai sót Chúng em mong nhận ý kiến đóng góp từ thầy cô để học thêm nhiều kinh nghiệm hồn thành tốt báo cáo tới Nhóm chúng em xin chúc thầy cô dồi sức khỏe, vui vẻ thành công sống Sinh viên thực Vũ Đức Quảng Nguyễn Thành Nam Nguyễn Ngọc Long LỜI MỞ ĐẦU Trí tuệ nhân tạo (AI) lĩnh vực khoa học máy tính tập trung vào việc tạo hệ thống máy tính thực nhiệm vụ thơng minh mà người thường làm, chẳng hạn học hỏi, suy luận giải vấn đề Trí tuệ nhân tạo vào sống quốc gia, người Trí tuệ nhân tạo biến điều không tưởng thành thực Những nhà thông minh, robot chẩn đoán bệnh hay hoạt động lĩnh vực quân sự, xe không người lái Được ủng hộ thúc đẩy ông lớn công nghệ thế, hiểu tương lai nhiều phạm vi rộng rãi Ưu điểm việc dùng trí tuệ nhân tạo thứ hoạt động máy tính kết có nhanh chóng, cấu trúc phân tích, dự đốn, tính tốn liệu học điều chỉnh tự động hoàn toàn Sau nhiều thập kỷ đổi mới, Việt Nam có bước phát triển mạnh mẽ, trở thành kinh tế hội nhập, động, hấp dẫn đầu tư khu vực Phát triển thuộc top nhanh giới Trong bối cảnh phát triển hội nhập quốc tế, với phát triển mạnh mẽ cách mạng công nghiệp 4.0, Việt Nam xác định tập trung phát triển cơng nghệ trí tuệ nhân tạo (AI) - mũi nhọn, dự báo trở thành ngành công nghệ đột phá 10 năm tới Tại Việt Nam, AI ứng dụng mạnh mẽ nhiều lĩnh vực y tế, giáo dục, nông nghiệp, giao thông, thương mại điện tử Công nghệ AI mang lại cho Việt Nam phát triển vượt bậc thời gian qua Đặc biệt, AI sử dụng mạnh mẽ phân loại động vật học Động vật học ngành khoa học nghiên cứu giới Động vật (Animalia), bao gồm cấu trúc, phôi học, phân loại học, hành vi phân bố động vật động vật sinh tồn tuyệt chủng, với cách thức chúng tương tác với hệ sinh thái Hiện nay, công nghệ AI bước tiến đến việc phân loại giống lồi Trong đó, việc phân loại động vật loài nhiều chủng loại khác lai tạo đột biến gen AI tiến hành phát triển Chính vậy, việc ứng dụng công nghệ lĩnh vực học máy, xử lý ảnh, trí tuệ nhân tạo, báo cáo tìm hiểu nghiên cứu đề tài “Phân loại giống chó mơ hình phân lớp SVM” Với mục tiêu áp dụng phát triển mạnh mẽ trí tuệ nhân tạo để giải tốn phân loại giống chó, nghiên cứu tập trung vào ứng dụng kỹ thuật học sâu Deep Learning, học máy Machine Learning đồng thời kết hợp thuật tốn phân lớp Classification sau tiến hành thử nghiệm số giống chó khác nhau, xây dựng ứng dụng thử nghiệm máy tính Việc thực đề tài góp phần thúc đẩy trào lưu nghiên cứu, sản xuất sản phẩm phần mềm trí tuệ nhân tạo mở nhiều hướng nghiên cứu, ứng dụng nhận dạng hình ảnh Để thực đề tài, trước tiên cần nghiên cứu thực khảo sát phân tích tốn nhận dạng giống chó Sau tiến hành thu thập tiền xử lý liệu huấn luyện cho module trí tuệ nhân tạo Dữ liệu tập trung vào số loại giống chó khác lại giống chó lai Tiếp theo tập trung vào việc nghiên cứu kỹ thuật sử dụng cho tốn phân loại hình ảnh bao gồm SVM, CNN, KNN, Transfer Learning Trong đó, nhóm tập trung nghiên cứu chi tiết thuật toán SVM áp dụng vào tốn phân