Xây dựng mô hình đánh giá sự hài lòng của nhà quảng cáo tại TP.HCM - Luận văn thạc sĩ Kinh tế

Luận văn thạc sĩ nghiên cứu ứng dụng mạng neural trong việc 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
• Loại tài liệu: Luận Văn Thạc Sỹ
• Năm xuất bản: 2013
• Địa điểm: Thành Phố 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 theo cấu trúc liên kết
• 2.5.2. Phân loại theo số lớp
• 2.6. Một số loại mạng neural
• 2.6.1. Mạng dẫn tiến
• 2.6.1.1. Mạng dẫn tiến một lớp (Single layer perceptron)
• 2.6.1.2. Mạng dẫn tiến nhiều lớp (Multilayer perceptron)
• 2.6.2. Mạng hàm cơ sở xuyên tâm (RBF - Radial Basics Function network)
• 2.6.3. Mạng neural quy hồi
• 2.7. Những ưu điểm và ứng dụng mạng neural

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 là một công cụ quan trọng giúp các công ty quảng cáo hiểu rõ hơn về nhu cầu và mong muốn của khách hàng. Sự hài lòng của nhà quảng cáo không chỉ ảnh hưởng đến quyết định sử dụng dịch vụ mà còn quyết định đến sự phát triển bền vững của công ty quảng cáo. Việc áp dụng các phương pháp hiện đại như mạng neural trong việc xây dựng mô hình này đã mở ra nhiều cơ hội mới cho ngành quảng cáo.

1.1. Khái niệm về sự hài lòng của nhà quảng cáo

Sự hài lòng của nhà quảng cáo được định nghĩa là mức độ thỏa mãn của họ đối với dịch vụ mà công ty quảng cáo cung cấp. Điều này bao gồm nhiều yếu tố như chất lượng dịch vụ, giá cả, và sự tương tác giữa nhà quảng cáo và công ty quảng cáo.

1.2. Tầm quan trọng của mô hình đánh giá

Mô hình đánh giá sự hài lòng giúp các công ty quảng cáo nhận diện được các yếu tố ảnh hưởng đến sự hài lòng của khách hàng. Từ đó, họ có thể điều chỉnh chiến lược kinh doanh để nâng cao chất lượng dịch vụ và tăng cường sự hài lòng của khách hàng.

II. Vấn đề và thách thức trong đánh giá sự hài lòng của nhà quảng cáo

Mặc dù mô hình đánh giá sự hài lòng mang lại nhiều lợi ích, nhưng cũng tồn tại nhiều thách thức. Các công ty quảng cáo thường gặp khó khăn trong việc thu thập dữ liệu chính xác và đầy đủ từ nhà quảng cáo. Hơn nữa, sự đa dạng trong nhu cầu và mong muốn của nhà quảng cáo cũng làm cho việc đánh giá trở nên phức tạp hơn.

2.1. Khó khăn trong việc thu thập dữ liệu

Việc thu thập dữ liệu từ nhà quảng cáo thường gặp khó khăn do sự thiếu hợp tác hoặc không sẵn lòng chia sẻ thông tin. Điều này có thể dẫn đến việc thiếu dữ liệu cần thiết để xây dựng mô hình chính xác.

2.2. Đa dạng trong nhu cầu của nhà quảng cáo

Mỗi nhà quảng cáo có những nhu cầu và mong muốn khác nhau, điều này tạo ra thách thức trong việc xây dựng một mô hình đánh giá chung. Các yếu tố như ngành nghề, quy mô công ty và mục tiêu quảng cáo đều ảnh hưởng đến sự hài lòng.

III. Phương pháp xây dựng mô hình đánh giá sự hài lòng của nhà quảng cáo

Để xây dựng mô hình đánh giá sự hài lòng, các công ty quảng cáo có thể áp dụng nhiều phương pháp khác nhau. Một trong những phương pháp hiệu quả nhất hiện nay là sử dụng mạng neural. Phương pháp này cho phép phân tích dữ liệu một cách phi tuyến tính và tìm ra các mối quan hệ phức tạp giữa các yếu tố.

