Mô Hình Đánh Giá Sự Hài Lòng Của Các Nhà Quảng Cáo Đối Với Công Ty Quảng Cáo

Luận văn thạc sĩ UEH nghiên cứu ứng dụng mạng neural trong xây dựng mô hình đánh giá sự hài lòng của nhà quảng cáo với công ty quảng cáo.

• Tác giả: Đinh Thị Nhung
• Người hướng dẫn: GS. Hồ Đức Hùng
• Trường học: Trường Đại Học Kinh Tế Thành Phố Hồ Chí Minh
• Chuyên ngành: Quản Trị Kinh Doanh
• Đề tài: Mô Hình Đánh Giá Sự Hài Lòng Của Nhà Quảng Cáo Bằng Mạng Neural
• Loại tài liệu: Luận Văn Thạc Sỹ
• Năm xuất bản: 2013
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: Lý do chọn đề tài
• 1.1. Mục tiêu nghiên cứu
• 1.2. Đối tượng và phạm vi nghiên cứu
• 1.3. Phương pháp nghiên cứu
• 1.4. Ý nghĩa thực tiễn
• 1.5. Nội dung đề tài nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
• 2.1. Khái niệm về mạng neural
• 2.2. Mạng neural sinh học
• 2.3. Một số dạng thông dụng của hàm tác động (Activation function)
• 2.4. Tiến trình học
• 2.5. Phân loại mạng neural
• 2.5.1. Phân loại mạng neural
• 2.5.2. Một số loại mạng neural
• 2.5.2.1. Mạng dẫn tiến
• 2.5.2.1.1. Mạng dẫn tiến một lớp (Single layer perceptron)
• 2.5.2.1.2. Mạng dẫn tiến nhiều lớp (Multilayer perceptron)
• 2.5.2.2. Mạng hàm cơ sở xuyên tâm (RBF - Radial Basics Function network)
• 2.5.2.3. Mạng neural quy hồi
• 2.6. Những ưu điểm và ứng dụng mạng neural
• 3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 5. CHƯƠNG 5: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về mô hình đánh giá sự hài lòng của nhà quảng cáo

Mô hình đánh giá sự hài lòng của nhà quảng cáo bằng mạng neural đang trở thành một công cụ quan trọng trong ngành quảng cáo. Sự phát triển của công nghệ đã tạo điều kiện cho việc áp dụng các phương pháp phân tích dữ liệu phức tạp. Mô hình này không chỉ giúp các công ty quảng cáo hiểu rõ hơn về nhu cầu của khách hàng mà còn tối ưu hóa chiến lược quảng cáo của họ.

1.1. Khái niệm về mô hình mạng neural trong quảng cáo

Mô hình mạng neural là một hệ thống tính toán được thiết kế để mô phỏng cách thức hoạt động của não bộ con người. Nó có khả năng học hỏi từ dữ liệu và đưa ra dự đoán chính xác về sự hài lòng của khách hàng.

1.2. Tại sao sự hài lòng của nhà quảng cáo quan trọng

Sự hài lòng của nhà quảng cáo ảnh hưởng trực tiếp đến hiệu quả của các chiến dịch quảng cáo. Khi nhà quảng cáo hài lòng, họ có xu hướng tiếp tục hợp tác và đầu tư nhiều hơn vào các dịch vụ quảng cáo.

II. Vấn đề và thách thức trong đánh giá sự hài lòng

Đánh giá sự hài lòng của nhà quảng cáo không phải là một nhiệm vụ đơn giản. Có nhiều yếu tố ảnh hưởng đến sự hài lòng, từ chất lượng dịch vụ đến mối quan hệ giữa nhà quảng cáo và công ty quảng cáo. Việc xác định và đo lường các yếu tố này là một thách thức lớn.

2.1. Các yếu tố ảnh hưởng đến sự hài lòng

Các yếu tố như chất lượng dịch vụ, giá cả, và sự tương tác giữa nhà quảng cáo và công ty quảng cáo đều có thể tác động đến sự hài lòng. Việc phân tích các yếu tố này là cần thiết để xây dựng mô hình chính xác.

