Bài viết trình bày việc sử dụng phương pháp gán trọng số tương ứng mức cấu trúc cơ thể cho các tham số đầu vào của mạng. Kết quả nhận được cho thấy việc gán trọng số cho các thuộc tính đầu vào tương ứng với mức cấu trúc của cơ thể là có ý nghĩa đáng kể. | Cải thiện hiệu quả mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim bằng phương pháp gán trọng số tương ứng mức cấu trúc cơ thể TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) CẢI THIỆN HIỆU QUẢ MẠNG NEURON HỖ TRỢ CHẨN ĐOÁN BỆNH RỐI LOẠN NHỊP TIM BẰNG PHƯƠNG PHÁP GÁN TRỌNG SỐ TƯƠNG ỨNG MỨC CẤU TRÚC CƠ THỂ PERFORMANCE IMPROVEMENT OF DIAGNOSTIC NEURON NETWORK FOR ARRHYTHMIA BY METHOD OF ASSIGNING WEIGHTS TO BODY STRUCTURE LEVELS Huỳnh Lương Nghĩa, Đinh Văn Quang, Đoàn Thị Bích Ngọc, Nguyễn Thị Thủy Trường Đại học Điện lực Ngày nhận bài: 25/09/2019, Ngày chấp nhận đăng: 25/12/2019, Phản biện: TS. Vũ Duy Hải Tóm tắt: Hiện nay, việc ứng dụng mạng neuron nhân tạo hỗ trợ chẩn đoán bệnh lý đang ngày càng phổ biến nên việc cải thiện các chỉ tiêu chất lượng cho các mạng này như độ chính xác chẩn đoán, tốc độ hội tụ của quá trình huấn luyện mạng vốn phụ thuộc vào việc xác định trọng số cho các thành phần tham gia chẩn đoán đang được quan tâm đặc biệt. Để góp phần giải quyết vấn đề này, bài báo trình bày việc sử dụng phương pháp gán trọng số tương ứng mức cấu trúc cơ thể cho các tham số đầu vào của mạng. Kết quả nhận được cho thấy việc gán trọng số cho các thuộc tính đầu vào tương ứng với mức cấu trúc của cơ thể là có ý nghĩa đáng kể. Từ khóa: Mạng neuron nhân tạo, mức cấu trúc cơ thể, gán trọng số. Abstract: Currently, the application of artificial neuron networks to support pathological diagnosis is increasingly popular, so the improvement of quality indicators for these networks such as diagnostic accuracy, convergence speed of training process network. which depends on the determination of weights of diagnostic components is of particular interest. To contribute to solving this problem, the paper presents the method of assigning weight corresponding to body structure level for network input parameters. The results showed that the weighting of input attributes corresponding
