4. Nội dung và bố cục của luận văn
2.4.2 Các bước thực hiện
Các bước xây dựng mô hình dự báo tuyển sinh bằng phương pháp sử dụng mạng nơ ron MLP như sau:
- Chuẩn hóa dữ liệu, Xác định khoảng thời gian quan sát trước n, cửa sổ dự báo s
- Chia tập dữ liệu ban đầu thành các tập: huấn luyện (training) (> 50% số mẫu),
kiểm tra (test) (100% -> 30% số mẫu) và tập kiểm định (validation).
- Xây dựng tập dữ liệu với mẫu đầu tiên có đầu ra là y[s], y[s-1], y[s-2],…, y[1]
các đầu vào là các x[1], x[2],…, x[n].
- Xây dựng mô hình mạng nơ ron MLP áp dụng cho dự báo (số lớp ẩn, số nơ ron
trong mỗi lớp ẩn, trọng số ban đầu, hệ số học). Việc xác định cấu trúc tối ưu cần quá trình thử-sai.
- Huấn luyện mạng với các thông số khởi tạo trên các tập dữ liệu training, xác định
lỗi với tập dữ liệu test để xác định khả năng tổng quát hóa.
- Sau khi huấn luyện, thực hiện kiểm định độ chính xác của mô hình với tập
validation.
2.5 Kết luận chương
Có thể thấy rằng, mạng nơ ron là một công cụ hữu hiệu trong việc xử lý các lớp bài toán phi tuyến phức tạp. Đặc biệt là trong bài toán dự báo. Chính vì vậy, nội dung chương 2 đã trình bày các kiến thức tổng quan cho việc xây dựng các loại mạng nơ ron và thực hiện các thuật toán học nhằm điều chỉnh trọng số của các node mạng sao cho sai số đầu ra là nhỏ nhất. Bên cạnh đó, để đưa ra quyết định hợp lý cho ứng dụng mạng nơ ron giải quyết bài toán dự báo thí sinh, nội dung chương cũng đã cập nhật các công trình công bố gần đây nhất trong và ngoài nước, đề xuất mô hình mạng nơ ron lan truyền ngược sai số. Hiệu quả của mô hình này sẽ được kiểm chứng thông qua phần mềm ứng dụng được xây dựng trên nền Matlab R2019a sẽ được trình bày chi tiết trong chương 3 kế tiếp.
CHƯƠNG 3
XÂY DỰNG CHƯƠNG TRÌNH MÔ PHỎNG DỰ BÁO TUYỂN SINH ỨNG DỤNG MẠNG NƠ RON MLP