2.2. Thách thức trong việc thu thập dữ liệu

Việc thu thập dữ liệu chính xác và đầy đủ từ các nhà quảng cáo là một thách thức lớn. Nhiều nhà quảng cáo có thể không cung cấp thông tin đầy đủ hoặc chính xác về sự hài lòng của họ.

III. Phương pháp xây dựng mô hình đánh giá sự hài lòng

Phương pháp xây dựng mô hình đánh giá sự hài lòng của nhà quảng cáo bằng mạng neural bao gồm nhiều bước quan trọng. Từ việc thu thập dữ liệu đến việc huấn luyện mô hình, mỗi bước đều cần được thực hiện cẩn thận để đảm bảo tính chính xác.

3.1. Quy trình thu thập và phân tích dữ liệu

Quy trình này bao gồm việc thiết kế bảng hỏi và thu thập dữ liệu từ các nhà quảng cáo. Dữ liệu sau đó sẽ được phân tích để xác định các yếu tố chính ảnh hưởng đến sự hài lòng.

3.2. Huấn luyện mô hình mạng neural

Mô hình mạng neural sẽ được huấn luyện bằng cách sử dụng dữ liệu đã thu thập. Quá trình này bao gồm việc điều chỉnh các trọng số để tối ưu hóa độ chính xác của mô hình.

IV. Ứng dụng thực tiễn của mô hình đánh giá

Mô hình đánh giá sự hài lòng của nhà quảng cáo bằng mạng neural đã được áp dụng thành công trong nhiều công ty quảng cáo. Kết quả từ mô hình này giúp các công ty cải thiện dịch vụ và tăng cường mối quan hệ với khách hàng.

4.1. Kết quả nghiên cứu từ mô hình

Nghiên cứu cho thấy rằng mô hình mạng neural có thể dự đoán chính xác sự hài lòng của nhà quảng cáo, từ đó giúp các công ty quảng cáo điều chỉnh chiến lược của mình.

4.2. Lợi ích cho các công ty quảng cáo

Việc áp dụng mô hình này giúp các công ty quảng cáo tối ưu hóa quy trình làm việc và nâng cao chất lượng dịch vụ, từ đó gia tăng sự hài lòng của khách hàng.

V. Kết luận và tương lai của mô hình đánh giá

Mô hình đánh giá sự hài lòng của nhà quảng cáo bằng mạng neural đang mở ra nhiều cơ hội mới cho ngành quảng cáo. Tương lai của mô hình này hứa hẹn sẽ mang lại nhiều giá trị cho các công ty quảng cáo và nhà quảng cáo.

5.1. Tương lai của mô hình mạng neural trong quảng cáo

Với sự phát triển không ngừng của công nghệ, mô hình mạng neural sẽ ngày càng trở nên phổ biến và hiệu quả hơn trong việc đánh giá sự hài lòng của khách hàng.

5.2. Hướng phát triển tiếp theo

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện độ chính xác của mô hình và mở rộng ứng dụng của nó trong các lĩnh vực khác nhau của ngành quảng cáo.

Nội dung chính

Tổng quan nghiên cứu

Thị trường dịch vụ quảng cáo tại Việt Nam ghi nhận sự phát triển nhanh chóng với quy mô đạt 1,2 tỷ USD vào năm 2011, tương ứng mức tăng trưởng 15% so với năm 2010 và quy tụ hơn 5.000 doanh nghiệp tham gia hoạt động. Tuy nhiên, sự bùng nổ tự phát đã bộc lộ nhiều bất cập khi báo cáo ngành chỉ ra khoảng 25% ngân sách quảng cáo của các doanh nghiệp bị lãng phí do năng lực quản trị yếu kém và chiến lược thiếu tính chuyên nghiệp. Đứng trước sức ép cạnh tranh gay gắt, việc xác định chính xác các yếu tố chi phối sự hài lòng của các nhà quảng cáo đối với các công ty cung cấp dịch vụ (Agency) trở thành bài toán sống còn.

