Kỹ Thuật Viết Tài Liệu Tại Trường ĐH Công Nghệ Thông Tin Và Truyền Thông Thái Nguyên

Trong bối cảnh công nghệ thông tin (CNTT) đóng vai trò then chốt trong công cuộc công nghiệp hóa, hiện đại hóa đất… 103 trang · Đại học Thái Nguyên · 2016.

• Người hướng dẫn: TS. Vũ Duy Linh
• Trường học: Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Kỹ Thuật Viết Tài Liệu Tại Trường ĐH Công Nghệ Thông Tin Và Truyền Thông Thái Nguyên
• Loại tài liệu: đồ án tốt nghiệp
• Năm xuất bản: 2016
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ NHẬP ĐIỂM RÈN LUYỆN TỰ ĐỘNG VÀ TRÍỆU HỌC ĐẶC TRƯNG HỮU VIẾT TAY
• 1.1. Khái quát về nhập điểm rèn luyện tự động
• 1.2. Quản lý và nhập điểm rèn luyện tự động
• 1.3. Kiến trúc một hệ thống nhận dạng điểm rèn luyện sử dụng mạng nơron nhân tạo
• 2. CHƯƠNG 2: NHẬN DẠNG PHIẾU ĐIỂM SỬ DỤNG MẠNG NƠRON
• 2.1. Chi tiết thiết kế một mạng nơron
• 2.2. Kỹ thuật tríệu học đặt trung kết hợp biến đổi DCT và thuật toán phân tích thành phần chính PCA
• 2.3. Kỹ thuật tríệu học đặt trung sử dụng Momen Legendre
• 2.4. Kỹ thuật sử dụng mạng Neural nhân nhập (convolutional neural network)
• 2.5. Huấn luyện mạng
• 2.6. Nhận dạng sử dụng mạng nơron
• 2.7. Khả năng sử dụng mạng nơron trong nhận dạng
• 2.8. Mô hình nhận dạng hệ thống sử dụng mạng nơron
• 2.9. Nhận dạng hệ thống sử dụng mạng nơron
• 2.10. Đặt trung của phiếu điểm
• 2.11. Huấn luyện và nhận dạng
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Kỹ Thuật Viết Tài Liệu Tại ĐH CNTT TT TN

Trong bối cảnh công nghệ thông tin (CNTT) đóng vai trò then chốt trong công cuộc công nghiệp hóa, hiện đại hóa đất nước, việc triển khai các công trình nghiên cứu và ứng dụng CNTT góp phần giải phóng sức lao động, tiết kiệm thời gian, và nâng cao năng suất. Một trong những bài toán quan trọng là nhận dạng chữ viết tay, đã được ứng dụng hiệu quả trong nhiều lĩnh vực như y tế, giáo dục, quốc phòng, và nghiên cứu vũ trụ. Tại ĐH CNTT&TT Thái Nguyên, việc trang bị kỹ năng viết tài liệu cho sinh viên là vô cùng quan trọng. Tài liệu tham khảo đóng vai trò then chốt trong quá trình học tập và nghiên cứu.

1.1. Tầm quan trọng của kỹ năng viết tài liệu học thuật

Kỹ năng viết tài liệu học thuật giúp sinh viên ĐH CNTT&TT Thái Nguyên trình bày ý tưởng một cách rõ ràng, mạch lạc và logic. Văn phong khoa học là yếu tố then chốt để truyền đạt thông tin chính xác và hiệu quả. Sinh viên cần nắm vững ngữ pháp tiếng Việt và chính tả tiếng Việt để tránh sai sót trong quá trình viết. Việc sử dụng tài liệu tham khảo một cách chính xác và trung thực cũng là một yêu cầu bắt buộc.

1.2. Các loại tài liệu thường gặp tại trường ĐH CNTT TT

Sinh viên ĐH CNTT&TT Thái Nguyên thường xuyên phải viết nhiều loại tài liệu khác nhau, bao gồm báo cáo, luận văn, bài nghiên cứu khoa học, và các tài liệu chuyên ngành. Mỗi loại tài liệu có bố cục tài liệu và cấu trúc tài liệu riêng, đòi hỏi sinh viên phải nắm vững để đáp ứng yêu cầu. Ví dụ, một luận văn thường bao gồm các phần như mở đầu, tổng quan, phương pháp, kết quả, và kết luận.

II. Thách Thức Trong Kỹ Năng Viết Tài Liệu Của Sinh Viên

Việc xử lý kết quả đánh giá rèn luyện của sinh viên hiện nay tại hầu hết các trường được thực hiện thủ công. Quy trình đánh giá rèn luyện của học sinh - sinh viên được tiến hành từ cấp lớp đến cấp khoa và cấp trường. Kết quả đánh giá rèn luyện được giảng viên nhập vào bảng tổng hợp dựa trên phiếu đánh giá rèn luyện. Việc nhập điểm thủ công như vậy tốn khá nhiều công sức và khả năng nhầm lẫn cao. Điều này đặt ra yêu cầu cấp thiết về việc nâng cao kỹ năng viết tài liệu cho sinh viên, đặc biệt là kỹ năng viết báo cáo và viết luận văn.

