Ứng dụng mạng nơ ron trong e learning

bộ giáo dục đào tạo trờng đại học bách khoa hà nội - luận văn thạc sĩ khoa học ứng dụng mạng nơ-ron e-learning ngành : kỹ thuật điện tử m số:23.04.3898 Nguyễn thị kim thoa Ngời hớng dẫn khoa học : pgs.ts nguyễn thị việt hơng Hà Nội 2009 ng dng mng n-ron E-learning LI CAM OAN Tụi l Nguyn Th Kim Thoa Tụi xin cam oan lun thc s khoa hc ny chớnh tụi nghiờn cu v thc hin di s hng dn ca PGS TS Nguyn Th Vit Hng Nu cú gỡ sai phm, tụi xin hon ton chu trỏch nhim Ngi lm cam oan Nguyn Th Kim Thoa Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning MC LC LI CAM OAN MC LC DANH MC CC Kí HIU, CC CH VIT TT DANH MC CC BNG DANH MC CC HèNH V, TH M U CHNG TNG QUAN V E-LEARNING 12 1.1 Xu hng dy hc th k 21 12 1.2 E-learning 15 1.2.1 nh ngha E-learning 15 1.2.2 Vai trũ ca E-learning 16 1.2.3 c trng ca E-learning 16 1.2.4 u nhc im ca E-learning 18 1.3 1.2.4.1 u im 18 1.2.4.2 Nhc im ca e-learning 21 H thng E-learning (E-Learning System) 23 1.3.1 1.3.1.1 H tng truyn thụng v mng 24 1.3.1.2 H tng phn mm 27 1.3.1.3 Ni dung o to 31 1.3.2 1.4 Mụ hỡnh h thng 23 Hot ng ca h thng ELearning 32 u nhc im ca quỏ trỡnh dy hc trc tuyn 35 1.4.1 u im 35 1.4.2 Nhc im 36 CHNG TNG QUAN V MNG N-RON 37 2.1 Gii thiu chung v mng n ron 37 2.2 Mụ hỡnh n-ron sinh hc 38 2.3 Mụ hỡnh toỏn hc ca mt n-ron nhõn to 42 Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 2.4 Mụ hỡnh toỏn hc mng n-ron nhõn to 44 2.5 Kin trỳc mng n-ron 46 2.5.1 Kin trỳc mng mt lp 46 2.5.2 Kin trỳc mng a lp 48 2.5.3 Kin trỳc mng truyn thng 49 2.5.4 Kin trỳc mng hi qui 50 2.5.5 Kin trỳc mng t t chc 51 2.6 Hun luyn mng 53 2.6.1 Hun luyn cú giỏm sỏt 53 2.6.2 Hun luyn khụng cú giỏm sỏt 54 2.6.3 Mt s lut hun luyn c bn 55 2.7 ng dng ca mng n-ron nhõn to 57 CHNG MT S MNG N-RON C BN V NG DNG CHO BI TON PHN LOI 60 3.1 Mng Perceptron 60 3.1.1 Kin trỳc mng Perceptron 60 3.1.2 Lut hc Perceptron 63 3.1.3 ng dng mng perceptron cho bi toỏn phõn loi 65 3.2 Mng Perceptron nhiu lp 68 3.2.1 Kin trỳc mng 68 3.2.2 Hun luyn mng 69 3.2.3 ng dng mng MLP cho bi toỏn phõn loi 71 3.3 Mng n-ron t t chc 74 3.3.1 Cu trỳc ca mng khụng giỏm sỏt 74 3.3.2 Quỏ trỡnh hc cỏc mng khụng giỏm sỏt 75 3.3.3 Nguyờn tc hc cnh tranh 76 3.3.3.1 3.3.3.2 La chn n-ron chin thng da trờn s hot húa ca nron 77 La chn n-ron chin thng da trờn khong cỏch ti vộc t vo 77 Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 3.3.3.3 Vớ d minh hc cnh tranh 79 3.3.4 Mng SOFM (Self-Organizing Feature Map) 83 3.3.5 ng dng mng SOFM phõn loi 88 CHNG NG DNG MNG N-RON TRONG BI TON PHN LOI NGI HC 92 4.1 C s thc hin bi toỏn phõn loi ngi hc 92 4.2 C s phõn loi ngi hc 93 4.3 Thng kờ c tớnh ca nhúm ngi hc bng phn mm SPSS 98 4.3.1 Gii thiu phn mm SPSS 98 4.3.2 Cỏc khỏi nim c trng thng kờ 98 4.4 Phõn loi ngi hc vi mng MLP 101 KT LUN V KIN NGH 111 TI LIU THAM KHO 112 PH LC 113 Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning DANH MC CC Kí HIU, CC CH VIT TT ANN - Artificial Neural Networks BNN - Biological Neural Networks E-Learning: Electronic Learning IJCNN (International Joint Conference on Neural Networks) LAN: Local Area Networ LMS: Learning Managerment System LCMS: Learning Content Managerment System LVQ Learning Vector Quantization MLP MultiLayer Perceptron SOM: self-organizing map SOFM : self-organizing feature map SPSS: Statistical Products for the Social Services WAN: Wide Area Network HTML: Hyper Text Markup Language Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning DANH MC CC BNG Bng 1.1 Mụ t mụ chc nng mt s thit b mng Bng 3.1 S lng cỏc vộc t d liu u vo c i din bi 25 n-ron Bng 4.1 D liu hun luyn mng n-ron DANH MC CC HèNH V, TH Hỡnh 1.1 Mụ hỡnh h thng E-Learning Hỡnh 1.2 C s h tng phn cng ca h thng E-Learning Hỡnh 1.3 H tng phn mm h thng E Learning Hỡnh 1.4 Kt hp gia LCMS v LMS Hỡnh 1.5 Mụ hỡnh cu trỳc ca h thng Hỡnh 2.1 Cu to ca cỏc t bo thn kinh sinh hc Hỡnh 2.2 Mụ hỡnh mt n-ron Hỡnh 2.3 Liờn kt gia cỏc n ron Hỡnh 2.4 Mụ hỡnh toỏn hc mt n-ron nhõn to Hỡnh 2.5 Mt s hm truyn t in hỡnh Hỡnh 2.6 Mụ hỡnh mng n ron nhõn to cú lp Hỡnh 2.7 Kin trỳc mng mt lp Hỡnh 2.8 Kin trỳc mng a lp Hỡnh 2.9 Khi tr Hỡnh 2.10 Minh kin trỳc mng hi qui Hỡnh 2.11 Liờn kt bờn trờn lp cnh tranh Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning Hỡnh 2.12 Kin truc mng Kohonen Hỡnh 2.13 Hun luyn c giỏm sỏt Hỡnh 2.14 Hun luyn khụng cú giỏm sỏt Hỡnh 2.15 Kh nng phõn loi ca mng n-ron Hỡnh 3.1 Mụ hỡnh mt n-ron Perceptron v hm truyn hardlimit Hỡnh 3.2 Kin trỳc mng Perceptron tng quỏt Hỡnh 3.3 N-ron perceptron vi hai u vo Hỡnh 3.4 nh x gia khụng gian d liu vo v khụng gian Hỡnh 3.5 Khụng gian mu kh tuyn tớnh Hỡnh 3.6 Mng perceptron vi u Hỡnh 3.7 Phõn b d liu Hỡnh 3.8 Biờn phõn loi c mng n-ron ch sau hun luyn Hỡnh 3.9 Mng MLP Hỡnh 3.10 nh x gia khụng gian vo v khụng gian s dng mng n-ron MLP cho bi toỏn phõn loi Hỡnh 3.11 S phõn b ca cỏc d liu u vo mu Hỡnh 3.12 Cu trỳc mng MLP c s dng phõn loi d liu Hỡnh 3.13 Kt qu chia biờn phi tuyn sau hun luyn mng Hỡnh 3.14 Cỏc mt phng ng vi cỏc u ca mng Hỡnh 3.15 Cu trỳc mng khụng giỏm sỏt Hỡnh 3.16 Quan h gia vộc t vo x v vộc t trng s w Hỡnh 3.17 Minh khong cỏch v cp nht trng s Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning Hỡnh 3.18 D liu vo hai chiu, chia thnh sỏu nhúm tỏch bit Hỡnh 3.19 Mng mt chiu khụng giỏm sỏt Hỡnh 3.20 V trớ cỏc b trng s c to ngu nhiờn Hỡnh 3.21 V trớ cỏc vộc t trng s sau kt thỳc hun luyn mng Hỡnh 3.22 Quan h vo/ra ca mng t t chc Hỡnh 3.23 Minh s dch chuyn ca n-ron chin thng v n-ron lõn cn Hỡnh 3.24 Cỏc dng