Mục tiêu cốt lõi của đề tài là nhận diện, đo lường các nhân tố tác động đến sự thỏa mãn của khách hàng doanh nghiệp (B2B), đồng thời tiên phong ứng dụng kỹ thuật mạng thần kinh nhân tạo (Artificial Neural Networks - ANN) để xây dựng mô hình dự báo phi tuyến tính thay thế cho các phương pháp hồi quy truyền thống. Nghiên cứu được triển khai trên phạm vi toàn quốc trong giai đoạn 2012–2013, khảo sát các nhà quảng cáo có ngân sách thường niên dao động từ dưới 50 triệu đồng đến trên 500 triệu đồng. Về mặt thực tiễn, luận văn mang lại giải pháp định lượng chuẩn xác giúp các công ty quảng cáo nâng cao năng lực phục vụ, giảm thiểu tỷ lệ rời bỏ của khách hàng xuống dưới 10% và tối ưu hóa 100% chi phí đầu tư vận hành dịch vụ trọng điểm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu kết hợp đa tầng các lý thuyết quản trị chất lượng và tiếp thị quan hệ hiện đại. Thứ nhất, mô hình Kano (1984) được sử dụng để phân loại các thuộc tính dịch vụ thành ba nhóm: đặc tính bắt buộc phải có, đặc tính tỷ lệ một chiều và đặc tính gia tăng sự thích thú. Thứ hai, mô hình chất lượng dịch vụ SERVQUAL của Parasuraman (1988) với 5 khía cạnh (Độ tin cậy, Phản hồi, Đảm bảo, Cảm thông, Hữu hình) kết hợp cùng mô hình chất lượng kỹ thuật - chức năng FSQ/TSQ của Grönroos (1984) để nhận diện giá trị dịch vụ cảm nhận.

Thứ ba, khung lý thuyết tiếp thị quan hệ của Caceres & Paparoidamis (2007) và mô hình tích hợp của Van Rensburg (2010) được chuẩn hóa cho bối cảnh ngành quảng cáo Việt Nam. Mô hình đề xuất cấu thành từ hai trụ cột lớn với 6 nhân tố đầu vào: Chất lượng dịch vụ (gồm Dịch vụ cốt lõi, Quản lý nghiệp vụ, Quản lý chi phí) và Chất lượng mối quan hệ (gồm Sự chính trực, Cam kết chung, Truyền thông). Đầu ra là Sự hài lòng khách hàng dựa trên thang đo của Kim (2004) với 3 biến số: Mức độ hài lòng chung, Ý định tiếp tục sử dụng và Xu hướng giới thiệu dịch vụ. Kỹ thuật Mạng Perceptron đa lớp (MLP) với các hàm kích hoạt Sigmoid và hàm tích hợp tổng trọng số từ lý thuyết của McCulloch & Pitts (1943) đóng vai trò nền tảng xử lý dữ liệu.

Phương pháp nghiên cứu

Quy trình nghiên cứu được thiết kế khoa học qua hai giai đoạn liên hoàn:

Nghiên cứu sơ bộ định tính được thực hiện thông qua phỏng vấn sâu trực tiếp 8 chuyên gia đầu ngành, bao gồm Giám đốc Vietnam Marketing, Giám đốc IMS, các trưởng bộ phận quản lý tài khoản và Giám đốc Marketing của các đơn vị đối tác như Elan&CO, Nguyễn Hoàng Group, AppliCAD Việt Nam và iSPACE nhằm hiệu chỉnh thang đo lý thuyết phù hợp với thực tiễn.