2.1. Lỗi thường gặp khi viết tài liệu học thuật

Sinh viên thường mắc phải nhiều lỗi thường gặp khi viết tài liệu, bao gồm lỗi ngữ pháp tiếng Việt, lỗi chính tả tiếng Việt, lỗi trích dẫn tài liệu, và lỗi đạo văn. Việc sử dụng phần mềm hỗ trợ viết tài liệu như Microsoft Word hoặc LaTeX có thể giúp giảm thiểu các lỗi này. Tuy nhiên, sinh viên cần phải tự giác trau dồi kiến thức và kỹ năng để tránh mắc phải những sai sót không đáng có.

2.2. Áp lực thời gian và khối lượng công việc

Áp lực thời gian và khối lượng công việc lớn cũng là một thách thức đối với sinh viên khi viết tài liệu. Sinh viên thường phải hoàn thành nhiều bài tập và dự án cùng một lúc, dẫn đến việc không có đủ thời gian để tập trung vào việc viết tài liệu một cách cẩn thận và chu đáo. Kỹ năng quản lý thời gian và kỹ năng tự học là rất quan trọng để giúp sinh viên vượt qua thách thức này.

2.3. Thiếu kinh nghiệm nghiên cứu và phân tích

Nhiều sinh viên thiếu kinh nghiệm trong việc nghiên cứu và phân tích thông tin, dẫn đến việc viết tài liệu một cách hời hợt và thiếu chiều sâu. Kỹ năng tìm kiếm thông tin, đánh giá nguồn thông tin, và sử dụng thông tin hiệu quả là những kỹ năng cần thiết để giúp sinh viên viết tài liệu chất lượng cao. Sinh viên nên tham khảo tài liệu tham khảo ĐH CNTT&TT Thái Nguyên và cơ sở dữ liệu khoa học để nâng cao kiến thức và kỹ năng của mình.

III. Phương Pháp Nâng Cao Kỹ Năng Viết Tài Liệu Hiệu Quả

Để giải quyết vấn đề trên đòi hỏi chúng ta phải xây dựng được các công cụ hữu hiệu trong việc nhận dạng chữ viết tay và sẽ đem các lợi ích sau khi đưa vào ứng dụng thực tế: Giảm lượng nhân công nhập điểm, tiết kiệm thời gian, công sức, dễ dàng giám sát tiến trình nhập điểm, giúp đưa ra cách giải quyết phù hợp khi có sai sót xảy ra. Trong phạm vi một đề tài luận văn thạc sỹ, tôi sẽ đi sâu vào tìm hiểu kỹ thuật trích chọn đặc trưng nhận dạng chữ viết tay trên phiếu đánh giá kết quả rèn luyện. Do đó tôi chọn đề tài: “Một số kỹ thuật trích chọn đặc trưng chữ viết tay trong nhập điểm rèn luyện tự động”.

3.1. Xây dựng quy trình viết tài liệu chuẩn

Một quy trình viết tài liệu chuẩn bao gồm các bước như xác định mục tiêu, thu thập thông tin, xây dựng dàn ý, viết bản nháp, chỉnh sửa và hoàn thiện. Sinh viên cần tuân thủ quy trình này để đảm bảo tài liệu được viết một cách có hệ thống và hiệu quả. Việc sử dụng mẫu tài liệu và tài liệu hướng dẫn có thể giúp sinh viên tiết kiệm thời gian và công sức.

3.2. Sử dụng công cụ hỗ trợ viết tài liệu

Phần mềm hỗ trợ viết tài liệu như Microsoft Word, LaTeX, và Overleaf cung cấp nhiều tính năng hữu ích giúp sinh viên viết tài liệu một cách dễ dàng và chuyên nghiệp. Các công cụ này có thể giúp sinh viên định dạng tài liệu, kiểm tra chính tả và ngữ pháp, trích dẫn tài liệu, và tạo mục lục tự động. Tuy nhiên, sinh viên cần phải học cách sử dụng các công cụ này một cách hiệu quả để tận dụng tối đa lợi ích mà chúng mang lại.

3.3. Tham gia các khóa học và hội thảo về kỹ năng viết

ĐH CNTT&TT Thái Nguyên thường xuyên tổ chức các khóa học và hội thảo về kỹ năng viết tài liệu cho sinh viên. Tham gia các hoạt động này giúp sinh viên nâng cao kiến thức và kỹ năng của mình, đồng thời có cơ hội giao lưu và học hỏi kinh nghiệm từ các chuyên gia và bạn bè. Sinh viên nên chủ động tìm kiếm và tham gia các hoạt động này để phát triển bản thân.

IV. Ứng Dụng Kỹ Thuật Viết Tài Liệu Trong Nghiên Cứu Khoa Học

Công nghệ thông tin đang là một trong những ngành then chốt trong quá trình công nghiệp hóa hiện đại hóa đất nước. Việc triển khai khai nghiên cứu các công trình khoa học và đưa vào thực tế ứng góp phần giải phóng sức lao động, tiết kiệm thời gian, nâng cao suất công việc là một việc làm hết sức có ý nghĩa hiệu trong giai đoạn này. Đoạn Bài toán dạng chữ viết xuất hiện cách đây khá lâu và đã được ứng dụng nhân rất hiệu quả trong nhiều lĩnh vực khác nhau như y tế, giáo dục, quốc phòng, nghiên cứu vũ trụ.