3.1. Sử dụng mạng neural trong đánh giá

Mạng neural là một công cụ mạnh mẽ trong việc phân tích dữ liệu. Nó có khả năng học hỏi từ dữ liệu và tự động điều chỉnh để cải thiện độ chính xác của mô hình. Việc áp dụng mạng neural giúp các công ty quảng cáo có thể dự đoán được sự hài lòng của nhà quảng cáo một cách chính xác hơn.

3.2. Các bước xây dựng mô hình

Quá trình xây dựng mô hình bao gồm các bước như thu thập dữ liệu, tiền xử lý dữ liệu, xây dựng cấu trúc mạng, huấn luyện mạng và đánh giá mô hình. Mỗi bước đều cần được thực hiện cẩn thận để đảm bảo tính chính xác của mô hình.

IV. Ứng dụng thực tiễn của mô hình đánh giá sự hài lòng

Mô hình đánh giá sự hài lòng của nhà quảng cáo không chỉ giúp các công ty quảng cáo cải thiện dịch vụ mà còn tạo ra giá trị cho cả hai bên. Các công ty quảng cáo có thể sử dụng kết quả từ mô hình để điều chỉnh chiến lược marketing và nâng cao chất lượng dịch vụ.

4.1. Cải thiện chất lượng dịch vụ

Dựa trên kết quả từ mô hình, các công ty quảng cáo có thể xác định được các điểm yếu trong dịch vụ của mình và từ đó có các biện pháp cải thiện. Điều này không chỉ giúp nâng cao sự hài lòng của nhà quảng cáo mà còn tăng cường uy tín của công ty.

4.2. Tăng cường mối quan hệ với nhà quảng cáo

Mô hình đánh giá cũng giúp các công ty quảng cáo hiểu rõ hơn về nhu cầu của nhà quảng cáo, từ đó tạo ra các chương trình chăm sóc khách hàng tốt hơn. Sự tương tác tích cực này sẽ giúp xây dựng mối quan hệ lâu dài và bền vững.

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

Mô hình đánh giá sự hài lòng của nhà quảng cáo là một công cụ quan trọng trong ngành quảng cáo hiện đại. Với sự phát triển của công nghệ, đặc biệt là mạng neural, các công ty quảng cáo có thể xây dựng các mô hình chính xác hơn và hiệu quả hơn. Tương lai của mô hình này hứa hẹn sẽ mang lại nhiều giá trị cho cả nhà quảng cáo và công ty quảng cáo.

5.1. Xu hướng phát triển mô hình

Trong tương lai, việc áp dụng các công nghệ mới như trí tuệ nhân tạo và học máy sẽ giúp cải thiện đáng kể độ chính xác của mô hình đánh giá sự hài lòng. Các công ty quảng cáo cần nhanh chóng thích nghi với những thay đổi này để không bị tụt lại phía sau.

5.2. Tầm quan trọng của việc duy trì sự hài lòng

Duy trì sự hài lòng của nhà quảng cáo không chỉ là một mục tiêu ngắn hạn mà còn là một chiến lược dài hạn. Các công ty quảng cáo cần liên tục theo dõi và cải thiện dịch vụ của mình để đảm bảo sự hài lòng của khách hàng.