Nghiên cứu chính thức định lượng sử dụng bảng câu hỏi khảo sát trực tuyến qua email và cổng web chuyên ngành. Thang đo Likert 5 mức độ (từ 1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý) gồm 30 biến quan sát chính thức. Tổng kích thước mẫu thu thập đạt 222 quan sát hợp lệ, vượt mức yêu cầu tối thiểu 165 mẫu theo tiêu chuẩn tỷ lệ 5 quan sát trên 1 biến phân tích EFA và công thức độ nhạy e = 0,1.

Dữ liệu được xử lý bằng phần mềm STATISTICA phiên bản 8.0. Sau khi kiểm định Cronbach Alpha (ngưỡng chấp nhận từ 0,6 trở lên) và phân tích nhân tố khám phá EFA, dữ liệu được phân chia ngẫu nhiên thành 3 tập: 70% mẫu dùng để huấn luyện mạng (Training), 15% mẫu dùng để kiểm tra quá trình học (Testing) và 15% mẫu dùng để kiểm định độc lập (Validation). Phương pháp mạng neural được lựa chọn thay cho hồi quy OLS nhằm giải quyết triệt để các mối quan hệ phi tuyến phức tạp và loại bỏ hoàn toàn ảnh hưởng tiêu cực của hiện tượng đa cộng tuyến.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích thống kê mô tả trên 222 mẫu doanh nghiệp ghi nhận 4 phát hiện quan trọng:

Thứ nhất, xu hướng dịch chuyển mạnh sang quảng cáo trực tuyến. Có 42,79% doanh nghiệp (95 đơn vị) sử dụng thuần túy dịch vụ trực tuyến (Online) và 20,72% (46 đơn vị) phối hợp cả Online và Offline. Ngược lại, dịch vụ quảng cáo Offline truyền thống và TV/Radio chỉ chiếm tỷ trọng khiêm tốn 4,50% cho mỗi loại.

Thứ hai, cơ cấu ngân sách phân hóa nhưng tập trung ở phân khúc vừa và nhỏ. Nhóm doanh nghiệp chi dưới 50 triệu đồng/năm chiếm tỷ lệ cao nhất với 31,53% (70 công ty); nhóm chi từ 100 đến 500 triệu đồng/năm chiếm 28,38% (63 công ty); nhóm từ 50 đến 100 triệu đồng/năm chiếm 22,97% (51 công ty); và chỉ có 17,12% (38 công ty) sở hữu ngân sách lớn trên 500 triệu đồng/năm.

Thứ ba, cơ cấu ngành nghề cho thấy lĩnh vực dịch vụ là đối tượng khách hàng lớn nhất, chiếm 51,35% (114 công ty), theo sau là ngành sản xuất chiếm 25,68% (57 công ty), bán lẻ chiếm 17,12% (38 công ty) và bán sỉ chiếm 5,86% (13 công ty).

Thứ tư, kết quả phân tích độ nhạy từ mạng neural chứng minh Chất lượng mối quan hệ có tầm quan trọng vượt bậc so với chỉ tiêu giá cả đơn thuần. Trong đó, Sự chính trực (với biến độ tin cậy lời hứa đạt điểm trung bình 3,813/5) và tính linh hoạt thích ứng dịch vụ (điểm trung bình 3,781/5) tác động mạnh mẽ nhất đến quyết định tái hợp tác.

Thảo luận kết quả

Thực tế thị trường cho thấy chi phí quảng cáo trực tuyến chỉ bằng 1/10 chi phí truyền hình và bằng 1/4 báo in, giải thích nguyên nhân tại sao hơn 63,51% doanh nghiệp ưu tiên tích hợp các kênh số nhằm tối ưu hóa ngân sách. Kết quả này hoàn toàn nhất quán với các nghiên cứu tiếp thị B2B quốc tế, khẳng định sự hài lòng trong ngành dịch vụ sáng tạo không chỉ đến từ sản phẩm chuyển giao mà phụ thuộc phần lớn vào tính minh bạch, cam kết đồng hành và kỹ năng quản lý tài khoản của đội ngũ phụ trách.