4.1. Viết bài báo khoa học chất lượng

Viết bài báo khoa học là một kỹ năng quan trọng đối với sinh viên và giảng viên ĐH CNTT&TT Thái Nguyên. Một bài báo khoa học chất lượng cần phải có tính mới, tính sáng tạo, và tính ứng dụng cao. Sinh viên cần phải nắm vững phong cách viết học thuật và tuân thủ các tiêu chuẩn trình bày của các tạp chí khoa học uy tín. Việc công bố khoa học trên các tạp chí này giúp nâng cao uy tín và danh tiếng của cá nhân và trường đại học.

4.2. Trình bày kết quả nghiên cứu một cách hiệu quả

Kỹ năng trình bày và kỹ năng thuyết trình là rất quan trọng để giúp sinh viên và giảng viên truyền đạt kết quả nghiên cứu của mình một cách hiệu quả. Một bài trình bày tốt cần phải có cấu trúc rõ ràng, nội dung hấp dẫn, và hình ảnh minh họa sinh động. Sinh viên nên luyện tập kỹ năng trình bày trước khi tham gia các hội nghị khoa học hoặc các buổi báo cáo chuyên đề.

V. Kết Luận và Tương Lai Của Kỹ Năng Viết Tài Liệu

Trong hệ thống quản lý rèn luyện hiện nay có một vài giải pháp nhập điểm đã được đưa vào để thực hiện như nhập liệu thủ công trực tiếp, nhập điểm trực tuyến, nhập điểm theo lô từ file, và nhập điểm bằng nhận dạng ảnh phiếu điểm. Việc nhập điểm bằng nhận dạng ảnh phiếu điểm: Một trong các giải pháp nhập điểm khác được áp dụng là dùng các phiếu ghi điểm được viết theo những định dạng đặc biệt. Sau đó bảng điểm được quét vào thành một ảnh và dùng một phần mềm nhận dạng để biết cột nào được đánh dấu để suy ra điểm và ghi vào CSDL. Giải pháp này có ưu điểm là giảm tải cho phòng công tác học sinh - sinh viên, thay vì việc phải nhập điểm chỉ cần quét ảnh, sau đó chạy phần mềm nhận dạng. Tuy nhiên vẫn phải in bảng điểm và mời giáo viên lên ký.

5.1. Tự động hóa quy trình viết tài liệu

Trong tương lai, quy trình viết tài liệu có thể được tự động hóa một phần nhờ vào sự phát triển của trí tuệ nhân tạo (AI). Các công cụ AI có thể giúp sinh viên và giảng viên tìm kiếm thông tin, xây dựng dàn ý, viết bản nháp, và chỉnh sửa tài liệu. Tuy nhiên, vai trò của con người vẫn là then chốt trong việc đảm bảo chất lượng và tính sáng tạo của tài liệu.

5.2. Phát triển kỹ năng viết tài liệu đa phương tiện

Trong bối cảnh truyền thông đa phương tiện ngày càng phát triển, kỹ năng viết tài liệu đa phương tiện trở nên ngày càng quan trọng. Sinh viên cần phải học cách viết tài liệu kết hợp với hình ảnh, âm thanh, video, và các yếu tố tương tác để tạo ra những sản phẩm truyền thông hấp dẫn và hiệu quả. Tài liệu trực tuyến và tài liệu tương tác là những xu hướng mới trong lĩnh vực này.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong hệ thống giáo dục đại học, cao đẳng và trung học chuyên nghiệp tại Việt Nam, công tác đánh giá kết quả rèn luyện của học sinh, sinh viên là một nhiệm vụ quản lý định kỳ có vai trò quan trọng nhằm hướng tới mục tiêu giáo dục toàn diện về đạo đức, lối sống, tri thức và thể chất. Tuy nhiên, quy trình xử lý kết quả rèn luyện trong thực tế tại hầu hết các cơ sở đào tạo vẫn chủ yếu dựa vào các thao tác thủ công. Quy trình này diễn ra tuần tự qua nhiều cấp bậc quản lý: từ buổi họp tự đánh giá tại cấp chi đoàn/lớp, chuyển tiếp lên cấp khoa chuyên môn và cuối cùng là phê duyệt tại cấp trường. Sau khi hoàn thành việc bình xét, giảng viên hoặc cán bộ quản lý phải nhập từng đầu điểm từ phiếu đánh giá của từng sinh viên vào các bảng tổng hợp. Phương thức thực hiện thủ công bộc lộ những nhược điểm lớn: tiêu tốn nhiều thời gian, tiêu hao khối lượng lớn nhân lực quản lý và tiềm ẩn nguy cơ xảy ra sai sót, nhầm lẫn trong quá trình nhập liệu.

Để khắc phục những bất cập trên, tác giả Mai Quốc An đã thực hiện luận văn thạc sĩ chuyên ngành Khoa học máy tính với đề tài: "Một số kỹ thuật trích chọn đặc trưng chữ viết tay trong nhập điểm rèn luyện tự động", dưới sự hướng dẫn khoa học của TS. Vũ Duy Linh tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên (2016). Tác giả xác định ba nhiệm vụ và mục tiêu cụ thể cần đạt được khi xây dựng hệ thống tự động:

1. Giảm thiểu khối lượng nhân công thực hiện công việc nhập điểm tại các phòng ban chức năng (như phòng Công tác học sinh – sinh viên).
2. Tiết kiệm thời gian, công sức quản lý so với phương pháp thủ công truyền thống.
3. Tăng cường khả năng giám sát tiến trình nhập điểm, hỗ trợ phát hiện và xử lý kịp thời các sai lệch phát sinh trong quá trình thu thập thông tin.