xỏc nh cỏc lõn cn Hỡnh 3.25 Hm NS dng Gaussian Hỡnh 3.26 Hm NS dng hm m vi k = 0.1 Hỡnh 3.27 D liu hai chiu Hỡnh 3.28 Cu trỳc mng v v trớ to ca cỏc trng s Hỡnh 3.29 Vộc t codebook ca mng sau hun luyn Hỡnh 4.1 Cu trỳc mng n-ron c s dng phõn loi ngi hc Hỡnh 4.2 Kt qu hun luyn mng n-ron Hỡnh 4.3 Giao din chng trỡnh phõn loi ngi hc Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning M U Lý chn ti Ngy chỳng ta ang sng mt k nguyờn phỏt trin v ng dng cỏc thnh tu khoa hc vo cuc sng, c bit l lnh vc cụng ngh thụng tin v vin thụng Nhng tin b vt bc ca cụng ngh thụng tin v vin thụng ó tỏc ng tớch cc n tt c mi lnh vc, lm thay i nhanh chúng i sng vt cht v tinh thn ca ton xó hi S ngn cỏch v khụng gian v thi gian khụng cũn nh hng nhiu n ngi nh trc na Xu hng ton cu húa din khp mi ni, tt c cỏc ngnh ngh ng trc s ton cu húa, mt yờu cu cp thit vi cỏc ngnh ngh l phi luụn cp nht cụng ngh, ỏp dng cỏc thnh tu ca cụng ngh thụng tin v vin thụng, liờn kt v s dng thnh tu cụng ngh ca Trong ngnh giỏo dc, vic ỏp dng cụng ngh thụng tin v truyn thụng vo dy hc ó lm thay i ln v phng phỏp dy hc, mc tiờu dy hc, ni dung dy hc v phng tin dy hc Giỏo dc hin i khụng cũn b gii hn v a im v thi gian nh nhng phũng hc, bng en truyn thng trc na Thay vo ú l cỏc hỡnh thc t chc hc mi da vo cỏc thnh tu ca cụng ngh thụng tin v truyn thụng, in hỡnh l Elearning E-learning l hỡnh thc o to trung vo hiu qu, ly ngi hc lm trung tõm, dnh cho bt c cú nhu cu hc v cú th hc mi ni mi lỳc Tuy nhiờn, mt nhc im rt ln ca hỡnh thc o to ny l thy v trũ khụng giỏp mt Nh vy ngi thy rt khú cú th bit c nng lc, s trng cng nh cỏc im yu ca ngi hc, ú rt khú cú c nhng ng x s phm phự hp vi tng i tng ngi hc khc phc nhc im ny, tụi a ý tng l dựng mng n-ron t ng phõn loi ngi Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 106 net.trainParam.mem_reduc = 1; net.trainParam.min_grad = 1e-50; net.trainParam.mu = 0.001; net.trainParam.mu_dec = 0.1; net.trainParam.mu_inc = 10; net.trainParam.mu_max = 10e300; net.trainParam.show = 25; net.trainParam.time = inf; net = train(net,P,T); Kt qu hun luyn mng c minh nh trờn hỡnh 4.3 Hỡnh v cho thy sau 38 ln hun luyn (Epoch) sai s gia u ca mng so vi giỏ tr u ớch (target) ó t yờu cu, õy sai s cho phộp kt thỳc quỏ trỡnh hun luyn cho mng n-ron l 1-20 Hỡnh v 4.3 Kt qu hun luyn mng n-ron Kt thỳc quỏ trỡnh hun luyn mng cỏc trng s ca mng n ron thu c nh sau (s dng cỏc cõu lnh cu MATLAB hin th) Ma trn trng s t u vo n lp n-ron vo, v ma trn bias ca lp vo: Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 107 >> net.IW{1,1} ans = 0.9888 1.4763 -1.6848 1.0128 -3.3699 -3.5027 -3.4897 -0.1194 0.1590 -0.9980 -5.0662 0.5068 -1.7762 2.5733 1.9285 -2.2221 -0.3477 -0.3915 -2.3735 -0.0062 -3.7730 2.7189 0.6537 -2.6306 -0.3335 1.4270 3.1022 3.3469 -0.3414 0.3398 -2.3105 2.3623 2.1743 -3.5115 -1.7411 2.8990 -2.2994 1.3176 2.9154 -2.1415 >> net.b{1} ans = 15.9781 30.2058 -25.3100 23.1178 -2.4056 Ma trn trng s t cỏc n-ron lp vo n cỏc n-ron lp v ma trn trng s bias ca lp ra: >> net.LW{2,1} ans = 2.6304 26.5804 -1.2495 4.5021 5.8727 -1.5671 -26.3243 -27.0684 -1.6859 -5.8555 24.3666 0.6196 25.8824 24.5664 8.4892 -24.4096 -7.1219 6.9845 -24.5729 -2.8456 >> net.b{2,1} ans = -3.6295 -28.5676 -40.3653 6.8365 ỏnh giỏ kt qu hun luyn mng n-ron 100 mu d liu b d liu hun luyn mng ó c mụ phng li kim chng: load('data'); Y = sim(net,P); Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 108 Thu c kt qu nh sau, ú th t ca mi phn t ct tng ng vi th t cỏc u ca mng n-ron Y = Columns through 12 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Columns 13 through 24 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Columns 25 through 36 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 Columns 37 through 48 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 Columns 49 through 60 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1 1 1 0 0 Columns 61 through 72 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 Columns 73 through 84 0 0 Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 109 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1 1 Columns 85 through 96 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 Columns 97 through 100 0 0 0 0 0 0 1 1 Sau xõy dng mng n-ron v thc hin mụ phng vi cụng c MATLAB cho kt qu tt thỡ mt chng trỡnh phn mm n gin thc hin mng nron trờn ó c thc hin trờn c s ngụn ng lp trỡnh Visual C#, chng trỡnh phn mm bao gm y cỏc cõu hi phiu iu tra ó nờu mc trờn, v cho phộp ngi s dng la chn cỏc ỏp ỏn, sau ú kớch vo nỳt ỏnh giỏ mng n-ron thc hin phõn loi Giao din ca chng trỡnh c th hin trờn hỡnh 4.4 Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 110 Hỡnh v 4.4 Giao din chng trỡnh phõn loi ngi hc Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 111 KT LUN V KIN NGH Trong khong thi gian thc hin ti, di s hng dn nhit tỡnh ca PGS.TS Nguyn Th Vit Hng v s n lc ca bn thõn, lun ó c hon thnh ỳng thi hn v ó t c cỏc mc tiờu ra: Nghiờn cu tng quan v h thng e-learning: tỡm hiu cỏc khỏi nim, cỏc thnh phn ca h thng e-learning, u v nhc im, v trin khai e-learning thc tin Nghiờn cu tng quan v mng n-ron: mụ hỡnh toỏn hc ca mng nron, cỏc kin trỳc mng n-ron c bn, cỏc phng phỏp v lut hun luyn mng, nghiờn cu v cỏc mng perceptron, mng MLP, mng SOFM v ng dng chỳng bi toỏn phõn loi Thc hin mt cu trỳc mng n-ron ng dng cho bi toỏn phõn loi ngi hc, mụ phng kim chng trờn cụng c MATLAB Tuy nhiờn, ni dung ca lun mi nghiờn cu ng dng mng n-ron vi phng phỏp hun luyn cú giỏm sỏt phõn loi ngi hc Kin trỳc mng ny cũn th hin nhng hn