loại giống chó Cuối tiến hành thực nghiệm, đánh giá kết xây dựng chương trình demo Đề tài hồn thiện đóng góp ý nghĩa mặt khoa học thực tiễn Về mặt khoa học, mô hình học SVM sử dụng để xử lý tốn nhận dạng phân lớp giống chó cho thấy kết cải thiện đáng kể so với phương pháp khác độ xác thực nghiệm Xét ý nghĩa thực tiễn, toán giải tốt mang lại nhiều lợi ích cho động vật học nước nhà Để áp dụng kết nghiên cứu đề tài vào thực tế, phát triển chương trình có chức trợ lý ảo hỗ trợ phân loại giống chó Nội dung báo cáo đồ án chuyên ngành bao gồm chương sau: Chương 1: Khảo sát phát biểu toán Trong chương 1, tiến hành khảo sát trang tình trạng giống chó Việt Nam giới để biết cụ thể chi tiết Sau đó, tiến hành khảo sát loại chó mà chưa có phân loại hay loại chó mà tạo từ giống chó cũ để chuẩn đốn giống loại Sau phần khảo sát phần nhận dạng loại giống chó qua hình ảnh Chương 2: Các kỹ thuật giải toán Sau phát biểu xác định rõ ràng yêu cầu tốn, trình bày kỹ thuật giải tốn có ưu nhược điểm chúng, nghiên cứu bật đạt thành công định từ kỹ thuật Tiếp theo, đề xuất giải pháp cho toán đặt Chương 3: Thực nghiệm Tại chương 3, tập trung trình bày trình thực nghiệm kết đạt với kỹ thuật giải toán đề xuất chương Tiến hành so sánh kết thực nghiệm thu từ phương pháp đề xuất giải với số phương pháp phổ biến đưa nhận xét Phần kết luận: Cuối phần kết luật, tổng hợp kết đạt được, hướng phát triển mở rộng đề tài nghiên cứu tương lai y_test = df_test.iloc[:, -1] y_pred = model.predict(x_test) # Tính tốn độ đo đánh giá accuracy = accuracy_score(y_test, y_pred) f1 = f1_score(y_test, y_pred, average='weighted') recall = recall_score(y_test, y_pred, average='weighted') precision = precision_score(y_test, y_pred, average='weighted') print("Accuracy:", accuracy) print("F1 Score:", f1) print("Recall:", recall) print("Precision:", precision) Dữ liệu test trích xuất từ DataFrame df_test Cột cuối DataFrame (x_test) chứa liệu đầu vào để thực dự đoán Cột 'Target' (y_test) chứa nhãn thực tế tương ứng với mẫu hình ảnh Dùng mơ hình đào tạo (model) để dự đốn nhãn cho liệu test Kết dự đoán lưu vào y_pred Sử dụng hàm thư viện sklearn.metrics, tính tốn độ đo đánh accuracy, f1 score, recall precision dựa nhãn thực tế (y_test) nhãn dự đốn (y_pred) Sau đó, in hình kết độ đo đánh giá 3.4 Các kết thực nghiệm Với việc thực phân loại giống chó mơ hình SVM với liệu train “Dog_Breed_Classification” liệu test “archive” kết thu sau: 45 Bảng Kết test với liệu "archive" Dữ liệu archive Accuracy F1 Recall Precision 0.95147 0.95089 0.95147 0.95289 Với bảng liệu thấy tỷ lệ mẫu phân loại xác tổng số mẫu Trong trường hợp này, accuracy mô hình 0.95147, tương ứng với 95.15% Đây kết tốt, cho thấy mơ hình có khả phân loại xác cao Với F1 mơ hình 0.95089, tương ứng với 95.09% Kết tốt, cho thấy mơ hình có khả phân loại xác Tiếp đến Recall tỷ lệ mẫu thực thuộc lớp dương phân loại xác Trong trường hợp này, recall mơ hình 0.95147, tương