- 1- BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG

THÁI THỊ BÍCH THỦY ỨNG DỤNG MẠNG NƠRON TRUYỀN THẲNG PHÂN TÍCH NHẬT KÝ MOODLE DỰ BÁO KẾT QUẢ HỌC TẬP TRỰC TUYẾN Chuyên ngành: Khoa học Máy tính Mã số: 60.48.01 TĨM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng - Năm 2011 - 2- Cơng trình hồn thành ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: PGS TS Lê Văn Sơn Phản biện 1: PGS.TS Trần Quốc Chiến Phản biện 2: TS Nguyễn Mậu Hân Luận văn ñược bảo vệ trước hội ñồng chấm Luận văn tốt nghiệp Thạc sĩ Kỹ thuật họp Đại học Đà Nẵng vào ngày 11 tháng năm 2011 Có thể tìm hiểu luận văn tại: - Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng - Trung tâm Học liệu, Đại học Đà Nẵng - 3- MỞ ĐẦU Lý chọn ñề tài Sự bùng nổ phát triển Công nghệ thơng tin mang lại nhiều hiệu khoa học hoạt ñộng thực tế, khai phá liệu lĩnh vực ñem ñến hiệu thiết thực cho người Khai phá liệu ñã giúp người sử dụng thu ñược tri thức hữu ích từ sở liệu kho liệu khổng lồ khác Để khai thác có hiệu kho liệu khổng lồ này, có nhiều cơng cụ xây dựng ñể thỏa mãn nhu cầu khai thác liệu mức cao, chẳng hạn công cụ khai thác liệu Oracle Discoverer hãng Oracle, việc xây dựng hệ chuyên gia, hệ thống dựa sở tri thức chun gia để dự báo ñược khuynh hướng phát triển liệu, thực phân tích liệu tổ chức Mặc dù công cụ, hệ thống hồn tồn thực phần lớn công việc nêu trên, chúng yêu cầu độ xác, đầy đủ định mặt liệu Hiện nay, xu hướng học trực tuyến ñang phát triển mạnh mẽ giới Tại Việt Nam, e-learning giáo dục ñã ñược ứng dụng rộng rãi năm gần có nhiều sản phẩm có sẵn phục vụ cho mục đích Với ưu mình, hệ thống mã nguồn mở Moodle ñược sử dụng rộng rãi Việt Nam Tuy nhiên ñi kèm với mơ hình đào tạo vấn - 4đề quản lý sử dụng nguồn tài nguyên hệ thống cho hiệu Hệ thống Moodle có sẵn nhiều cơng cụ đánh giá theo dõi q trình học học viên, nhiên công cụ phần lớn mang tính chất thống kê Vậy khơng xây dựng cơng cụ phân tích tập hợp hành vi học viên hệ thống e-learning nhằm ñánh giá tiến họ? Công cụ sử dụng nguồn liệu giám sát hành vi từ hệ thống e-learning (các tập tin nhật ký) làm liệu ñầu vào kết hợp với giải thuật tiên tiến trí tuệ nhân tạo ñể dự báo liệu tương lai Cụ thể hơn, công cụ giúp giảng viên dự báo kết học tập cuối khóa học viên, từ ñó có ñiều chỉnh kịp thời ñối với học viên có khả khơng đạt kết tốt theo dự báo Luận văn ñược thực với mục đích tìm hiểu số khía cạnh mạng Nơron truyền thẳng nhiều lớp, thuật toán lan truyền ngược ứng dụng chúng giải toán dự báo kết học tập trực tuyến qua liệu thống kê thu thập ñược từ tập tin nhật ký Moodle Mục tiêu nhiệm vụ Mục tiêu đề tài xây dựng cơng cụ sử dụng giải thuật khai phá liệu dự báo kết học tập học viên tham gia khóa học trực tuyến Nguồn liệu dự báo trích xuất từ tập tin nhật ký hệ thống CMS dựa tảng mã nguồn mở Moodle Nhiệm vụ ─ Nghiên cứu - 5Nhiệm vụ ─ Nghiên cứu ứng dụng Đối tượng phạm vi nghiên cứu Đề tài hướng ñến ñối tượng nghiên cứu chủ yếu giải thuật khai phá liệu nhằm áp dụng cho việc khám phá tri thức giáo dục Do hạn chế thời gian, nguồn kinh phí hạn chế chủ quan tác giả luận văn nên ñề tài tập trung nghiên cứu việc áp dụng mạng Nơron truyền thẳng nhiều lớp sử dụng thuật toán lan truyền ngược cho trình khai phá liệu giáo dục từ hệ thống CMS Giả thiết nghiên cứu Mạng Nơron truyền thẳng sử dụng thuật tốn lan truyền ngược có khả sử dụng mơ hình dự báo nhằm đánh giá khả hồn thành khóa học học viên hay không? Thông qua nghiên cứu thực nghiệm xây dựng ứng dụng, ñề tài nhằm kiểm ñịnh tính hợp lý giả thiết Phương pháp nghiên cứu
Phương pháp nghiên cứu tài liệu
Phương pháp thực nghiệm tự nhiên
Phương pháp quan sát Ý nghĩa khoa học thực tiễn ñề tài Về mặt ý nghĩa khoa học, ñề tài ñạt ñược kết sau: - 6
Đã hệ thống hóa nội dung giải tốn dự báo sử dụng mạng nơron nói chung mạng truyền thẳng lan truyền ngược nói riêng
Đã đề xuất thực phương pháp tìm kiếm tham số quan trọng mạng nơron truyền thẳng lan truyền ngược từ toán thực tiễn đơn vị cơng tác
Đã đề xuất quy trình tổng quát giải toán dự báo kết tương lai từ liệu khứ sử dụng thuật tốn lan truyền ngược.Quy trình thực nghiệm thơng qua việc giải toán cụ thể: dự báo kết học tập học viên trực tuyến thông qua liệu thu thập ñược từ tập tin nhật ký Moodle Về giá trị thực tiễn, sau hoàn tất, sản phẩm ñề tài khả dự báo kết học tập, qua góp phần hỗ trợ giảng viên cơng tác dự báo, đánh giá học viên Bố cục luận văn Luận văn gồm ba chương: Chương - TỔNG QUAN VỀ MẠNG NƠRON VÀ VẤN ĐỀ DỰ BÁO SỬ DỤNG MẠNG NƠRON Chương - MẠNG NƠRON TRUYỀN THẲNG LAN TRUYỀN NGƯỢC VÀ ỨNG DỤNG TRONG DỰ BÁO DỮ LIỆU Chương - XÂY DỰNG GIẢI PHÁP KỸ THUẬT CHO PHÉP DỰ BÁO KẾT QUẢ HỌC TẬP TRỰC TUYẾN - 7- CHƯƠNG - TỔNG QUAN VỀ MẠNG NƠRON VÀ VẤN ĐỀ DỰ BÁO SỬ DỤNG MẠNG NƠRON Khoa học trí tuệ nhân tạo chia làm ba nhánh chính: Hệ chun gia, Logic mờ Mạng Nơron Trong đó, hệ chun gia cơng cụ thích hợp để xử lý tín hiệu dạng phi số; Logic mờ cơng cụ mạnh ñể xử lý liệu dạng khái qt, mơ tả khơng rõ ràng; cịn mạng Nơron sử dụng công tác xử lý số liệu dạng số (các toán phân loại, nhận dạng, ) Mạng Nơron nhân tạo hệ thống xử lý thơng tin xây dựng sở tổng qt hóa mơ hình tốn học Nơron sinh học theo chế làm việc não người 1.1 Tổng quan mạng Nơron 1.1.1 Lịch sử phát triển 1.1.2 Mơ hình mạng Nơron 1.1.3 Các luật học Luật học yếu tố quan trọng tạo nên mạng Nơron nhân tạo Có hai vấn ñề cần học ñối với mạng Nơron nhân tạo, học tham số học cấu trúc Học tham số việc thay ñổi trọng số liên kết Nơron mạng; học cấu trúc việc ñiều chỉnh cấu trúc mạng bao gồm thay ñổi số lớp Nơron, số Nơron lớp cách liên kết chúng Hai vấn đề thực đồng thời tách biệt 1.1.4 Hình trạng mạng Các mạng tổng thể ñược chia thành hai loại dựa cách thức liên kết ñơn vị - 81.1.4.1 Mạng truyền thẳng Dịng liệu đơn vị đầu vào ñầu truyền thẳng theo hướng Việc xử lý liệu mở rộng thành nhiều lớp, khơng có liên kết phản hồi Điều có nghĩa khơng tồn liên