Nội dung chính

Tổng quan nghiên cứu

Thị trường quảng cáo Việt Nam ghi nhận sự tăng trưởng mạnh mẽ với doanh thu đạt 1,2 tỷ USD vào năm 2011, tăng 15% so với năm trước, đồng thời thu hút khoảng 5.000 doanh nghiệp tham gia cung cấp dịch vụ. Dù quy mô mở rộng nhanh chóng, ngành công nghiệp này vẫn đối mặt với thực trạng phát triển tự phát, thiếu tính đồng bộ và chất lượng dịch vụ chưa ổn định. Theo các báo cáo trong ngành, các nhà quảng cáo đang lãng phí đến 25% ngân sách truyền thông xuất phát từ khâu quản lý yếu kém và chiến lược thiếu nhất quán. Vấn đề cấp thiết đặt ra là phải xác định chính xác các nhân tố chi phối sự hài lòng của khách hàng doanh nghiệp đối với các đại lý quảng cáo nhằm hạn chế tỷ lệ hủy hợp đồng và tối ưu hóa chi phí vận hành.

Mục tiêu cụ thể của luận văn tập trung vào việc khám phá, xác định hệ thống các nhân tố ảnh hưởng đến sự hài lòng của các nhà quảng cáo, xây dựng bộ thang đo chuẩn hóa và ứng dụng mạng thần kinh nhân tạo để mô hình hóa mối quan hệ này. Nghiên cứu được thực hiện tại thị trường Việt Nam trong giai đoạn 2012–2013, khảo sát trực tiếp các doanh nghiệp có hoạt động thuê ngoài dịch vụ truyền thông, xúc tiến thương mại và phát triển thương hiệu.

Ý nghĩa thực tiễn của công trình thể hiện qua việc cung cấp công cụ dự báo phi tuyến tính với độ chính xác cao trên 85%, giúp các đơn vị truyền thông xác định trọng tâm đầu tư nguồn lực, giảm thiểu lãng phí và nâng cao chỉ số gắn kết khách hàng lâu dài.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu tích hợp các nền tảng lý thuyết quản trị chất lượng và tiếp thị quan hệ hiện đại, bao gồm: Mô hình 5 khoảng cách chất lượng dịch vụ SERVQUAL của Parasuraman với 5 thành phần (Độ tin cậy, Độ phản hồi, Sự đảm bảo, Sự cảm thông, Sự hữu hình); Mô hình chất lượng kỹ thuật và chức năng FTSQ của Grönroos; Mô hình Kano về phân loại thuộc tính dịch vụ; cùng mô hình tích hợp chất lượng dịch vụ và quan hệ B2B của Van Rensburg.

Hệ thống lý thuyết định hình 6 khái niệm trung tâm tạo nên mô hình nghiên cứu toàn diện:

• Dịch vụ cốt lõi: Năng lực sáng tạo, tư duy chiến lược và giải pháp quảng cáo toàn diện.
• Quản lý nghiệp vụ: Tính nhất quán trong quy trình và chuyên môn của đội ngũ nhân sự.
• Quản lý chi phí: Sự phù hợp của bảng giá và mức độ kiểm soát ngân sách.
• Sự chính trực: Mức độ đáng tin cậy, tính thẳng thắn và đạo đức kinh doanh.
• Cam kết chung: Thiện chí duy trì mối quan hệ và sự nỗ lực hợp tác song phương.
• Truyền thông: Tính minh bạch, tần suất trao đổi và khả năng chia sẻ thông tin hữu ích.

Cơ sở phân tích kỹ thuật dựa trên Mạng thần kinh nhân tạo, đặc biệt là kiến trúc mạng dẫn tiến nhiều lớp với thuật toán lan truyền ngược và các hàm tác động phi tuyến tính dạng Sigmoid đơn cực, Sigmoid lưỡng cực.

Phương pháp nghiên cứu

Nghiên cứu kết hợp hai giai đoạn định tính và định lượng:

• Giai đoạn sơ bộ: Phỏng vấn sâu 8 chuyên gia, giám đốc marketing và nhân sự quản lý tài khoản tại các đơn vị như Việt Nam Marketing, IMS, Elan&CO, Nguyễn Hoàng Group để điều chỉnh 30 biến quan sát phù hợp với bối cảnh kinh doanh thực tế.
• Giai đoạn chính thức: Khảo sát định lượng qua bảng câu hỏi trực tuyến trên Internet và thư điện tử, thu về 222 mẫu quan sát hợp lệ từ các doanh nghiệp tại Việt Nam.