ch nht nh, in hỡnh l phi thu thp y cỏc mu d liu phc v cho quỏ trỡnh hun luyn mng, iu ú lm mt i tớnh mm v lm gim kh nng m rng sau ny ca bi toỏn cú th trin khai ng dng thc tin, thi gian ti tụi tip tc nghiờn cu v thc hin cỏc ni dng sau: Nghiờn cu ỏp dng mng n-ron t t chc phõn loi ngi hc theo tiờu mt cỏch mm Trin khai, tớch hp chng trỡnh phõn loi ngi hc vo phn mm qun lý hc LMS Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 112 TI LIU THAM KHO Ting Vit: Lờ Dng (2000), Lý thuyt x lý v nhn dng nh mng n-ron v nhn dng ch vit, lun thc s chuyờn ngnh in t vin thụng, Trng i hc Bỏch khoa H ni Bựi Thanh Hng (2003), E-Learning, lun thc s chuyờn ngnh x lý thụng tin v truyn thụng, Trng i hc Bỏch khoa H ni Nguyn Thnh Phng (2008), Nghiờn cu ng dng Moodle vo h tr dy hc t xa Vit Nam, lun thc s chuyờn ngnh s phm k thut, Trng i hc Bỏch khoa H ni Ting Anh: Tim L Wentling, Cosuelo Waight (2000), E-Learning A review of Literature, Eastman Kodak Company Betsy Bruce, Carol Fallon, William Horton, Lisa Stanziano, Christian Vescia (2001), Getting Started with E-learning Sandhya Samarasinghe (2006), Neural Networks for Applied Sciences & Engineering, Taylor & Francis Group, LLC Margaret Martinez, PhD (2002), What is Personalized learning, The Elearning developers journal Teuvo Kohonen (1990), The Self-Organizing Map, Vol.78, No 9, IEEE Nabil Kartam, Ian Flood, Jame H Garretf (1997), Artificial Neural Networks for Civil Engineering Fundamental & Application, ASCE 10 Juan R Rabunal, Julian Dorado (2006), Artificial Neural Networks in Real-Life Applications, IDEA Group Publishing 11 MARGARET MARTINEZ, PhD 12 http://el.edu.vn Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 113 PH LC A Ph lc PHIU IU TRA Vi mc ớch tỡm hiu ng c, s thớch v phng phỏp hc ca sinh viờn i hc Bỏch khoa H Ni, chỳng tụi mong mun nhn c ý kin ca cỏc bn phn ỏnh v quỏ trỡnh hc ca mi cỏ nhõn Kớnh mong bn tr li (ỏnh du x vo nhng ụ la chn) mt cỏch ci m v chõn thc Trong hc tp, bn l ngi: A Tp trung nhng nim ham mờ mnh m v cỏc d nh ln lao ca cỏ nhõn vo vic hc B Tp trung hc mt cỏch cú la chn hoc hc theo tỡnh C Tp trung hc mt cỏch thn trng v mỏy múc nh ó c hng dn D Tp trung hc nhng ni dung bt kỡ, khụng liờn quan n Bn cho rng mỡnh l ngi hc: A Quyt oỏn, hiu bit v bn thõn cú ng c hc cao B Ch hỡnh thnh ng c thy ni dung hc l cn thit C t ch ng, ng c hc ca bn xut phỏt t cỏc lý bờn ngoi D Hay phn i nhng ý kin cú tớnh ỏp t Phng phỏp hc ca bn thng: A Thớch khỏm phỏ t c nhng mc tiờu nõng cao cỏ nhõn mỡnh t B Ch ỏp ng cỏc mc tiờu trờn mc trung bỡnh thy cú kt qu mong mun hay li ớch cn thit C Ch ỏp ng cỏc mc tiờu d dng t c D Khụng ỏp ng cỏc mc tiờu hc b ỏp t bi ngi khỏc Trong quỏ trỡnh hc tp, bn l ngi: A Thit lp v t c cỏc mc tiờu nõng cao mang tớnh cỏ nhõn (c