kết mở rộng từ ñơn vị ñầu tới ñơn vị ñầu vào lớp hay lớp trước 1.1.4.2 Mạng quay lui (mạng hồi quy) 1.1.5 Ứng dụng mạng Nơron Trong trình phát triển, mạng Nơron ứng dụng thành cơng nhiều lĩnh vực hàng không vũ trụ, ñiều khiển tự ñộng, ngân hàng, quốc phòng, y học,… 1.2 Ứng dụng mạng Nơron dự báo liệu 1.2.1 Khái quát lĩnh vực dự báo 1.2.1.1 Khái niệm dự báo Dự báo khoa học nghệ thuật tiên đốn việc xảy tương lai sở phân tích khoa học liệu ñã thu thập ñược Khi tiến hành dự báo cần vào việc thu thập, xử lý số liệu khứ ñể xác ñịnh xu hướng vận ñộng tượng tương lai nhờ vào số mơ hình tốn học (định lượng) 1.2.1.2 Đặc điểm dự báo Khơng có cách để xác định tương lai cách chắn, tính khơng xác dự báo - 9Ln có ñiểm mù dự báo, dự báo cách xác hồn tồn điều xảy tương tương lai 1.2.1.3 Các phương pháp dự báo 1.2.2 Sử dụng mạng Nơron công cụ dự báo 1.2.2.1 Lĩnh vực áp dụng a) Bài toán phân lớp: loại tốn địi hỏi giải vấn ñề phân loại ñối tượng quan sát ñược thành nhóm dựa đặc điểm nhóm đối tượng Đây dạng tốn sở nhiều toán thực tế: nhận dạng chữ viết, tiếng nói, phân loại gen, phân loại chất lượng sản phẩm,… b) Bài toán dự báo: mạng Nơron nhân tạo ứng dụng thành cơng việc xây dựng mơ hình dự báo sử dụng tập liệu khứ ñể dự báo số liệu tương lai Đây nhóm tốn khó quan trọng nhiều ngành khoa học c) Bài tốn điều khiển tối ưu hóa: nhờ khả học xấp xỉ hàm mà mạng Nơron nhân tạo ñã ñược sử dụng nhiều hệ thống ñiều khiển tự động góp phần giải toán tối ưu thực tế 1.2.2.2 Ứng dụng giáo dục Riêng lĩnh vực giáo dục, ứng dụng mạng Nơron nói riêng khai phá liệu nói chung áp dụng rộng rãi Tuy nhiên, Việt Nam, việc ứng dụng trí tuệ nhân tạo hệ thống quản lý học tập cơng tác giảng dạy chưa quan tâm nghiên cứu áp dụng nhiều thực tế - 10CHƯƠNG - MẠNG NƠRON TRUYỀN THẲNG LAN TRUYỀN NGƯỢC VÀ ỨNG DỤNG TRONG DỰ BÁO DỮ LIỆU 2.1 Mạng Nơron truyền thẳng lan truyền ngược 2.1.1 Khái niệm Một mạng Nơron lan truyền ngược điển hình có lớp vào, lớp lớp ẩn Trong ứng dụng mạng lan truyền ngược, có hai q trình tính tốn phân biệt nhau, trình lan truyền thẳng trình lan truyền ngược Trong trình lan truyền thẳng, tất trọng số khơng thay đổi, tín hiệu hàm tính tốn từ trái qua phải từ Nơron qua Nơron Trong q trình lan truyền ngược, tín hiệu lỗi xuất phát từ lớp xuất lan truyền ngược phía trái Trong lan truyền trọng số cập nhật theo chiều hướng làm giá trị ñầu xích gần giá trị mong muốn 2.1.2 Hướng tiếp cận mạng Nơron lan truyền ngược Mạng Nơron lan truyền ngược ñạt kết tốt trường hợp ñịnh:
Một số lượng lớn liệu đầu vào/ra có sẵn, ta khơng chắn chúng có liên quan đến đầu
Dễ dàng để tạo số ví dụ hành vi ñúng
Các giải pháp cho vấn đề thay đổi theo thời gian, phạm vi tham số ñầu vào, ñầu ñã cho - 12
Khởi tạo trọng số (thường khởi tạo ngẫu nhiên)
Đối với mẫu liệu e tập huấn luyện o Lan truyền thẳng: tính O = giá trị đầu mạng; o Với T = giá trị ñầu mong muốn e, tính tốn lỗi đơn vị ñầu (T - O) o Lan truyền ngược: tính giá trị delta_wi cho tất trọng số từ lớp ẩn đến lớp ra; tính giá trị delta_wi cho tất trọng số từ lớp vào ñến lớp ẩn; o Cập nhật trọng số mạng