Quy mô mẫu 222 doanh nghiệp đáp ứng đầy đủ yêu cầu kiểm định thống kê, vượt mức tối thiểu 165 mẫu theo quy tắc tỷ lệ 5 quan sát trên 1 biến phân tích nhân tố và công thức xác định cỡ mẫu chuẩn với mức sai số e = 0,1 (N = 171).

Quy trình xử lý dữ liệu được tiến hành trên phần mềm STATISTICA phiên bản 8.0, bao gồm: Đánh giá thang đo bằng hệ số Cronbach's Alpha (ngưỡng chấp nhận từ 0,6 trở lên), Phân tích nhân tố khám phá EFA, và Huấn luyện mạng Perceptron đa lớp. Dữ liệu được phân chia ngẫu nhiên theo tỷ lệ: 70% tập huấn luyện, 15% tập kiểm tra và 15% tập kiểm định. Phương pháp mạng neural được lựa chọn thay thế cho mô hình hồi quy tuyến tính cổ điển nhờ khả năng mô hình hóa quan hệ phi tuyến phức tạp và triệt tiêu triệt để hiện tượng đa cộng tuyến giữa các biến độc lập.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kết quả phân tích thống kê mô tả trên 222 mẫu khảo sát mang lại những số liệu thực chứng quan trọng:

• Cơ cấu dịch vụ sử dụng: Dịch vụ quảng cáo trực tuyến chiếm tỷ trọng áp đảo với 42,79% (95 doanh nghiệp), theo sau là nhóm sử dụng toàn bộ các dịch vụ phối hợp chiếm 27,48% (61 doanh nghiệp), trong khi quảng cáo offline đơn thuần và quảng cáo qua truyền hình/radio chỉ chiếm tỷ lệ khiêm tốn 4,50% mỗi loại (10 doanh nghiệp).
• Ngân sách quảng cáo: Đa phần doanh nghiệp có quy mô đầu tư vừa và nhỏ, cụ thể có 31,53% doanh nghiệp (70 đơn vị) chi dưới 50 triệu đồng/năm, 28,38% (63 đơn vị) chi từ 100 đến 500 triệu đồng/năm, 22,97% (51 đơn vị) chi từ 50 đến 100 triệu đồng/năm, và chỉ có 17,12% (38 đơn vị) có ngân sách trên 500 triệu đồng/năm.
• Lĩnh vực kinh doanh: Khối doanh nghiệp dịch vụ chiếm ưu thế tuyệt đối với 51,35% (114 doanh nghiệp), tiếp theo là khối sản xuất với 25,68% (57 doanh nghiệp) và khối bán lẻ với 17,12% (38 doanh nghiệp).
• Hiệu quả mô hình mạng Neural: Cấu trúc mạng MLP huấn luyện thành công với sai số bình phương trung bình kiểm định ở mức rất thấp, chứng minh tính phù hợp vượt trội so với các mô hình tuyến tính đơn giản.

Thảo luận kết quả

Sự dịch chuyển mạnh mẽ sang kênh quảng cáo trực tuyến (42,79%) phản ánh đúng xu hướng tối ưu hóa chi phí của doanh nghiệp trong giai đoạn kinh tế nhiều thách thức. Chi phí quảng cáo Internet tại thời điểm nghiên cứu chỉ bằng khoảng 1/10 so với truyền hình và 1/4 so với báo in, tạo điều kiện thuận lợi cho nhóm 54,50% doanh nghiệp có ngân sách dưới 100 triệu đồng/năm tiếp cận dịch vụ tiếp thị chuyên nghiệp.