Về đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các kỹ thuật trích chọn đặc trưng hình ảnh cho chữ viết tay, ký tự và các đánh dấu quang học trên phiếu đánh giá kết quả rèn luyện của học sinh, sinh viên; cấu trúc và giải thuật huấn luyện mạng nơ-ron nhân tạo ứng dụng trong nhận dạng mẫu.
• Phạm vi nghiên cứu: Giới hạn trong việc phân tích, khảo sát các kỹ thuật trích chọn đặc trưng tiêu biểu (biến đổi DCT kết hợp giải thuật PCA, Moment Legendre, mạng tích chập CNN) phục vụ mô hình tự động hóa quy trình nhập liệu điểm rèn luyện dựa trên ảnh quét phiếu điểm tại các cơ sở giáo dục đại học.

Cơ sở lý thuyết và phương pháp

Luận văn tiếp cận bài toán dựa trên nền tảng lý thuyết xử lý ảnh số, nhận dạng mẫu quang học và lý thuyết mạng nơ-ron nhân tạo:

• Khung lý thuyết mạng nơ-ron nhân tạo (ANN): Luận văn hệ thống hóa quá trình phát triển của mạng nơ-ron từ mô hình nơ-ron hình thức của Warren McCulloch và Walter Pitts (mô hình MCP, 1943), lý thuyết học có trọng số của Donald Hebb (1949), hội thảo trí tuệ nhân tạo Dartmouth (1956), mô hình Perceptron của Frank Rosenblatt (thập niên 1960) đến thuật toán lan truyền ngược (Back-propagation) do Paul Werbos phát triển năm 1974. Về mặt tóm tắt cơ sở toán học, mô hình xấp xỉ hàm phi tuyến nhiều chiều của mạng nơ-ron được bảo đảm bởi Định lý Kolmogorov: một hàm liên tục bất kỳ $f(x_1, x_2, \dots, x_n)$ xác định trên siêu lập phương đơn vị $I^n$ ($I = [0, 1]$) đều có thể được biểu diễn dưới dạng tổng hợp của các hàm liên tục một biến: $$f(x_1, \dots, x_n) = \sum_{q=0}^{2n} \Phi_q \left( \sum_{p=1}^n \psi_{q,p}(x_p) \right)$$
• Khung lý thuyết trích chọn đặc trưng hình ảnh: Phân tích các dạng đặc trưng thị giác từ cơ bản đến phức tạp, bao gồm lược đồ màu (Histogram), véc-tơ liên kết màu (Color Coherence Vector - CCV), các đặc trưng hình dạng theo đường biên (contour-based) và theo vùng (region-based), đặc trưng kết cấu (Texture) thông qua sóng Gabor hoặc ma trận đồng hiện, đặc trưng cục bộ bất biến SIFT (Scale-Invariant Feature Transform) sử dụng hàm sai phân Gaussian (DoG) để phát hiện điểm cực trị không gian tỉ lệ.
• Phương pháp nghiên cứu: Tác giả kết hợp phương pháp nghiên cứu lý thuyết (phân tích, mô hình hóa giải thuật toán học của DCT và PCA) với phương pháp thực nghiệm tính toán mô phỏng. Đối với giải thuật phân tích thành phần chính PCA, việc giải phương trình đặc trưng tìm giá trị riêng và véc-tơ riêng của ma trận hiệp phương sai được triển khai trên môi trường tính toán số MATLAB.
• Nguồn dữ liệu nghiên cứu: Tập hợp các mẫu phiếu điểm rèn luyện được số hóa qua máy quét ảnh (Scanner) hoặc lưu trữ trên đĩa từ, dưới các định dạng ảnh thông dụng (TIFF, BMP, PCX, JPEG, GIF...) ở dạng ảnh đen trắng hoặc ảnh đa cấp xám, cùng cấu trúc bảng dữ liệu đầu ra dạng DBF, MDB, XLS.

Thiết kế và triển khai

Luận văn phân tích cấu trúc của một hệ thống nhập điểm tự động từ ảnh quét và chuẩn hóa các giai đoạn thiết kế mô hình nơ-ron:

1. Kiến trúc hệ thống nhập điểm rèn luyện tự động

Quy trình xử lý tự động toàn diện của hệ thống gồm các công đoạn:

• Quét ảnh (Scanning): Tiếp nhận trực tiếp các mẫu phiếu qua máy quét với khả năng đọc và xử lý trên 30 định dạng tệp ảnh phổ dụng nhất (PCX, BMP, TIF, GIF, JPG...). Ảnh có thể được chuyển đổi trực tiếp vào bộ nhớ mà không nhất thiết phải lưu qua tệp trung gian.
• Tiền xử lý (Preprocessing): Thực hiện nối các đường đứt nét, lọc nhiễu, co giãn, vuốt trơn đường nét, tự động xác định góc nghiêng và bù trừ độ dịch chuyển tọa độ trên phiếu quét.
• Lựa chọn vùng và học Form mẫu: Sử dụng công cụ (như Markread) để phân tách các ô hình chữ nhật, hình tròn, e-lip phục vụ nhận dạng đánh dấu quang học (OMR) và các trường ký tự viết tay.
• Trích chọn đặc trưng và nhận dạng: Tách biệt từng đối tượng thành phần, tính toán véc-tơ đặc trưng và đối sánh với bộ trọng số/mẫu học đã huấn luyện sẵn.
• Hiệu chỉnh và xuất dữ liệu: Cho phép người dùng can thiệp sửa lỗi thủ công tại các vị trí nghi ngờ trước khi ghi nhận dữ liệu vào cơ sở dữ liệu dưới định dạng tệp DBF, MDB hoặc XLS.

2. Chuẩn hóa quy trình 7 bước thiết kế mạng nơ-ron

Tác giả chi tiết hóa quy trình thiết lập một mô hình mạng nơ-ron nhân tạo:

• Bước 1 - Lựa chọn biến: Xác định các thuộc tính đầu vào quan trọng thông qua kiểm thử thống kê hoặc phân tích thành phần phụ thuộc nhằm giảm độ phức tạp tính toán và tránh quá khớp (overfitting).
• Bước 2 - Thu thập dữ liệu: Thu thập tập dữ liệu độc lập với các bước tiền xử lý và kiểm thử, bảo đảm tính nhất quán logic.
• Bước 3 - Tiền xử lý dữ liệu: Chuẩn hóa dữ liệu về miền giá trị của hàm truyền (khoảng $[0, 1]$ hoặc $[-1, 1]$) thông qua đạo hàm bậc nhất, logarit tự nhiên, hoặc tỷ lệ biến; làm mịn dữ liệu bằng trung bình trượt hoặc hàm mũ; lọc mẫu để tạo phân phối đồng đều.
• Bước 4 - Phân chia tập dữ liệu: Tập dữ liệu được phân chia thành 3 phần tách biệt: tập huấn luyện (chiếm tỷ trọng lớn nhất để mạng học trọng số), tập kiểm thử (chiếm khoảng 10% đến 30% kích thước tập huấn luyện để đánh giá độ chính xác độc lập), và tập hợp lệ (chứng thực hiệu năng tổng quát).
• Bước 5 - Thiết kế sơ đồ mạng:
  • Số lớp ẩn: Khuyến nghị chỉ sử dụng 1 hoặc tối đa 2 lớp ẩn vì mạng 1 lớp ẩn đã có khả năng xấp xỉ tốt các hàm liên tục theo lý thuyết, việc tăng lớp ẩn sẽ làm tăng chi phí tính toán.
  • Số nơ-ron ẩn: Áp dụng quy tắc kim tự tháp hình học: với $n$ nơ-ron đầu vào và $m$ nơ-ron đầu ra, số nơ-ron lớp ẩn được ước lượng ban đầu bằng $\sqrt{n \times m}$. Sau đó, tác giả nêu ba kỹ thuật tinh chỉnh: phương pháp sửa chữa (thử nghiệm và tìm đáy đồ thị lỗi dạng lòng bát), phương pháp xây dựng (thêm dần nơ-ron đến khi hiệu năng giảm), và phương pháp tiêu hủy (cắt tỉa bớt nơ-ron dư thừa).
  • Số nơ-ron đầu ra: Ưu tiên thiết kế mạng có một nơ-ron đầu ra đơn lẻ vì mạng nhiều đầu ra thường cho chất lượng xấp xỉ kém hơn.
  • Hàm chuyển đổi: Sử dụng phổ biến hàm Sigmoid phi tuyến dạng chữ S, bên cạnh hàm Hyperbolic Tangent hoặc hàm tuyến tính.
• Bước 6 - Huấn luyện mạng: Thiết lập số chu kỳ lặp huấn luyện (Epochs). Số lần lặp dao động từ vài chục đến 10.000 lần, trong đó phổ biến nhất là khoảng vài trăm lần lặp để đạt cực tiểu hàm lỗi trung bình bình phương (MSE).
• Bước 7 - Triển khai và tái huấn luyện: Triển khai cấu trúc trọng số đã hội tụ vào phần mềm; định kỳ tái huấn luyện mạng khi hiệu năng phân loại có xu hướng suy giảm theo thời gian.

3. Giải thuật trích chọn đặc trưng kết hợp biến đổi DCT và PCA

Quy trình kết hợp giữa biến đổi cosin rời rạc (DCT) và phân tích thành phần chính (PCA) được xây dựng qua các bước chặt chẽ:

1. Từ ảnh ký tự đầu vào kích thước $M \times N$, áp dụng phép biến đổi DCT để thu được ma trận hệ số thực kích thước $M \times N$. Do tính chất bảo toàn năng lượng, các hệ số tập trung tại góc trên bên trái (tọa độ $(1,1)$) thể hiện mức sáng nền tổng thể của ảnh, trong khi các hệ số ở xa điểm gốc thể hiện các chi tiết tần số cao.
2. Quét dữ liệu ma trận DCT theo đường zigzag để tạo thành một véc-tơ đặc trưng một chiều có độ dài $M \times N$, gom các điểm có mức tương quan không gian cao lại gần nhau.
3. Áp dụng giải thuật PCA để giảm số chiều của véc-tơ đặc trưng từ $D$ chiều xuống $L$ chiều ($L < D$) theo 7 bước toán học:
   • Bước 1: Tính véc-tơ kỳ vọng trung bình $u$ kích thước $D \times 1$: $$u[d] = \frac{1}{N} \sum_{n=1}^N X[d, n]$$
   • Bước 2: Trừ giá trị trung bình trên từng chiều để thu được ma trận sai lệch $B = X - u \cdot h$ (với $h$ là ma trận hàng kích thước $1 \times N$ gồm các phần tử bằng 1).
   • Bước 3: Xác định ma trận hiệp phương sai mẫu $C$: $$C = \frac{1}{N} B \cdot B^T$$
   • Bước 4: Tính các giá trị riêng $\lambda_d$ bằng cách giải phương trình định thức $\det(C - \lambda I) = 0$, sau đó giải hệ phương trình $(C - \lambda_d I) V_d = 0$ để tìm các véc-tơ riêng trực giao $V_d$.
   • Bước 5: Sắp xếp tập giá trị riêng và véc-tơ riêng tương ứng theo thứ tự giảm dần của giá trị riêng.
   • Bước 6: Lựa chọn $L$ véc-tơ riêng đầu tiên tương ứng với các giá trị riêng lớn nhất để tạo thành ma trận biến đổi không gian $W$ kích thước $L \times D$.
   • Bước 7: Chiếu tập dữ liệu ban đầu sang không gian mới thu gọn: $$Y = X \cdot W^T$$

Nội dung chính theo từng chương

Chương 1: Khái quát về nhập điểm rèn luyện tự động và trích chọn đặc trưng chữ viết tay

Chương này tập trung trình bày tổng quan về nghiệp vụ quản lý rèn luyện, các giải pháp số hóa và cơ sở lý thuyết nhận dạng mẫu:

• Thực trạng và yêu cầu quản lý điểm rèn luyện: Phân tích nhu cầu tự động hóa nhập điểm tại các trường đại học, so sánh các giải pháp hiện hành gồm nhập liệu trực tiếp, nhập qua tệp bảng tính, nhập trực tuyến và nhập bằng nhận dạng ảnh quang học. Tác giả chỉ ra nhận dạng từ ảnh là hướng đi tối ưu để giảm tải cho bộ phận quản lý.
• Mô hình mạng nơ-ron nhân tạo: Phân tích kiến trúc mạng nơ-ron nhân tạo và so sánh với máy tính truyền thống:

Tiêu chí	Máy tính truyền thống	Mạng nơ-ron nhân tạo
Cách tiếp cận	Giải thuật tuần tự, theo các tập lệnh định sẵn	Mô phỏng quá trình xử lý song song của não bộ
Yêu cầu dữ liệu	Thuật toán phải tường minh, chính xác từng bước	Tự học qua tập mẫu huấn luyện, tự chỉnh trọng số
Xử lý phi tuyến	Hạn chế khi quan hệ vật lý quá phức tạp	Xấp xỉ tốt các hàm phi tuyến bất kỳ (Định lý Kolmogorov)
Khả năng thích ứng	Kém thích ứng với dữ liệu nhiễu, biến dạng	Khả năng thích ứng cao, chịu lỗi tốt

• Phân loại kiến trúc mạng: Trình bày chi tiết mạng truyền thẳng (Feedforward Network - tín hiệu chỉ lan truyền một chiều từ đầu vào đến đầu ra), mạng hồi quy (Recurrent Network - tín hiệu có phản hồi hai chiều, trạng thái biến đổi động đến khi đạt cân bằng) và mô hình Perceptron đa lớp.
• Tổng quan bài toán trích chọn đặc trưng: Phân định rõ sự khác biệt giữa nhận dạng chữ in và chữ viết tay. Nhận dạng chữ in đã đạt độ hoàn thiện cao (dẫn chứng phần mềm ABBYY FineReader 9.0 nhận dạng 192 ngôn ngữ; VnDocr 4.0 của Viện Công nghệ Thông tin nhận dạng chữ in tiếng Việt đạt độ chính xác trên 98%). Ngược lại, nhận dạng chữ viết tay gặp rào cản lớn do sự biến thiên tự do, đa dạng trong nét chữ của từng người viết. Các kỹ thuật đặc trưng truyền thống như lược đồ màu (Histogram), véc-tơ liên kết màu (CCV), đặc trưng hình dạng, đặc trưng kết cấu và đặc trưng bất biến tỷ lệ SIFT được giới thiệu có hệ thống.