Về mặt kỹ thuật, mối quan hệ giữa giá trị tính toán từ mô hình mạng MLP và giá trị thực tế được hiển thị trực quan qua biểu đồ phân phối phần dư (Residual distribution) và bảng so sánh sai số bình phương trung bình (RMSE). Sai số trên tập kiểm định 15% đạt mức rất thấp, chứng minh khả năng xấp xỉ hàm phi tuyến và tính chuẩn xác vượt trội của mạng neural so với mô hình hồi quy truyền thống.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu định lượng, 4 nhóm giải pháp chiến lược được đề xuất cho các công ty quảng cáo:

Nâng cao tính chính trực và độ tin cậy trong cam kết dịch vụ. Ban giám đốc Agency cần thiết lập bộ quy chuẩn thực thi cam kết (SLA), gắn trách nhiệm giải trình minh bạch vào KPI của từng bộ phận. Mục tiêu nâng chỉ số hài lòng về độ tin cậy từ mức 3,81 lên 4,6/5 điểm trong lộ trình 6 tháng đầu năm.

Tái cơ cấu danh mục dịch vụ tập trung vào nền tảng Digital Marketing. Đội ngũ hoạch định chiến lược và sáng tạo cần phát triển các gói giải pháp trực tuyến toàn diện, đặt mục tiêu tăng trưởng tỷ trọng khách hàng sử dụng dịch vụ tích hợp đa kênh từ 20,72% lên 45% trong vòng 12 tháng.

Thiết lập cơ chế truyền thông và quản trị chi phí minh bạch. Bộ phận Quản lý tài khoản (Account Management) cần triển khai cổng theo dõi dự án thời gian thực (Real-time Dashboard), cung cấp báo cáo chi phí chi tiết theo tuần, hướng tới mục tiêu giảm tỷ lệ khiếu nại về ngân sách xuống dưới 3% trong quý 3.

Chuẩn hóa quy trình đào tạo chuyên môn và kỹ năng quản lý quan hệ khách hàng. Phòng Nhân sự phối hợp cùng Giám đốc Sáng tạo tổ chức định kỳ 2 khóa đào tạo chuyên sâu mỗi quý, cam kết nâng tỷ lệ khách hàng tái ký hợp đồng lên trên 35% sau 1 năm thực hiện.

Đối tượng nên tham khảo luận văn

Ban điều hành và Giám đốc các Agency quảng cáo: Nắm bắt 6 trụ cột ảnh hưởng then chốt để tái cấu trúc quy trình chăm sóc khách hàng, tối ưu hóa năng lực cạnh tranh và giữ chân hơn 80% khách hàng doanh nghiệp trung thành.

Giám đốc Marketing (CMO) và Trưởng phòng truyền thông tại các doanh nghiệp: Sử dụng bộ tiêu chí 30 biến quan sát làm khung tham chiếu chuẩn mực để thẩm định, lựa chọn và giám sát đối tác quảng cáo, loại bỏ nguy cơ lãng phí 25% ngân sách tiếp thị.

Giảng viên, Nghiên cứu sinh và Học viên cao học chuyên ngành Quản trị kinh doanh - Marketing: Khai thác tài liệu tham khảo giá trị về cách kết hợp lý thuyết hành vi khách hàng B2B với phương pháp luận nghiên cứu định lượng hiện đại.

Chuyên viên phân tích dữ liệu và hệ thống thông tin quản lý: Ứng dụng quy trình thiết lập cấu trúc mạng Perceptron đa lớp MLP trên phần mềm STATISTICA để phân tích và dự báo các tập dữ liệu hành vi phi tuyến tính trong kinh doanh.

Câu hỏi thường gặp

Tại sao nghiên cứu lại lựa chọn phương pháp mạng Neural thay vì mô hình hồi quy đa biến? Mạng Perceptron đa lớp (MLP) sở hữu khả năng tự học nhận diện các tương quan phi tuyến phức tạp và triệt tiêu hoàn toàn hiện tượng đa cộng tuyến giữa 30 biến quan sát. Khi kiểm thử trên 222 mẫu, mạng neural mang lại sai số kiểm định RMSE thấp hơn hẳn so với ước lượng OLS thông thường.