Kết thúc thuật toán 2.2.2 Một số yếu tố ảnh hưởng ñến trình học
Khởi tạo trọng số
Hằng số học η 2.3 Phát biểu toán dự báo kết học tập trực tuyến Học trực tuyến e-Learning đáp ứng tiêu chí giáo dục mới: học nơi, học lúc, học theo sở thích, học suốt đời E-Learning tồn song song bổ sung cho cách học tập truyền thống Nhìn chung, hệ thống E-Learning bao gồm:
Hệ thống quản lý học tập (LMS) giúp xây dựng lớp học trực tuyến hiệu - 13
Hệ thống quản lí nội dung học tập (LCMS) cho phép tạo quản lý nội dung học tập
Công cụ làm giảng cách sinh ñộng, dễ dùng ñầy ñủ multimedia Điều quan trọng E-Learning ñã ñược giới chuẩn hố nên giảng trao đổi với tồn giới trường học Việt Nam 2.3.1 Khái quát hệ thống quản lý học tập sử dụng Moodle Moodle hệ thống quản lý học tập mã nguồn mở Moodle thành phần quan trọng hệ thống E-learning, hỗ trợ học tập trực tuyến
Moodle bật thiết kế hướng tới giáo dục
Moodle phù hợp với nhiều cấp học hình thức ñào tạo
Moodle ñáng tin cậy, có 10 000 site giới (thống kê Moodle.org) ñã dùng Moodle 138 quốc gia ñã ñược dịch 70 ngôn ngữ khác 2.3.2 Phát biểu tốn Luận văn tập trung tìm hiểu hướng tiếp cận sử dụng mạng Nơron truyền thẳng lan truyền ngược ñể phát triển thử nghiệm với liệu thu thập tri thức sinh viên tham gia học mơn Tin trường Cao đẳng Kỹ thuật Y tế II năm 2010-2011 từ tập tin nhật ký hệ thống Moodle Các tri thức ñược kết hợp với kết ñánh giá thi lớp (theo phương thức học truyền thống) nhằm xây dựng mơ hình có khả dự báo khả hồn tất khóa học sinh viên - 14- CHƯƠNG - XÂY DỰNG GIẢI PHÁP KỸ THUẬT ĐỂ DỰ BÁO KẾT QUẢ HỌC TẬP TRỰC TUYẾN Để ñơn giản tránh hiểu nhầm, thuật ngữ “mạng Nơron” ñược dùng chương ñược hiểu mạng Nơron truyền thẳng nhiều lớp lan truyền ngược 3.1 Phân tích tốn Theo Kaastra and Boyd (1996), bước cần thực thiết kế mơ hình mạng Nơron sử dụng cho tốn dự báo nói chung, bao gồm tám bước Hình 3.1 Hình 3.1 Các bước thiết kế mơ hình mạng Nơron dự báo liệu Trong q trình thực hiện, khơng thiết phải thực theo ñúng thứ tự bước mà quay bước trước đó, ñặc biệt bước huấn luyện lựa chọn biến Các vấn ñề chủ yếu cần giải xây dựng mạng Nơron truyền thẳng lan truyền ngược dự báo kết học tập là:
Tiền xử lý liệu o Xác ñịnh tần số liệu: hàng ngày, hàng tuần,… o Kiểu liệu - 15o Phương thức chuẩn hóa liệu: cơng thức Max/Min hay độ lệch trung bình,…
Cấu trúc mạng o Số ñầu vào o Số lớp ẩn số Nơron lớp ẩn o Số Nơron ñầu o Hàm chuyển o Hàm lỗi
Huấn luyện mạng o Hệ số học o Bước ñà o Số chu kỳ huấn luyện tối ña o Khởi tạo trọng số o Kích thước tập huấn luyện/kiểm tra/xác thực Việc sử dụng mạng Nơron khám phá tri thức tập tin nhật ký Moodle hướng ñến việc giải câu hỏi như:
Có thể sử dụng mạng Nơron mơ hình dự báo nhằm phát học sinh tham gia học trực tuyến cần phải ñược bổ sung kiến thức kết thúc khóa học hay khơng?