Chương 2: Nhận dạng phiếu điểm sử dụng mạng nơ ron

Chương 2 đi sâu vào các kỹ thuật toán học và mô hình nhận dạng ứng dụng:

• Thiết kế chi tiết mạng nơ-ron: Thuyết minh toàn diện 7 bước thiết kế mạng, các quy tắc kinh nghiệm xác định số lớp ẩn (1-2 lớp), ước lượng nơ-ron ẩn theo $\sqrt{n \times m}$, hàm kích hoạt Sigmoid và số chu kỳ huấn luyện.
• Kỹ thuật trích chọn đặc trưng DCT kết hợp PCA: Trình bày chi tiết giải thuật biến đổi cosin rời rạc, trích mẫu zigzag và 7 bước giải thuật PCA để giảm số chiều véc-tơ mà vẫn bảo toàn tối đa thông tin hình học của ký tự viết tay. Quá trình tính toán ma trận được thực hiện bằng thư viện MATLAB.
• Kỹ thuật trích chọn đặc trưng sử dụng Moment Legendre: Trình bày khái niệm moment toán học kế thừa từ moment quán tính trong vật lý và việc ứng dụng đa thức trực giao Legendre để tính toán các moment trực giao, tạo ra các đặc trưng có tính bất biến hình học cao đối với biến dạng ký tự.
• Kỹ thuật sử dụng mạng nơ-ron tích chập (CNN): Phân tích cơ chế trích chọn đặc trưng tự động của mạng tích chập thông qua các lớp tích chập (Convolutional Layers) và lớp lấy mẫu (Subsampling/Pooling Layers) trước khi đưa vào các lớp kết nối đầy đủ (Fully Connected Layers) để phân loại ký tự.
• Quy trình huấn luyện và nhận dạng phiếu điểm: Mô tả cấu trúc các trường thông tin trên phiếu điểm rèn luyện, phương pháp phân vùng đối tượng (ô điểm rèn luyện, chữ ký, điểm tổng kết) và quy trình đưa véc-tơ đặc trưng vào mạng nơ-ron để nhận dạng và ghi nhận kết quả.

Kết quả và đóng góp

Luận văn đã đạt được những kết quả và đóng góp cụ thể về mặt học thuật và kỹ thuật:

• Hệ thống hóa cơ sở lý thuyết: Tổng hợp toàn diện nền tảng lý thuyết từ mô hình nơ-ron nhân tạo, định lý biểu diễn Kolmogorov, đến các kiến trúc mạng truyền thẳng, hồi quy và giải thuật lan truyền ngược.
• Xây dựng giải pháp trích chọn đặc trưng phối hợp: Đề xuất và mô tả chi tiết phương pháp trích chọn đặc trưng kết hợp giữa biến đổi cosin rời rạc (DCT) quét theo đường zigzag và giải thuật phân tích thành phần chính (PCA). Giải pháp này giúp gom nhóm các hệ số tần số thấp có mức tương quan cao, giảm số chiều véc-tơ dữ liệu hiệu quả trước khi đưa vào mạng nơ-ron huấn luyện.
• Chuẩn hóa quy trình thiết kế mạng cho bài toán số hóa phiếu điểm: Thiết lập tài liệu hướng dẫn kỹ thuật gồm 7 bước thiết kế mạng nơ-ron nhận dạng, từ chuẩn hóa dữ liệu, chọn số nơ-ron ẩn bằng công thức kim tự tháp hình học, đến giải thuật tính toán ma trận hiệp phương sai trên MATLAB.
• So sánh và khảo sát đa kỹ thuật: Đặt nền móng kỹ thuật khi phân tích song song ba phương pháp trích chọn đặc trưng hiện đại cho chữ viết tay: DCT-PCA, Moment trực giao Legendre và trích chọn tự động bằng mạng nơ-ron tích chập (CNN).

Hạn chế và hướng nghiên cứu tiếp

Dựa trên nội dung luận văn, tác giả đã chỉ ra một số hạn chế và định hướng phát triển:

• Hạn chế:
  • Nhận dạng chữ viết tay vẫn đối mặt với thách thức rất lớn do mức độ biến thiên quá tự do trong phong cách nét chữ của từng sinh viên và giảng viên, gây khó khăn cho việc xây dựng bộ đặc trưng phổ quát hoàn toàn.
  • Quá trình tiền xử lý dữ liệu và thiết lập tham số mạng nơ-ron (số nơ-ron ẩn, trọng số khởi tạo) mang tính thực nghiệm cao, đòi hỏi phải thử - sai nhiều lần và tiêu tốn tài nguyên tính toán.
  • Hiệu năng nhận dạng của mô hình có xu hướng suy giảm sau một thời gian vận hành trong thực tế, đòi hỏi phải thực hiện tái huấn luyện định kỳ với dữ liệu mới.
• Hướng nghiên cứu tiếp:
  • Tiếp tục hoàn thiện và thực nghiệm sâu hơn kỹ thuật trích chọn đặc trưng dựa trên Moment Legendre và mạng nơ-ron tích chập (CNN) trên tập mẫu chữ số viết tay thực tế quy mô lớn hơn.
  • Nâng cao độ bền vững của các giải thuật tiền xử lý ảnh nhằm khắc phục triệt để các dạng nhiễu, biến dạng giấy in, độ nghiêng lệch phát sinh trong quá trình quét tài liệu hàng loạt tại các phòng ban nghiệp vụ.