ứng với 95.15% Kết cho thấy mơ hình có khả phát mẫu thuộc lớp dương xác Precision tỷ lệ mẫu phân loại dương thực thuộc lớp dương Trong trường hợp này, precision mơ hình 0.95289, tương ứng với 95.29% Kết cho thấy mơ hình có khả tránh false positives Nhìn chung, dựa thơng số đánh giá trên, thấy mơ hình phân loại hình ảnh có khả phân loại xác tránh false positives cao Đây kết tốt, sử dụng nhiều ứng dụng thực tế 46 CHƯƠNG 4: XÂY DỰNG SẢN PHẨM DEMO 4.1 Giới thiệu framework sử dụng 4.1.1 Vue VueJS framework mã nguồn mở JavaScript sử dụng để phát triển giao diện web tương tác Nó framework tiếng sử dụng để đơn giản hóa việc phát triển web VueJS tập trung vào view layer Nó dễ dàng tích hợp vào dự án lớn để phát triển frontend mà không gặp cố Cấu trúc file vue có phần: Template: nơi chứa code HTML cho component, thoải mái thực việc binding liệu, kiện, Script: nơi viết code javascript, ta import thư viện, component, nhận props, xây dựng method, xử lý event lifecycel (created, mounted, destroyed, ) Style: phần để bạn thực style cho component, sử dụng scss để viết code css gọn gàng Các tính Vue Framework: Đơn giản: Vue.js thiết kế để đơn giản dễ học Nó sử dụng cú pháp JavaScript thơng thường có API nhỏ gọn mạnh mẽ Linh hoạt: Vue.js linh hoạt sử dụng để tạo ứng dụng web từ đơn giản đến phức tạp Nó sử dụng cho ứng dụng singlepage, web components, chí ứng dụng nguyên Tốc độ: Vue.js nhanh hiệu Nó sử dụng Virtual DOM để cập nhật phần giao diện người dùng cần thiết, giúp cải thiện hiệu suất Khả mở rộng: Vue.js mở rộng cách sử dụng thư viện plugin bên thứ ba Điều cho phép nhà phát triển tạo ứng dụng web tùy chỉnh đáp ứng nhu cầu cụ thể họ 47 4.1.2 Flask Flask Web Framework nhẹ Python, dễ dàng giúp người bắt đầu học Python tạo website nhỏ Flask dễ mở rộng để xây dựng ứng dụng web phức tạp Điểm bật sử dụng Flask để lập trình web ta bị phụ thuộc bên thứ 3, đề phịng lỗi bảo mật Các tính Flask Framework: Phát triển máy chủ Phát triển trình gỡ lỗi Khả tương thích cơng cụ dựa ứng dụng Google Nhiều tiện ích mở rộng cho tính mong muốn Hỗ trợ bảo mật cookie Cung cấp xử lý HTTP request API độc đáo mạch lạc, hỗ trợ RESTful API Dễ dàng triển khai Với mục tiêu xây dựng Backend server không phức tạp phải xử lý yêu cầu người dùng với tốc độ nhanh, định nghiên cứu sử dụng framework Flask 4.2 Phân tích thiết kế hệ thống 4.2.1 Biểu đồ use case hệ thống Hình Bảng mơ tả use case 48 4.2.2 Mô tả chi tiết use case Mô tả use case xem thơng tin liệu dự đốn Bảng Mơ tả use case xem thơng tin dự đốn liệu Mã use case UC1 Tên use case Xem thơng tin liệu dự đốn Tóm tắt Use case cho phép xem thông tin liệu để test Actor Tiền điều kiện Người dùng Thiết bị người dùng phải kết nối với trang web thành công Đảm bảo tối thiểu Đảm bảo thành cơng Khơng có Người dùng thấy thơng tin liệu Kích hoạt Tự động Luồng kiện: Người dùng truy cập vào trang web Nhấn nút xem thông tin liệu 49 Mô tả use case xem kết dự đốn Bảng Mơ tả use case xem kết dự đoán Mã use case UC2 Tên use case Xem kết dự đốn Tóm tắt Use case cho phép người dùng thấy thơng tin dự đốn mơ hình Actor Tiền điều kiện Người dùng Thiết bị phải kết nối với trang web thành công Đảm bảo tối thiểu Đảm bảo thành cơng Khơng Người dùng thấy kết thơng tin liệu Kích hoạt Tự động Luồng kiện: Người dùng truy cập vào trang web Nhấn nút xem thông tin kết 4.3 Các bước xây dựng sản phẩm demo 4.3.1 Định nghĩa endpoint API /api/getall app.route('/api/getall', methods=['GET']) def get_all(): 50 y_pred = model.predict(test_flat_data) predicted_labels = [] for label in y_pred: predicted_labels.append(label) # print(predicted_labels) y_test = df_test.iloc[:, -1] print("nhãn thực tế", y_test) true_label_acc = [] for label in y_test: true_label_acc.append(label) print(true_label_acc) images = [] for img, pred_label, true_label in zip(original_images, predicted_labels, true_label_acc): img_pil = Image.fromarray((img * 255).astype(np.uint8)) buffered = BytesIO() img_pil.save(buffered, format="JPEG") img_base64 = base64.b64encode(buffered.getvalue()).decode("utf8") images.append({ 'image': img_base64, 'predicted_label': pred_label, 51 'true_label': true_label }) return jsonify(images) Endpoint /api/getall định nghĩa để lấy tất liệu từ API Trong endpoint này, mô hình sử dụng để dự đốn nhãn (y_pred) cho liệu test (test_flat_data) Sau đó, nhãn dự đoán nhãn thực tế lưu vào danh sách predicted_labels true_label_acc Mỗi ảnh gốc với nhãn dự đoán nhãn thực tế chuyển đổi thành định dạng base64 thêm vào danh sách images Cuối cùng, danh sách images trả dạng JSON Định nghĩa endpoint /results 4.3.2 @app.route('/results', methods=['GET']) def get_results(): result = [accuracy, f1, recall, precision,num_correct,num_fail] return jsonify(result) 4.3.3 Xây dựng giao diện Vue 52 Affenhuahua Dog Afgan Hound Dog Akita Dog 54 4.4 Giao diện hệ thống cách dùng Hình Giao diện trang web Đây giao diện sản phẩm demo, người dùng thấy tất ảnh liệu test nhãn giống chó thực tế ảnh đó, ảnh làm sau giây Người dùng click vào nút “CLASSIFICATION” phía bên phải tiếp tục click vào “START CLASSIFIER” để tiến hành phân loại giống chó dựa vào ảnh liệu test hiển thị 55 Hình Giao diện kết dự đoán Đây giao diện kết test chương trình Kết bao gồm tất hình ảnh chó liệu test kèm với nhãn dự đoán mà mơ hình dự đốn nhãn thực tế giống chó Trên kết giá trị đánh Accuracy, F1_Score, Precision, Recall mô hình liệu test “archive” tổng số lượng ảnh mà mơ hình dự đốn sai 56 KẾT LUẬN Thời gian làm đồ án chuyên ngành vừa qua trải nghiệm vô thú vị đáng giá với Chúng tìm hiểu kỹ thuật khác trí tuệ nhân tạo nhằm giải toán phân loại giống chó, qua khơng tích lũy kinh nghiệm chun mơn mà cịn học kĩ làm việc độc lập, quản lý thời gian Đây chắn hành trang quý giá nghiệp tương lai chúng tơi Chúng tơi tìm hiểu, nghiên cứu, ứng dụng mơ hình học máy tận dụng nghiên cứu công bố giống chó để hồn thành đề tài