12/2012
ỨNG DỤNG MẠNG NEURON NHÂN TẠO TRONG VIỆC DỰ BÁO DỮ LIỆU CHUỖI THỜI GIAN CÓ TÍNH XU HƯỚNG VÀ
TÍNH MÙA
GVHD: PGS.TS Dương Tuấn AnhSVTH 1: Đoàn Ngọc Bảo 50800107SVTH 2: Ngô Duy Khánh Vy 50802706
Luận văn tốt nghiệp
Nội dung
12/2012
• Đặt vấn đề• Giới thiệu mạng Neuron nhân tạo• Mô hình lai• Mô hình khử mùa, khử xu hướng• Thực nghiệm• Kết luận
12/2012
Đặt vấn đề
12/2012
Giới thiệu mạng Neuron nhân tạo
Mạng neuron truyền thẳng Mạng neuron hồi quy
12/2012
Mô hình lai (Hybrid Model)
12/2012
Mô hình lai (Hybrid Model)
Gồm ba môđun• Môđun mạng Neuron nhân tạo• Môđun làm trơn lũy thừa• Mođun lai
12/2012
Môđun làm trơn lũy thừa(Exponential Smoothing)
Mô hình nhân
12/2012
Môđun làm trơn lũy thừa(Exponential Smoothing)
Mô hình cộng
12/2012
Môđun làm trơn lũy thừa(Exponential Smoothing)
Ước lượng ba hệ số α, β, γ
• Vét cạn (Brute Force)• Sử dụng giải thuật leo đồi (Hill Climbing)
Leo đồi dốc nhất (Steepest Ascent Hill Climbing) Tôi luyện mô phỏng (Simulated Annealing)
• Sử dụng kết hợp hai phương pháp trên• Sử dụng phần mềm R (thông qua phần mềm RAndFriend)
12/2012
Môđun mạng Neuron nhân tạo(Neuron Network)
• Cấu trúc mạng: Mạng Neuron truyền thẳng Số node nhập bằng số node ẩn và bằng chuk kì của chuỗi dữ liệu
• Giải thuật huấn luyện: Giải thuật lan truyền ngược (Back Propagation) Giải thuật RPROP (Resilient Propagation)
12/2012
Môđun lai (Hybrid Module)• Giá trị đầu vào của môđun lai là giá trị đầu ra của hai môđun: làm trơn lũy
thừa và mạng neuron nhân tạo.• Giá trị đầu ra được tính theo công thức
Trong đó: được gọi là trọng số lai• Ước lượng giá trị của trọng số lai bằng cách tối thiểu hóa giá trị bình
phương sai số lỗi:MSE =
12/2012
Mô hình khử xu hướng, khử mùa
Module Khử Mùa Và Xu Hướng
Mạng Neuron nhân tạo
Input Dữ liệu học
Dữ liệu đã khử mùa và xu hướng
Output Giá trị dự đoán do mạng neuron sinh
raGiá trị dự đoán
sau cùng
12/2012
Mô hình khử xu hướng, khử mùa
Gồm hai môđun:• Môđun mạng Neuron nhân tạo (hiện thực như mô hình lai)• Môđun khử mùa và khử xu hướng
12/2012
Môđun khử mùa và khử xu hướng
Hiện thực các kĩ thuật sau:• Khử xu hướng
Kỹ thuật khử xu hướng tuyến tính Kỹ thuật khử xu hướng bằng lấy hiệu
• Khử mùa Kỹ thuật khử mùa bằng lấy hiệu Kỹ thuật khử mùa bằng RTMA
12/2012
Thực nghiệm
• Số bộ dữ liệu thực tế: 5• Cách thức thực nghiệm:
Mạng Neuron nhân tạo:o Hai giải thuật RPROP – BPo Số lượng tối đa epoches
Kỹ thuật làm trơn lũy thừao Ước lượng: sử dụng R, phương pháp kết hợp vét cạn và leo đồio Mô hình: mô hình cộng và mô hình nhân
Kỹ thuật khử xu hướng, khử mùao Khử xu hướng: tuyến tính và lấy hiệuo Khử mùa: lấy hiệu và RTMA
• Số lần chạy: mỗi trường hợp chạy ba lần và lấy kết quả trung bình• Phương thức đánh giá: MAPE, MSE, MAE
12/2012
Thực nghiệm
Lượng khách hàng đặt chỗ hàng tháng của hãng hàng không Pan Am từ năm 1946 đến năm 1960
12/2012
Thực nghiệm
(b) Kết quả dự đoán của mô hình lai giữa mạng neuron và làm trơn lũy thừa
(a) Kết quả dự đoán của mạng neuron nhân tạo
(c ) Kết quả dự đoán của mạng neuron kết hợp với khử mùa và xu hướng.
12/2012
Thực nghiệm
Số người chết trung bình hàng tháng vì bệnh phổi ở Anh
12/2012
Thực nghiệm
(a) Kết quả dự đoán của mạng neuron (b) Kết quả dự đoán của mô hình lai giữa mạng neuron và làm trơn lũy thừa
(c) Kết quả dự đoán của mạng neuron kết hợp với với khử mùa
12/2012
Kết luận
Top Related