Nội dung của chƣơng gồm có các phần chính: Lý do đƣa ra các tiêu chí đƣợc lựa chọn trong bảng thống kê. Sử dụng công công cụ SOM huấn luyện mạng SOM đƣa ra những hình ảnh trực quan. Từ hình ảnh trực quan mạng kết hợp với bảng thống kê dữ liệu đƣa ra những nhận xét, từ những nhận xét ở trên sẽ giúp rất nhiều cho công tác tổ chức giảng dạy, bố trí giáo viên..., đƣa ra những giải pháp cần thiết nhằm nâng cao chất lƣợng giảng dạy và học tập sinh viên K2 đại học các lớp tuyển khoáng trƣờng đại học Công nghiệp Quảng Ninh.
Số hóa bởi Trung tâm Học liệu http://lrc.tnu.edu.vn
KẾT LUẬN
Mạng SOM đƣợc ứng dụng vào rất nhiều các lĩnh vực nhƣ nhận dạng, khai phá dữ liệu, chuẩn đoán và dự đoán trong y học… Trong luận văn này mạng SOM đƣợc ứng dụng trong gom cụm dữ liệu điểm của các môn học.
Luận văn đã thực hiện đƣợc một số kết quả sau:
- Trình bày đƣợc những kiến thức cơ bản về mạng nơron và mạng nơron Kohonen. Giới thiệu một số phƣơng pháp học cơ bản của mạng nơron. - Trình bày một số phƣơng pháp phân cụm và một số thuật toán phân cụm. - Trình bày tƣơng đối chi tiết về mạng SOM và ứng dụng của SOM trong
phân cụm dữ liệu.
- Trình bày mục đích của công tác khảo sát hiện trạng, các bƣớc thực hiện quá trình đánh giá, thống kê kết quả học tập của sinh viên.
- Thu thập dữ liệu điểm của sinh viên K2 đại học các lớp tuyển khoáng trƣờng đại học Công nghiệp Quảng Ninh để SOM đƣa ra phân cụm và dựa vào đó phân tích đánh giá quá trình đào tạo tại đại học Công nghiệp Quảng Ninh.
Những hạn chế của luận văn:
- Do việc thống kê dữ liệu của trƣờng gặp nhiều khó khăn lên số lƣợng điểm của các khoa còn chƣa phong phú vì vậy đã làm cho kết quả các cụm chƣa phản ánh đƣợc rõ nét về các điểm các môn học và điểm từng sinh viên .
- Hƣớng nghiên cứu: Sử dụng những kết quả đạt đƣợc của luận văn để tiếp tục xây dựng một tập dữ liệu hoàn chỉnh tất cả các khoa của toàn Trƣờng.
Tuy đã cố gắng để hoàn thành luận văn nhƣng tôi chắc chắn sẽ không tránh
khỏi những thiếu sót. Tôi rất mong đƣợc sự đóng góp ý kiến của các thầy cô và bạn bè đồng nghiệp để luận văn đƣợc hoàn thiện hơn.
Số hóa bởi Trung tâm Học liệu http://lrc.tnu.edu.vn
TÀI LIỆU THAM KHẢO Tiếng Việt
[1]. Báo cáo tổng hợp đào tạo tại trƣờng Đại học Công nghiệp Quang Ninh năm học (2012-2013).
[2]. Lê Bá Dũng (2012), Bài giảng về mạng nơron nhân tạo và ứng dụng, ĐH Công nghệ thông tin và Truyền thông - Đại học Thái Nguyên.
[3]. Nguyễn Đình Thúc, Trí tuệ nhân tạo - Mạng nơron - Phương pháp & ứngdụng
, Nhà xuất bản Giáo dục, 2000.
[4]. Huỳnh Thị Kim Ngân, Sử dụng mạng Kohonen để phân cụm một số cơ sở dữ
liệu trong trường học, http://www.qtttc.edu.vn/vi/tainguyen/category/22-
tiengviet? download=172 & start=20.
Tiếng Anh
[5]. A.K.Jain, R.C.Dubes, Algorithms of fuzzy clustering data, Ptentice Hall, Englewood Cliffs, NJ, 1988
[6].DataClusteringAlgorithms,https://sites.google.com/site/dataclusteringalgorithms / ngày 12/4/2012.
[7]. Juha Vesanto (2000), Using SOMs in Data Mining, Licentiate’s thesis, Helsinki University of Technology.
[8].Flynn.P.J,MurtyM.N,Jain.A.K(1999),DataClustering:AReview,ACMComputing Surveys, Vol.31, No.3.
[9]. Tom Germano (1999), Self Organizing Maps.