Nghiên cứu kỹ thuật Trí tuệ nhân tạo mơ hình học máy Deep Learning, Support Vector Machine, Transfer Learning ứng dụng cho toán hỗ trợ phân loại giống chó Ngồi ra, chúng tơi tự xây dựng thực nghiệm liệu dành cho tốn phân loại giống chó Dưới hướng dẫn thầy Nguyễn Mạnh Cường, em tự thiết kế mơ hình học chuyển tiếp kết hợp mạng nơron nhân tạo SVM để giải toán xây dựng nên hệ thống phân loại giống chó Hệ thống cho thấy thành công bước đầu thu kết nhận dạng với độ xác tốt 95% Cũng hệ thống chưa thể đưa vào sử dụng thực tiễn phụ thuộc vào server miễn phí dẫn tới bị giới hạn tốc độ truyền thời gian sử dụng Vì nên em mong thầy đóng góp ý kiến để thiện hệ thống này, tiến tới phát triển thành trang web phổ biến tương lai Không dừng lại trang web, nhận dạng hỗ trợ phân loại giống chó hồn tồn ứng dụng để làm thành app xử dụng phổ biến thiết bị khác di động Hy vọng nghiên cứu nhóm chúng tơi góp phần thúc đẩy đề tài liên quan tới hỗ trợ phát triển nông nghiệp nước nhà 57 TÀI LIỆU THAM KHẢO [1] Website giới thiệu lồi chó URL: https://vi.wikipedia.org/wiki/Ch%C3%B3 Ngày truy cập gần ngày: 1/1/2024 [2] Website giới thiệu đặc điểm nguồn gốc giống chó URL : https://www.bachhoaxanh.com/kinh-nghiem-hay/cho-co-nguon-goc-dacdiem-cach-nuoi-gia-ban-1423580 Ngày truy cập gần ngày: 1/1/2024 [3] Website giới thiệu mạng chập CNN URL: https://viblo.asia/p/deeplearning-tim-hieu-ve-mang-tich-chap-cnn-maGK73bOKj2 Ngày truy cập gần ngày: 1/1/2024 [4] Website giới thiệu phân lớp Random Forests Python URL: https://viblo.asia/p/phan-lop-bang-random-forests-trong-pythondjeZ1D2QKWz Ngày truy cập gần ngày: 1/1/2024 [5] Website giới thiệu Random Forests URL: https://phamdinhkhanh.github.io/deepai-book/ch_ml/RandomForest.html Ngày truy cập gần ngày: 1/1/2024 [6] Website giới thiệu thuật tốn Nạve Bayes URL: https://whitehat.vn/threads/thuat-toan-phan-loai-naive-bayes-va-ungdung.13775/ Ngày truy cập gần ngày: 1/1/2024 [7] Website tìm hiểu Nạve Bayes Classification URL: https://200lab.io/blog/tim-hieu-naive-bayes-classification-phan-1/ Ngày truy cập gần ngày 1/1/2024 [8] Website giới thiệu trainsfer Learning URL: https://unica.vn/blog/transfer-learning-la-gi Ngày truy cập gần ngày: 1/1/2024 [9] Website giới thiệu KNN URL: https://vietnambiz.vn/thuat-toan-klang-gieng-gan-nhat-k-nearest-neighbor-knn-la-gi-2020022911113334.htm Ngày truy cập gần ngày: 1/1/2024 [10] Website giới thiệu SVM URL: https://phamdinhkhanh.github.io/deepai-book/ch_ml/index_SVM.html Ngày truy cập gần ngày: 1/1/2024 58 [11] Website tìm hiểu Trí tuệ nhân tạo URL: https://trituenhantao.io/kienthuc/svm-qua-kho-hieu-hay-doc-bainay/#:~:text=C%C3%A1c%20v%C3%A9c%20t%C6%A1%20h%E1%BB%9 7%20tr%E1%BB%A3,v%C3%A0%20h%C6%B0%E1%BB%9Bng%20c%E 1%BB%A7a%20si%C3%AAu%20ph%E1%BA%B3ng Ngày truy cập gần ngày: 1/1/2024 [12] Website giới thiệu SVM URL: https://viblo.asia/p/gioi-thieu-ve-supportvector-machine-svm-6J3ZgPVElmB Ngày truy cập gần ngày: 1/1/2024 59