ngn hn v di hn) B Thit lp v t c cỏc mc tiờu ngn hn c nh hng theo nhim v vi mc t thụng thng n nõng cao C Theo v c gng t c cỏc mc tiờu hng nhim v n gin, c hng dn bi ngi khỏc D Khụng cú mc ớch Trong hc tp, bn thng: Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 114 A N lc ti a t c cỏc mc ớch di hn quan trng ca cỏ nhõn B Ti thiu húa cỏc mc tiờu tit kim thi gian v gim thiu n lc ca bn thõn C N lc ht mỡnh cỏc nhim v hc c h tr D Chng i n cựng hoc b qua cỏc mc tiờu hc b ỏp t Trong quỏ trỡnh hc tp, bn l ngi: A N lc ht sc khỏm phỏ, t xõy dng v ỏp dng tri thc mi B N lc t ti cỏc mc tiờu c phõn cụng hoc tha thun C N lc ỏp ng cỏc yờu cu t bờn ngoi D Trn trỏnh vic hc ỏnh giỏ tớnh t giỏc hc tp, bn cho rng: A Mỡnh l ngi cú trỏch nhim hc tp, t qun c cỏc mc ớch, tin trỡnh v kt qu hc ca cỏ nhõn B Mỡnh l ngi cú trỏch nhim hc nhng lnh vc quan tõm nhng sn sng t b cỏc lnh vc khụng quan tõm C Khụng ch ng v luụn cn ngi hng dn liờn tc quỏ trỡnh hc D Trỏch nhim hc s khụng ỏp ng cỏc mc ớch c thit lp t ngi khỏc Trong hc tp, bn thng: A Tri qua cỏc tht bi nu b hn ch hoc c phộp t qun ớt B Thớch luyn v dng vi cỏc kt qu t c C Mong i c giỳp t ti cỏc mc ớch ngn hn D T thit lp cỏc mc ớch cỏ nhõn v khụng mun ỏp ng cỏc yờu cu hc Xin chõn thnh cm n s giỳp ca bn! Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 115 B Ph lc Mt s kt qu iu tra trờn phiu iu tra BK001 C C B C C B C C BK011 B A A B C B B B BK021 B B B B B B A B BK031 B A B B C B A B BK041 B B B C B C B C BK002 B A A B B B B B BK012 B B C B D C A B BK022 A D A B B A A B BK032 B A B A B B A B BK042 B B B B A C C A BK003 B B A C B B A B BK013 B A B B B B B A BK023 B B A C B A D BK033 B B A B B B B B BK043 B B A B A B A A BK004 A A B A A A A A BK014 B B D A D B B A BK024 D D D B B B D C BK034 B A A B A B A B BK044 B A A B A A B B BK005 C C B C B C C A BK015 B B B A A C B B BK025 C B C C C B B C BK035 D C A A B C C D BK045 A A A A A B B B BK006 B B A B A C B B BK016 A C A C A B A B BK026 A A A B A C A B BK036 B B A B A B B A BK046 A A A B A A B B BK007 B A B C A B A B BK017 B B A C C A B C BK027 C B B C C B B C BK037 A A A A A A A A BK047 B B B A A B B A Nguyn Th Kim Thoa_lun thc s khoa hc BK008 B D D D D C B A BK018 B B B B A C B B BK028 B B B B C B A B BK038 B B A A B B B A BK048 B B A A B A A B BK009 B D B C B C B B BK019 A B A C A B B A BK029 B B A B A A B B BK039 A A A B C A A B BK049 C B B C C B B B BK010 B A A B C B B B BK020 B B D B B D B A BK030 B B D B B B A C BK040 A D A C A C C A BK050 A B B B B C A D ng dng mng n-ron E-learning 116 C Ph lc Mt s report a t phn mm SPSS Case Processing Summary Cases Valid N Missing Percent N Total Percent N Percent BK001 75.0% 25.0% 100.0% BK002 75.0% 25.0% 100.0% BK003 75.0% 25.0% 100.0% BK004 75.0% 25.0% 100.0% BK005 