Yếu tố nào có sức ảnh hưởng mạnh nhất đến mức độ gắn kết của nhà quảng cáo? Nghiên cứu chứng minh Chất lượng mối quan hệ, đặc biệt là Sự chính trực (điểm trung bình 3,813) và Cam kết chung, giữ vai trò quyết định hơn giá cả. Khách hàng sẵn sàng duy trì hợp tác lâu dài khi Agency thể hiện sự thẳng thắn, bảo đảm chất lượng nhân sự phụ trách và đồng hành cùng sự phát triển của thương hiệu.

Sự dịch chuyển dịch vụ quảng cáo tại Việt Nam diễn ra như thế nào qua số liệu khảo sát? Khảo sát chỉ ra 42,79% doanh nghiệp sử dụng thuần quảng cáo trực tuyến và 20,72% kết hợp Online - Offline, trong khi truyền hình chỉ chiếm 4,50%. Chi phí kênh số thấp hơn 10 lần so với truyền hình đã thúc đẩy mạnh mẽ xu hướng dịch chuyển ngân sách này.

Các doanh nghiệp có ngân sách nhỏ dưới 50 triệu đồng/năm cần chiến lược phục vụ ra sao? Với 31,53% mẫu thuộc nhóm này, các Agency cần đóng gói các gói dịch vụ trực tuyến tinh gọn, tư vấn minh bạch về chi phí và tối ưu hóa hiệu quả tức thì, giúp doanh nghiệp vừa và nhỏ tránh lãng phí 25% ngân sách do thiếu kinh nghiệm.

Quy mô 222 mẫu có đảm bảo tính đại diện và độ tin cậy khoa học không? Cỡ mẫu 222 quan sát hoàn toàn vượt chuẩn tối thiểu 165 mẫu theo tỷ lệ 5:1 của phân tích nhân tố EFA cho 33 biến ban đầu và thỏa mãn công thức xác định kích thước mẫu với độ nhạy sai số e = 0,1, đảm bảo độ tin cậy thống kê cao.

Kết luận

Nghiên cứu mang lại 5 đóng góp học thuật và thực tiễn cốt lõi:

• Khẳng định tính ưu việt của Mạng thần kinh nhân tạo MLP trong việc mô hình hóa các mối quan hệ phi tuyến tính về sự hài lòng khách hàng B2B.
• Xác lập khung phân tích toàn diện kết hợp chặt chẽ giữa Chất lượng dịch vụ và Chất lượng mối quan hệ đối tác.
• Phản ánh chính xác xu hướng số hóa với 63,51% doanh nghiệp ưu tiên triển khai kênh quảng cáo trực tuyến.
• Chuẩn hóa bộ thang đo 30 biến quan sát đạt độ tin cậy thống kê vững chắc qua kiểm định Cronbach Alpha và EFA.
• Đề xuất 4 nhóm giải pháp quản trị khả thi giúp nâng tỷ lệ giữ chân khách hàng của Agency lên trên 35% mỗi năm.

Đóng góp lớn nhất của luận văn là mở ra hướng tiếp cận phân tích dữ liệu thông minh trong quản trị tiếp thị tại Việt Nam. Lộ trình tiếp theo hướng tới việc tích hợp thuật toán mạng neural vào hệ thống CRM tự động trong 6 tháng tới. Quý độc giả và nhà quản trị hãy tham khảo ngay toàn văn luận văn để làm chủ mô hình và bứt phá hiệu quả kinh doanh dịch vụ quảng cáo.

Trích đoạn nội dung tài liệu

Mở đầu Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu Chương 3: Phương pháp nghiên cứu Chương 4: Kết quả nghiên cứu Chương 5: Kết luận LUAN VAN CHAT LUONG download : add [e-mail] 4 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU 2. Khái niệm về mạng neural 2. Mạng neural sinh học Theo bài nghiên cứu Li, W.