Kết thi khóa học sinh viên nào? - 163.2 Xây dựng giải pháp kỹ thuật dự báo kết học tập trực tuyến Luận văn sử dụng hướng tiếp cận từ Kaastra Boyd (1996) có số thay đổi thực cho phù hợp với khn khổ tốn cần giải Đó tốn “Ứng dụng mạng Nơron truyền thẳng lan truyền ngược phân tích tập tin nhật ký Moodle dự báo kết học tập trực tuyến” Bài toán dự báo kết học tập trực tuyến hình thành từ báo “Dự đốn kết thi sinh viên trường ñại học mở Hellenic – Hy Lạp” hai tác giả Sotiris B Kotsiantis Panayiotis E Pintelas Tuy có điểm chung dự báo kết học tập sinh viên hướng tiếp cận lại hoàn toàn khác 3.2.1 Bước – Lựa chọn biến đầu vào Mục đích luận văn dự báo kết sinh viên từ liệu truy cập họ vào hệ thống tài ngun, tác động sinh viên tới hệ thống tài nguyên sau ñược giữ lại, bao gồm: Hình 3.2 Tác động sinh viên đến khóa học - 17
“Bài giảng lý thuyết”: nguồn tài nguyên chứa giảng cần thiết cho khóa học
“Bài thực hành”: tập phụ trợ, bổ sung kiến thức cho phần giảng lý thuyết
“Đề thi mẫu”: tập hợp ñề thi mẫu khóa học thực trước Mục đích cho sinh viên làm quen cấu trúc thi
“Các câu hỏi trắc nghiệm”: dùng cho mục đích củng cố kiến thức nhận từ khóa học Bảng 3.1 Các biến phục vụ dự báo Mã số A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17 Mô tả Họ tên (tên ñăng nhập tên ñầy ñủ) Số lần ñăng ký tham gia khóa học (thi lần 1/lần 2); Tổng thời gian truy cập suốt khóa học, từ 9/2010 ñến 12/2010 Tổng thời gian truy cập với mục ñích xem tài nguyên Tỷ lệ A4 / A3 Số lần truy cập tài nguyên “Lý thuyết” Số lần truy cập tài nguyên “Đề thi mẫu” Số lần truy cập tài nguyên “Bài thực hành” Số lượng câu trắc nghiệm ñã thực Tổng thời gian ñã thực thi trắc nghiệm Số lượng câu trắc nghiệm ñã trả lời ñúng Số lượng câu trắc nghiệm ñã trả lời sai Số lần gửi viết lên diễn ñàn Số lần ñọc viết diễn ñàn Các ngày tuần Ngày cuối tuần Thời gian ñăng nhập - 18Với biến đầu vào đầu trình bày Bảng 3.1, liệu sử dụng tập tin nhật ký 100 học sinh thuộc hai lớp Cao ñẳng Điều dưỡng trường Cao ñẳng Kỹ thuật Y tế II, môn Tin học, thời gian bốn tháng cuối năm 2010 Tập tin nhật ký ñược lấy từ hệ thống Moodle chạy mạng LAN trường Hiện hệ thống tài nguyên sử dụng Moodle trường phục vụ cho mạng nội nên học sinh tham khảo khóa học trực tuyến vào thời gian từ 7g30 – 11g30, từ 13g – 17g từ 17g30 – 21g (dành cho lớp ban ñêm trung tâm) ngày tuần, trừ ngày lễ chủ nhật Các liệu lịch sử ñược chọn lọc theo Bảng 3.1 ñược xử lý theo nguyên tắc sau: 1) Họ tên/mã số sinh viên/tên ñăng nhập (biến A1): giá trị biến lấy theo số thứ tự sinh viên ñược ñăng ký tham gia hệ thống Đây liệu dạng số nguyên lấy giá trị thực 2) Số lần ñăng ký tham gia khóa học: học sinh ñược thi hai lần cho môn học Đây liệu dạng số nguyên có hai giá trị nên biểu diễn 3) Các biến tính theo thời gian (tổng thời gian truy cập suốt khóa học, tổng thời gian truy cập