I. Giới thiệu luận văn thạc sĩ
Luận văn thạc sĩ này tập trung vào việc kết hợp gom cụm và mạng nơron để dự báo chuỗi thời gian. Nghiên cứu được thực hiện tại Trường Đại học Bách Khoa, ĐHQG TP.HCM dưới sự hướng dẫn của PGS. Dương Tuấn Anh. Mục tiêu chính là cải thiện độ chính xác của các mô hình dự báo dữ liệu chuỗi thời gian bằng cách sử dụng phương pháp gom cụm và mạng nơron nhân tạo.
1.1. Vấn đề nghiên cứu
Dự báo chuỗi thời gian là một lĩnh vực quan trọng trong học máy và trí tuệ nhân tạo. Các phương pháp truyền thống thường sử dụng một mạng nơron duy nhất, dẫn đến việc bỏ qua các biến thiên cục bộ. Nghiên cứu này đề xuất một phương pháp mới, kết hợp gom cụm và mạng nơron để nắm bắt cả biến động toàn cục và cục bộ.
1.2. Mục tiêu nghiên cứu
Mục tiêu của nghiên cứu là phát triển một mô hình dự báo hiệu quả bằng cách sử dụng phương pháp gom cụm phân cấp (HAC) và mạng nơron. Phương pháp này nhằm cải thiện độ chính xác của dự đoán dữ liệu trong các lĩnh vực như tài chính và năng lượng.
II. Phương pháp nghiên cứu
Nghiên cứu sử dụng phương pháp gom cụm để phân chia chuỗi thời gian thành các chuỗi con, sau đó áp dụng mạng nơron để dự báo. Thuật toán gom cụm phân cấp (HAC) được sử dụng để nhóm các chuỗi con có đặc điểm tương tự. Mỗi nhóm được huấn luyện bằng một mạng nơron riêng biệt, sử dụng giải thuật lan truyền ngược (backpropagation).
2.1. Gom cụm chuỗi thời gian
Phương pháp gom cụm được áp dụng để phân chia chuỗi thời gian thành các chuỗi con dựa trên các điểm cực trị quan trọng. Thuật toán HAC được sử dụng để nhóm các chuỗi con này thành các cụm có đặc điểm tương tự.
2.2. Huấn luyện mạng nơron
Mỗi cụm được huấn luyện bằng một mạng nơron riêng biệt. Giải thuật lan truyền ngược được sử dụng để tối ưu hóa các tham số của mạng nơron, giúp cải thiện độ chính xác của dự báo.
III. Kết quả và đánh giá
Nghiên cứu đã thử nghiệm phương pháp trên các bộ dữ liệu khác nhau, bao gồm dữ liệu chứng khoán và dữ liệu năng lượng. Kết quả cho thấy phương pháp kết hợp gom cụm và mạng nơron cho độ chính xác cao hơn so với phương pháp sử dụng một mạng nơron duy nhất.
3.1. Đánh giá độ chính xác
Phương pháp mới cho kết quả dự báo chính xác hơn, đặc biệt trong các lĩnh vực có biến thiên cục bộ mạnh như tài chính. Mô hình dự báo này cũng thể hiện khả năng nắm bắt các biến động toàn cục và cục bộ một cách hiệu quả.
3.2. Ứng dụng thực tế
Phương pháp này có thể được áp dụng trong nhiều lĩnh vực như dự báo tài chính, quản lý năng lượng, và dự đoán thị trường. Nó giúp các nhà quản lý đưa ra các quyết định chính xác hơn dựa trên dữ liệu chuỗi thời gian.