(2006), mạng neural nhân tạo (ANN - Artificial neural Networks) là mạng được xây dựng bằng cách sao chép lại các nguyên lý tổ chức của hệ neural của con người. Bộ óc của con người là một hệ neural gồm có 1010 đến 1012 neurals được tổ chức có cấu trúc vào khoảng 200 mô hình khác nhau dưới dạng nhiều lớp. Mô hình mạng neural sinh học “Nguồn: Li, W. Mỗi neural có nhiều đầu vào và chỉ một đầu ra.

Thân neural là phần tử xử lý có chức năng thu nhận tất cả các thông tin đến từ các đầu vào, tính toán và đưa ra quyết định ở ngõ ra để gởi thông tin đến các neural khác. Synap (terminal buttons) là khớp nối giữa đầu vào của neural này với đầu ra của neural khác. Tín hiệu điện áp được truyền từ neural này sang neural khác. Tín hiệu điện áp dương được coi như là tín hiệu kích động (excitory) để kích động neural gởi tín hiệu đến nhiều neural khác và điện áp âm được xem như là tín hiệu ức LUAN VAN CHAT LUONG download : add [e-mail] 5 chế (inhibitory) để ức chế neural gởi tín hiệu đến nhiều neural khác.

Điện áp không thì không có tín hiệu kết nối giữa hai neural. Đối với hệ neural con người có cấu trúc cơ bản gồm: Lớp neural đầu vào (lớp này được kết nối với các phần tử cảm biến như miệng, mắt, tai, mũi và da), các lớp neural ẩn và lớp neural đầu ra (lớp này được kết nối với các phần tử cơ như tay, chân). Cường độ kết nối synap xác định lượng tín hiệu truyền đến đầu vào và giá trị cường độ synap được gọi là trọng số. Để xây dựng một mạng neural nhân tạo giống như hệ neural con người, McCulloch, W.

(1943) đã đề ra cấu trúc cơ bản của một neural thứ i trong mô hình của mạng neural nhân tạo như sau: X1 Wi1 X2 Wi2 ∑ a (.) yi Xm Wim θi Hình 2. Mô hình neural của Mc. Culloch và Pitts (1943) xj(k): tín hiệu vào thứ j ở thời điểm k yi(k): tín hiệu ra của neural i ở thời điểm k wij : trọng số trên tín hiệu vào thứ j θt : ngưỡng tác động của neural i f : hàm tích hợp (integration function) a(.): hàm chuyển hay hàm tác động (activation function) Khi đó đầu ra sẽ là: yi(k)=a( wij biểu diễn cường độ kết nối giữa neural thứ j với neural thứ i. wij > 0 tương ứng với tín hiệu kích động, wij < 0 tương ứng với tín hiệu ức chế và wij = 0 thì không có sự kết nối giữa hai neural.

LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Một số dạng thông dụng của hàm tác động (Activation function) Hàm bước nhảy đơn vị: a(f) = Hàm dấu: a(f) = Hàm dốc: a(f) = Hàm tuyến tính: a(f) = net =f Hàm sigmod đơn cực: a(f)= , λ>0 Hàm sigmod lưỡng cực: a(f)= - 1, λ>0 Hình 2. Đồ thị một số hàm tác động A) Hàm bước nhảy, B) Hàm dấu, C)Hàm dốc, D) Hàm tuyến tính E) Hàm sigmod đơn cực, F) Hàm sigmod lưỡng cực “Nguồn: Mc. Culloch và Pitts (1943)” LUAN VAN CHAT LUONG download : add luanvanchat@agmail.

Tiến trình học Tiến trình học là tiến trình quan trọng của con người, nhờ học mà bộ não ngày càng tích lũy những kinh nghiệm để thích nghi với môi trường và xử lý tình huống tốt hơn.