75.0% 25.0% 100.0% BK006 75.0% 25.0% 100.0% BK007 75.0% 25.0% 100.0% BK008 75.0% 25.0% 100.0% BK009 75.0% 25.0% 100.0% BK010 75.0% 25.0% 100.0% BK011 75.0% 25.0% 100.0% BK012 75.0% 25.0% 100.0% BK013 75.0% 25.0% 100.0% BK014 75.0% 25.0% 100.0% Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 117 BK015 75.0% 25.0% 100.0% BK016 75.0% 25.0% 100.0% BK017 75.0% 25.0% 100.0% BK018 75.0% 25.0% 100.0% BK019 75.0% 25.0% 100.0% BK020 75.0% 25.0% 100.0% Statistics BK001 N BK002 BK003 BK004 BK005 Valid 8 8 Missing 0 Mean 2.5000 5.3333 4.7500 7.5000 3.2500 Median 2.0000 4.0000 4.0000 8.0000 2.0000 2.00 4.00 4.00 8.00 2.00 92582 2.06559 2.12132 1.41421 2.12132 Variance 857 4.267 4.500 2.000 4.500 Range 2.00 4.00 6.00 4.00 6.00 Minimum 2.00 4.00 2.00 4.00 2.00 Maximum 4.00 8.00 8.00 8.00 8.00 Mode Std Deviation Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 118 Statistics BK006 N BK007 BK008 BK009 BK010 Valid 8 8 Missing 0 0 Mean 4.7500 4.5000 2.7500 3.1250 4.7500 Median 4.0000 4.0000 1.5000 4.0000 4.0000 4.00 4.00 1.00 4.00 4.00 2.12132 2.32993 2.49285 1.24642 2.12132 4.500 5.429 6.214 1.554 4.500 Range 6.00 6.00 7.00 3.00 6.00 Minimum 2.00 2.00 1.00 1.00 2.00 Maximum 8.00 8.00 8.00 4.00 8.00 Mode Std Deviation Variance Statistics BK011 N BK012 BK013 BK014 BK015 Valid 8 8 Missing 0 0 4.7500 3.6250 5.0000 4.2500 4.7500 Mean Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 119 Median 4.0000 4.0000 4.0000 4.0000 4.0000 4.00 4.00 4.00 4.00 4.00 2.12132 2.13391 1.85164 2.65922 2.12132 4.500 4.554 3.429 7.071 4.500 Range 6.00 7.00 4.00 7.00 6.00 Minimum 2.00 1.00 4.00 1.00 2.00 Maximum 8.00 8.00 8.00 8.00 8.00 Mode Std Deviation Variance Statistics BK016 N BK017 BK018 BK019 BK020 Valid 8 8 Missing 0 0 Mean 5.5000 4.2500 4.2500 5.7500 3.7500 Median 6.0000 4.0000 4.0000 6.0000 4.0000 8.00 2.00a 4.00 8.00 4.00 2.77746 2.49285 1.66905 2.49285 2.18763 7.714 6.214 2.786 6.214 4.786 Range 6.00 6.00 6.00 6.00 7.00 Minimum 2.00 2.00 2.00 2.00 1.00 Mode Std Deviation Variance Nguyn Th Kim Thoa_lun thc s khoa hc ng dng mng n-ron E-learning 120 Maximum 8.00 8.00 8.00 a Multiple modes exist The smallest value is shown Nguyn Th Kim Thoa_lun thc s khoa hc 8.00 8.00 ... sỹ khoa học Ứng dụng mạng nơ-ron E-learning 2.4 Mô hình toán học mạng nơ-ron nhân tạo 44 2.5 Kiến trúc mạng nơ-ron 46 2.5.1 Kiến trúc mạng lớp 46 2.5.2 Kiến trúc mạng đa lớp... bao gồm chương: Chương 1: Tổng quan E-learning Chương 2: Tổng quan mạng nơ-ron Chương 3: Một số mạng nơ-ron ứng dụng vào toán phân loại Chương 4: Ứng dụng mạng nơ-ron toán phân loại người học Nguyễn... 55 2.7 Ứng dụng mạng nơ-ron nhân tạo 57 CHƯƠNG MỘT SỐ MẠNG NƠ-RON CƠ BẢN VÀ ỨNG DỤNG CHO BÀI TOÁN PHÂN LOẠI 60 3.1 Mạng Perceptron 60 3.1.1 Kiến trúc mạng Perceptron