1. Tài Nguyên Số - Trường Đại học Kinh tế Huế
  2. Khóa luận tốt nghiệp
  3. Khoa Hệ thống Thông tin Kinh tế
Please use this identifier to cite or link to this item: http://tainguyenso.hce.edu.vn:8080/dspace/handle/TVDHKTH_123456789/1450
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorGVHD TS. Ngô, Thời Nhân-
dc.contributor.authorSVTH Mai, Phương Đông-
dc.date.accessioned2020-09-08T03:48:13Z-
dc.date.available2020-09-08T03:48:13Z-
dc.date.issued2019-
dc.identifier.urihttp://192.168.1.122:8080/xmlui/handle/TVDHKTH_123456789/1450-
dc.description.tableofcontentsLời cảm ơn 3 MỤC LỤC 4 DANH MỤC CÁC BẢNG 1 DANH MỤC CÁC ĐỒ THỊ 2 DANH MỤC CÁC HÌNH VẼ 3 DANH MỤC CHỮ VIẾT TẮT VÀ KÝ HIỆU 4 TÓM TẮT NỘI DUNG NGHIÊN CỨU 5 PHẦN I: ĐẶT VẤN ĐỀ 6 1. Lý do chọn đề tài 6 2. Mục tiêu nghiên cứu 7 3. Đối tượng và phạm vi nghiên cứu 7 4. Phương pháp nghiên cứu 8 5. Nội dung nghiên cứu 10 PHẦN 2: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU 11 CHƯƠNG 1: THUẬT TOÁN BFGS 11 1.1. Thuật toán Newton 11 1.1.1. Thuật toán Newton cho hàm một biến 11 1.1.2. Thuật toán Newton cho nhiều biến 12 1.1.2. Hạn chế của thuật toán Newton 13 1.2. Thuật toán Quasi-Newton 13 1.3. Thuật toán Backtracking line search 16 1.4. Thuật toán BFGS 17 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT MACHINE LEARNING 20 2.1. Tổng quan về Machine learning 20 2.1.1. Khái niệm về Machine learning 20 2.1.2. Các phương pháp huấn luyện trong Machine learning 20 2.1.2.1. Supervised Learning (Học có giám sát) 21 2.1.2.2. Unsupervised Learning (Học không giám sát) 21 2.2. Simple Linear Regression (SLR) 21 2.2.1. Model Representation 21 2.2.2. Hypothesis Function 22 2.2.3. Cost Function 23 2.2.4. Multiple Linear Regression (MLR - Hồi quy tuyến tính nhiều biến) 24 2.3. Bài toán phân loại 26 2.3.1. Binary Classification (Phân loại nhị phân) 26 2.3.2. Decision Boundary (đường ranh giới quyết định) 27 2.3.3. Cost Function 28 2.3.4. Phân loại nhiều lớp bằng thuật toán One-vs-all 30 2.3.5 Regularization 30 CHƯƠNG 3: ÁP DỤNG BFGS VÀO BÀI TOÁN PHÂN LOẠI 32 3.1. Bài toán phân loại nhị phân 32 3.2. Bài toán phân loại sử dụng Regularized Logistic Regression 35 CHƯƠNG 4: ÁP DỤNG BFGS VÀO BÀI TOÁN NHẬN DIỆN CHỮ VIẾT TAY 44 4.1. Bài toán nhận diện chữ số 44 4.2. Nhận diện chữ viết bằng thuật toán BFGS 47 4.3. Áp dụng Regularized Logistic Regression 49 4.4. Kết luận 51 PHẦN 3: KẾT LUẬN 53 1. Kết quả đạt được 53 2. Hạn chế của đề tài 53 3. Hướng phát triển 54 TÀI LIỆU THAM KHẢO 55 PHỤ LỤC 57 Phụ lục 1: Mã nguồn của thuật toán sử dụng trong khóa luận 57vi
dc.language.isovivi
dc.publisherTrường Đại học Kinh tế Huếvi
dc.subjectThuật toán BFGSvi
dc.subjectBài toán phân loạivi
dc.titleTìm hiểu về thuật toán BFGS và ứng dụng vào các bài toán phân loạivi
Appears in Collections:Khoa Hệ thống Thông tin Kinh tế

Files in This Item:
File Description SizeFormat 
Mai_Phuong_Dong_K49B-THKT.pdf1.01 MBAdobe PDFView/Open Request a copy
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.