với mục đích xem tài ngun, tổng thời gian ñã thực thi trắc nghiệm): ñược biểu diễn đơn vị tính theo phút 4) Số lần truy cập tài nguyên “Lý thuyết”/“Đề thi mẫu”/“Bài thực hành”, số lượng câu trắc nghiệm ñã thực hiện, số câu trắc - 19nghiệm ñã trả lời ñúng/sai, số lần gửi/ñọc viết diễn ñàn: biểu diễn giá trị thực 5) Ngày tuần: thể số từ – tương ứng ngày từ Chủ nhật, thứ hai,…ñến thứ bảy 6) Ngày cuối tuần: ngày từ thứ hai ñến thứ sáu thể giá trị thứ bảy ñược biểu diễn 7) Thời gian ñăng nhập: thể 24 tiếng ngày: 0, 1, 2,…,23 Rõ ràng hiệu ứng 1), 2), 3) 4) biến có thứ tự Giá trị thực chúng đưa vào mạng chúng vốn có Các hiệu ứng cịn lại biến phân loại Luận văn sử dụng phương pháp chọn số ñầu vào theo phương pháp one-perfect-one-unit Mặc dù phương thức có khả tạo trật tự nhân tạo giá trị ngược lại, số lượng ñầu vào giảm mơ hình thực ñơn giản 3.2.2 Bước – Thu thập liệu 3.2.3 Bước – Tiền xử lý liệu
Chuẩn hóa liệu Do tính chất hỗn loạn liệu, giá trị chúng sai lệch nhiều khoảng thời gian ngắn Điều gây khó khăn lớn để mạng Nơron thực cơng việc Hơn nữa, hàm kích hoạt sử dụng mạng Nơron bị chặn, gây tình trạng khơng thống hai giai đoạn huấn luyện dự báo Để tránh gặp khó khăn tiềm ẩn - 20vậy, liệu thường ñược thu nhỏ khoảng -1 1, phù hợp với hàm chuyển ñược sử dụng 3.2.4 Bước – Phân hoạch liệu Phân hoạch trình chia liệu thành tập huấn luyện, tối ưu tập thử nghiệm Theo ñịnh nghĩa, tập tối ưu ñược sử dụng ñể xác ñịnh kiến trúc mạng; tập huấn luyện dùng ñể cập nhật trọng số mạng; tập thử nghiệm ñược dùng ñể kiểm tra hiệu mạng sau luyện Vì tập liệu tối ưu tùy ý, bên cạnh đó, tham số mạng Nơron xác định thơng qua thực nghiệm nên luận văn không sử dụng tập tối ưu phân hoạch liệu Như tập liệu ñầu vào ñược chia thành hai tập liệu huấn luyện thử nghiệm theo tỉ lệ mặc ñịnh 80% 20% 3.2.5 Bước – Xây dựng mơ hình mạng Nơron 3.2.5.1 Số lượng lớp ẩn Về mặt lý thuyết, mạng Nơron với lớp ẩn với số Nơron ẩn hợp lý có ñủ khả xấp xỉ hàm liên tục Trong thực tế, mạng Nơron có từ đơi có hai lớp ẩn sử dụng rộng rãi ñạt ñược hiệu tốt 3.2.5.2 Số Nơron lớp ẩn Cho đến nay, khơng có cơng thức chung cho việc xác định số Nơron lớp ẩn Hầu hết nhà nghiên cứu sử dụng kinh nghiệm kết hợp với phương pháp thử-sai để tìm kết ... Đó tốn ? ?Ứng dụng mạng Nơron truyền thẳng lan truyền ngược phân tích tập tin nhật ký Moodle dự báo kết học tập trực tuyến? ?? Bài tốn dự báo kết học tập trực tuyến hình thành từ báo ? ?Dự đốn kết thi... ỨNG DỤNG TRONG DỰ BÁO DỮ LIỆU Chương - XÂY DỰNG GIẢI PHÁP KỸ THUẬT CHO PHÉP DỰ BÁO KẾT QUẢ HỌC TẬP TRỰC TUYẾN - 7- CHƯƠNG - TỔNG QUAN VỀ MẠNG NƠRON VÀ VẤN ĐỀ DỰ BÁO SỬ DỤNG MẠNG NƠRON Khoa học. .. số khía cạnh mạng Nơron truyền thẳng nhiều lớp, thuật toán lan truyền ngược ứng dụng chúng giải toán dự báo kết học tập trực tuyến qua liệu thống kê thu thập ñược từ tập tin nhật ký Moodle Mục