Bài viết trình bày một mô hình mạng trí tuệ nhân tạo, nhận diện chữ số viết tay bằng mạng neuron tích chập (Convolutional neural network - CNN). Qua đó làm rõ các khái niệm tham số, đánh giá tầm quan trọng các tham số trong mô hình, trình bày kết quả mô phỏng đạt được khi sử dụng mạng neuron nhân tạo để nhận diện các ảnh chữ số viết tay dựa trên tập dữ liệu MNIST (Modified National Institute of Standards and Technology) và đưa mô hình mạng CNN ứng dụng vào bài toán nhận dạng chữ số viết tay trên nền tảng Android. | TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ Trường Đại học Khoa học ĐH Huế Tập 18 Số 1 2021 ĐÁNH GIÁ CÁC THAM SỐ CỦA MÔ HÌNH MẠNG NƠ-RON TÍCH CHẬP VÀ ỨNG DỤNG VÀO THIẾT KẾ PHẦN MỀM NHẬN DẠNG CHỮ SỐ VIẾT TAY TRÊN NỀN TẢNG DI ĐỘNG ANDROID Nguyễn Ngọc Tuấn Anh1 Vương Quang Phước1 Phan Hải Phong1 1Khoa Điện Điện tử và Công nghệ vật liệu Trường Đại học Khoa học Đại học Huế Email nntuananh97@ Ngày nhận bài 22 6 2020 ngày hoàn thành phản biện 3 7 2020 ngày duyệt đăng 02 6 2021 TÓM TẮT Trong thập kỉ vừa qua trí nhân tạo nói chung hay kĩ thuật học sâu nói riêng đã có những bước phát triển đáng chú ý. Bài báo trình bày một mô hình mạng trí tuệ nhân tạo nhận diện chữ số viết tay bằng mạng neuron tích chập Convolutional neural network - CNN 1 . Qua đó làm rõ các khái niệm tham số đánh giá tầm quan trọng các tham số trong mô hình trình bày kết quả mô phỏng đạt được khi sử dụng mạng neuron nhân tạo để nhận diện các ảnh chữ số viết tay dựa trên tập dữ liệu MNIST Modified National Institute of Standards and Technology 2 và đưa mô hình mạng CNN ứng dụng vào bài toán nhận dạng chữ số viết tay trên nền tảng Android. Hiệu năng của mô hình được đánh giá qua tỉ lệ nhận dạng đúng và được khảo sát với nhiều trường hợp khác nhau. Từ khóa trí tuệ nhân tạo mạng nơ-ron tích chập CNN MNIST. 1. MỞ ĐẦU Có thể nói với sự thỏa mãn về cả ba yếu tố nguồn dữ liệu đủ lớn phần cứng hỗ trợ mạnh và các thuật toán tiên tiến trí tuệ nhân tạo Artificial Intelligent - AI đã tạo nên một phong trào công nghệ mới trong kỉ nguyên số hóa hiện tại. Trong đó việc thu thập thông tin từ hệ thống dữ liệu hình ảnh khổng lồ trên toàn thế giới đang là một lĩnh vực được nhiều nhà khoa học trên toàn thế giới quan tâm và nghiên cứu 3 . Đây là cơ hội và cũng là một thách thức hàng đầu việc ứng dụng trí tuệ nhân tạo nói chung hay kĩ thuật học sâu Deep Learning - DL nói riêng đang là một lĩnh vực đầy tính cạnh tranh mục tiêu hướng đến là tăng tốc độ xử lý khả năng trích xuất và thu thập thông tin từ nguồn dữ liệu nói trên cho các