Giá trị tham khảo

Bản luận văn là tài liệu tham khảo có giá trị học thuật và ứng dụng thực tiễn:

• Đối tượng tham khảo: Sinh viên, học viên cao học chuyên ngành Khoa học máy tính, Công nghệ thông tin, Hệ thống thông tin và Kỹ thuật phần mềm đang thực hiện các đồ án, đề tài nghiên cứu về Thị giác máy tính (Computer Vision), Xử lý ảnh số (Digital Image Processing) hoặc Học máy (Machine Learning).
• Phần nội dung đáng tham khảo nhất:
  • Tài liệu hướng dẫn 7 bước thiết kế mạng nơ-ron nhân tạo (Chương 2, Mục 2.1), cung cấp các nguyên tắc thực tế để chọn số lớp ẩn, tính toán số nơ-ron ẩn theo công thức kim tự tháp hình học $\sqrt{n \times m}$, và phân chia tập dữ liệu.
  • Quy trình 7 bước giải thuật toán học của PCA kết hợp biến đổi DCT và quét zigzag (Chương 2, Mục 2.2), có thể ứng dụng trực tiếp cho các bài toán giảm chiều dữ liệu hình ảnh trên công cụ MATLAB.

Câu hỏi thường gặp

1. Tác giả luận văn đề xuất giải thuật nào để giảm số chiều đặc trưng của ảnh chữ viết tay?
Tác giả đề xuất kỹ thuật kết hợp giữa phép biến đổi cosin rời rạc (DCT) và giải thuật phân tích thành phần chính (PCA). Ảnh ban đầu được chuyển đổi sang miền tần số qua DCT, quét lấy các hệ số theo đường zigzag (tập trung năng lượng xung quanh hệ số mức sáng nền tại gốc $(1,1)$), sau đó áp dụng PCA qua 7 bước để giảm kích thước véc-tơ từ $D$ chiều xuống $L$ chiều ($L < D$) thông qua ma trận hiệp phương sai và các véc-tơ riêng.

2. Công thức kinh nghiệm nào được tác giả sử dụng để ước lượng số nơ-ron lớp ẩn ban đầu?
Tác giả khuyến nghị sử dụng quy tắc kim tự tháp hình học. Với một mạng nơ-ron 3 lớp có $n$ nơ-ron đầu vào và $m$ nơ-ron đầu ra, số lượng nơ-ron lớp ẩn ban đầu được tính xấp xỉ bằng căn bậc hai của tích số nơ-ron vào và ra: $\sqrt{n \times m}$. Số lượng thực tế có thể dao động từ một nửa đến gấp hai lần giá trị này tùy theo độ phức tạp của bài toán.

3. Tại sao mạng nơ-ron nhân tạo có khả năng xấp xỉ tốt các quá trình phi tuyến phức tạp?
Dựa trên Định lý Kolmogorov, mọi hàm liên tục nhiều biến đều có thể biểu diễn qua tổ hợp tuyến tính của các hàm liên tục một biến. Mạng nơ-ron kết nối các phần tử phi tuyến (các nơ-ron đơn lẻ) với các trọng số liên kết, cho phép tạo thành một hàm tổng hợp phi tuyến phức tạp có khả năng xấp xỉ quan hệ phi tuyến bất kỳ giữa tập đầu vào và đầu ra sau quá trình học.

4. Quy trình xử lý chung của một hệ thống nhập điểm tự động từ ảnh quét gồm những bước nào?
Hệ thống gồm 6 giai đoạn chính: (1) Quét ảnh trực tiếp từ máy quét với khả năng đọc trên 30 định dạng tệp ảnh; (2) Tiền xử lý (khử nhiễu, nối nét, chỉnh góc nghiêng và độ lệch); (3) Lựa chọn vùng nhập liệu; (4) Học Form mẫu phiếu; (5) Trích chọn đặc trưng và nhận dạng đối tượng qua mạng nơ-ron; (6) Hiệu chỉnh sai sót và xuất tệp kết quả ra định dạng DBF, MDB hoặc XLS.

5. Luận văn đã so sánh độ chính xác của nhận dạng chữ in và chữ viết tay như thế nào?
Tác giả chỉ ra nhận dạng chữ in đã đạt mức độ hoàn thiện gần như trọn vẹn (như ABBYY FineReader 9.0 nhận dạng 192 ngôn ngữ, hay phần mềm VnDocr 4.0 của Viện Công nghệ Thông tin nhận dạng chữ in tiếng Việt đạt độ chính xác trên 98%). Trong khi đó, nhận dạng chữ viết tay vẫn là một thách thức công nghệ rất lớn do mức độ biến thiên quá đa dạng trong nét chữ của từng cá nhân.

Kết luận

Luận văn thạc sĩ của tác giả Mai Quốc An đã giải quyết bài toán tự động hóa công tác nhập điểm rèn luyện sinh viên bằng cách tiếp cận kỹ thuật xử lý ảnh và mạng nơ-ron nhân tạo. Công trình đã làm rõ cơ sở toán học của các phương pháp trích chọn đặc trưng tiên tiến, nổi bật là quy trình kết hợp biến đổi DCT quét zigzag với giải thuật giảm chiều dữ liệu PCA trên nền tảng tính toán MATLAB. Nội dung nghiên cứu không chỉ đưa ra giải pháp giảm thiểu nhân công và sai sót trong công tác quản lý đào tạo mà còn cung cấp tài liệu tham khảo có cấu trúc khoa học, chặt chẽ cho các nghiên cứu thuộc lĩnh vực nhận dạng mẫu và thị giác máy tính.