Kết quả phân tích độ nhạy của mạng neural chỉ ra rằng sự hài lòng của khách hàng không chỉ phụ thuộc vào Dịch vụ cốt lõi hay Quản lý chi phí, mà các biến thuộc nhóm Chất lượng mối quan hệ như Sự chính trực và Cam kết chung đóng vai trò mang tính quyết định. Phát hiện này hoàn toàn tương đồng với các luận điểm của Caceres & Paparoidamis, khẳng định trong giao dịch B2B, mối quan hệ hợp tác gắn bó là điều kiện tiên quyết để duy trì hợp đồng.

Dữ liệu nghiên cứu được biểu diễn trực quan qua biểu đồ tròn thể hiện thị phần dịch vụ (42,79% trực tuyến, 4,50% truyền hình), đồ thị đường biểu diễn sự suy giảm của hàm lỗi theo các chu kỳ huấn luyện mạng, và bảng so sánh sai số thực nghiệm, giúp nhà quản trị quan sát rõ ràng điểm cân bằng giữa chi phí đầu tư và mức độ thỏa mãn của đối tác.

Đề xuất và khuyến nghị

• Nâng cao năng lực sáng tạo và tư duy chiến lược trong dịch vụ cốt lõi: Ban Giám đốc và đội ngũ sáng tạo cần thiết lập quy trình kiểm duyệt chất lượng ý tưởng, hướng đến mục tiêu gia tăng chỉ số đánh giá giải pháp toàn diện lên tối thiểu 20% trong vòng 6 tháng tới.
• Chuẩn hóa hệ thống kiểm soát chi phí và báo cáo tiến độ: Phòng Quản lý dự án và Bộ phận Tài chính cần ban hành quy chế minh bạch hóa chi phí phát sinh, cam kết giữ biên độ dao động ngân sách không vượt quá 5% so với kế hoạch ban đầu, thực hiện trong thời hạn 3 tháng.
• Tăng cường cơ chế tương tác và xây dựng niềm tin hợp tác: Đội ngũ quản lý tài khoản khách hàng cần duy trì lịch trao đổi thông tin định kỳ hàng tuần, thiết lập quy trình xử lý phản hồi trong vòng 24 giờ nhằm nâng cao tỷ lệ tái ký hợp đồng lên trên 80% sau 12 tháng triển khai.
• Tích hợp công cụ mạng Neural vào hệ thống quản trị quan hệ khách hàng: Bộ phận Phân tích dữ liệu doanh nghiệp cần ứng dụng thuật toán MLP để theo dõi chỉ số hài lòng theo thời gian thực, phát cảnh báo sớm đối với các khách hàng có điểm đánh giá giảm dưới ngưỡng 3,5/5,0 trong lộ trình 9 tháng.

Đối tượng nên tham khảo luận văn

• Ban Giám đốc và Quản lý tại các công ty quảng cáo: Ứng dụng mô hình 6 nhân tố để tái cấu trúc quy trình dịch vụ, nâng cao chỉ số giữ chân khách hàng trên 80% và gia tăng lợi thế cạnh tranh.
• Giám đốc Marketing và Trưởng phòng Mua hàng tại các doanh nghiệp: Sử dụng bộ 30 tiêu chí đánh giá để sàng lọc, lựa chọn đại lý truyền thông phù hợp, loại bỏ nguy cơ lãng phí 25% ngân sách tiếp thị.
• Chuyên viên nghiên cứu thị trường và Phân tích dữ liệu: Tham khảo quy trình thiết lập, chuẩn hóa dữ liệu và vận hành mạng Perceptron đa lớp trên phần mềm STATISTICA để giải quyết các bài toán phi tuyến tính.
• Giảng viên và Học viên cao học chuyên ngành Quản trị kinh doanh: Bổ sung nguồn tài liệu học thuật thực chứng kết hợp giữa quản trị chất lượng dịch vụ và trí tuệ nhân tạo trong bối cảnh thị trường Việt Nam.

