Trong bài viết sử dụng hai thuật toán trong học máy: thuật toán lan truyền ngược và Bayes để cùng dự báo thời tiết tỉnh Hải Dương. Dữ liệu cho bài toán thu thập được theo từng ngày từ Trung tâm Khí tượng Thủy văn từ năm 2013 – 2015 dùng cho pha học (70% tổng dữ liệu) và pha chạy (30%). Một số kết quả thử nghiệm ban đầu được trình bày và đối sánh hai phương pháp khác nhau; những nghiên cứu, định hướng phát triển trong tương lai được đề xuất. | ISSN 2354-0575 DỰ BÁO THỜI TIẾT ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO VÀ THUẬT TOÁN BAYES Nguyễn Quang Hoan1 Phạm Thị Trang2 Hoàng Hồng Công3 Nguyễn Thị Huyền1 1 Trường Đại học Sư phạm Kỹ thuật Hưng Yên 2 Trường Đại học Thành Đông 3 Trường Cao đẳng nghề Cơ điện và Thủy lợi Ngày nhận 10 12 2016 Ngày sửa chữa 18 01 2017 Ngày xét duyệt 05 03 2017 Tóm tắt Trong bài báo chúng tôi sử dụng hai thuật toán trong học máy thuật toán lan truyền ngược và Bayes để cùng dự báo thời tiết tỉnh Hải Dương. Dữ liệu cho bài toán thu thập được theo từng ngày từ Trung tâm Khí tượng Thủy văn từ năm 2013 2015 dùng cho pha học 70 tổng dữ liệu và pha chạy 30 . Một số kết quả thử nghiệm ban đầu được trình bày và đối sánh hai phương pháp khác nhau những nghiên cứu định hướng phát triển trong tương lai được đề xuất. Từ khóa Mạng nơ ron nhân tạo dự báo thời tiết thuật toán lan truyền ngược thuật toán Bayes. 1. Giới thiệu nhiều của thời tiết mưa bão lụt chưa được thử Dự báo là sử dụng thông tin hiện có một nghiệm. Đó là mục đích cơ bản của bài báo này. cách hiệu quả để định hướng các họat động tương lai nhằm đạt được mục đích yêu cầu của một tổ 2. Mạng noron nhân tạo chức nào đó. . Cấu trúc mạng lan truyền ngược Dự báo thời tiết là tiên đoán ước lượng có Mạng nơ ron có nhiều cấu trúc luật học khác đánh giá sai lệch các sự kiện xảy ra trong tương lai nhau 4 . Trong bài báo chúng tôi chọn mạng nơ là vấn đề được quan tâm do kết quả dự báo tác động ron lan truyền ngược do khả năng hiệu chỉnh sai số đến đời sống hàng ngày của mỗi chúng ta. Trong dự đầu ra nhanh BackPropagation Neural Networks báo thời tiết nhiều yếu tố biến đổi khó lường của so với một vài luật học khác. Mạng được chọn ba thiên nhiên nên có độ phức tạp lớn do đó độ chính lớp truyền thẳng Hình 1 lớp vào lớp ẩn ở giữa xác hạn chế nên các phương pháp mới để giải quyết lớp ra đủ khả năng nhận biết các mẫu học đầu nó rất được chú trọng. vào hàm tương tác đầu ra liên tục khả vi bị chặn Mạng nơ ron nhân tạo là mô hình phỏng hoạt công thức 3 7 .