Câu hỏi thường gặp

• Tại sao nghiên cứu lại áp dụng phương pháp mạng Neural thay vì hồi quy tuyến tính? Mạng thần kinh nhân tạo có khả năng tự học và giải quyết các mối quan hệ phi tuyến tính phức tạp giữa các yếu tố cảm nhận của khách hàng, đồng thời khắc phục triệt để hiện tượng đa cộng tuyến vốn thường làm sai lệch kết quả trong phân tích hồi quy đa biến truyền thống.

• Kích thước mẫu 222 doanh nghiệp có đủ tính đại diện cho nghiên cứu không? Cỡ mẫu 222 hoàn toàn đáp ứng độ tin cậy khoa học khi vượt qua mức tối thiểu 165 mẫu theo tiêu chuẩn tỷ lệ 5 quan sát trên 1 biến đo lường và vượt quy mô tính toán lý thuyết 171 mẫu với mức sai số e = 0,1.

• Yếu tố nào ảnh hưởng mạnh nhất đến sự hài lòng của nhà quảng cáo? Bên cạnh chất lượng dịch vụ cốt lõi, nhóm nhân tố về chất lượng mối quan hệ gồm sự chính trực và cam kết hợp tác giữa hai bên có ảnh hưởng sâu sắc nhất, đóng vai trò then chốt trong việc thúc đẩy tái ký hợp đồng.

• Xu hướng sử dụng ngân sách quảng cáo của các doanh nghiệp hiện nay ra sao? Khảo sát chỉ ra 42,79% doanh nghiệp ưu tiên chọn quảng cáo trực tuyến nhờ chi phí thấp hơn từ 4 đến 10 lần so với báo in và truyền hình, phù hợp với hơn 54% doanh nghiệp có mức chi dưới 100 triệu đồng/năm.

• Làm thế nào để các công ty quảng cáo đo lường sự hài lòng khách hàng định kỳ? Doanh nghiệp có thể số hóa thang đo 30 biến quan sát vào hệ thống CRM, thu thập dữ liệu phản hồi định kỳ và chạy thuật toán mạng neural để dự báo mức độ hài lòng cũng như nhận diện sớm các nguy cơ đổ vỡ hợp tác.

Kết luận

• Xây dựng thành công mô hình tích hợp 6 nhân tố đo lường toàn diện sự hài lòng của khách hàng B2B trong ngành quảng cáo với 30 biến quan sát chuẩn hóa.
• Khẳng định tính ưu việt của phương pháp mạng Perceptron đa lớp trong việc mô hình hóa các mối quan hệ phi tuyến và loại bỏ sai số đa cộng tuyến trên tập dữ liệu 222 mẫu.
• Phản ánh rõ nét bức tranh dịch chuyển ngân sách sang quảng cáo trực tuyến chiếm 42,79% trước áp lực tối ưu hóa chi phí truyền thông.
• Đưa ra hệ thống giải pháp thực thi rõ ràng, giúp các công ty quảng cáo gia tăng tỷ lệ duy trì hợp tác lên trên 80% và giảm thiểu lãng phí 25% ngân sách đối tác.
• Thiết lập nền tảng khoa học vững chắc để các nhà quản trị triển khai công cụ cảnh báo sớm rủi ro dịch vụ trong lộ trình 3 đến 12 tháng.

Công trình luận văn là tài liệu tham khảo giá trị cho các nhà quản trị muốn làm chủ phương pháp mô hình hóa dữ liệu hiện đại và tối ưu hóa trải nghiệm khách hàng doanh nghiệp. Hãy tham khảo và ứng dụng ngay khung nghiên cứu này vào hoạt động vận hành để nâng cao năng lực cạnh tranh bền vững.

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 TIEU LUAN MOI download : [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 TIEU LUAN MOI download : [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.

TIEU LUAN MOI download : skknchat@gmail. 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)” TIEU LUAN MOI download : skknchat@gmail.

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.