1. Lý do chọn đề tài
Tốc độ tăng trưởng Tổng sản phẩm quốc nội (Gross Domestic Product - GDP) là một
chỉ số kinh tế có ý nghĩa rất quan trọng đối với các nhà điều hành kinh tế và các doanh
nghiệp trong việc xem xét mức tăng trưởng của nền kinh tế, là tiền đề hỗ trợ cho các
quyết định về chính sách, chiến lược cho một giai đoạn trong tương lai. Vì các thông
tin về tốc độ tăng trưởng GDP được công bố ra công chúng có một độ trễ nhất định
nên vấn đề cấp thiết hiện nay là cần có một mô hình dự báo tốc độ tăng trưởng GDP
có hiệu quả. Do vậy, các công trình hướng đến việc xây dựng mô hình dự báo các biến
số vĩ mô, đặc biệt là tốc độ tăng trưởng GDP luôn nhận được sự quan tâm của nhiều
nhà nghiên cứu trong và ngoài nước.
Những năm gần đây, mô hình Mạng thần kinh nhân tạo (Artificial Neural Network –
ANN) được mô phỏng theo cách thức tổ chức và vận hành của bộ não con người, với
các ưu điểm vượt trội trong việc xác định và dự báo một cách chính xác các biến số
kinh tế có quan hệ phi tuyến đã được các nhà kinh tế học tập trung nghiên cứu và ứng
dụng rộng rãi. Tuy nhiên, ở thời điểm hiện tại việc ứng dụng mô hình Mạng thần kinh
nhân tạo cho việc dự báo các biến số kinh tế ở Việt Nam vẫn chưa phổ biến. Từ các lý
do trên, nhóm nghiên cứu đã thực hiện đề tài: “Dự báo tốc độ tăng trưởng kinh tế Việt
Nam: Sự vượt trội của mô hình Mạng thần kinh nhân tạo (ANN) so với mô hình Hồi
quy tuyến tính truyền thống”.
2. Mục tiêu nghiên cứu
Để tiến hành nghiên cứu việc xây dựng và kiểm chứng khả năng dự báo của mô hình
Mạng thần kinh nhân tạo, bài nghiên cứu đã đặt ra các vấn đề cần giải quyết trong suốt
quá trình nghiên cứu:
Thứ nhất, mô hình Mạng thần kinh nhân tạo là gì ?, cơ chế hoạt động như thế nào ?
Thứ hai, những ưu điểm, khuyết điểm và các vấn đề vẫn chưa được giải quyết từ
các công trình nghiên cứu trên thế giới ?
Thứ ba, mô hình Hồi quy tuyến tính truyền thống là một mô hình đã rất phổ biến
hiện nay ở Việt Nam, và rằng nó khác biệt như thế nào so với mô hình Mạng thần
kinh nhân tạo ?
Thứ tư, có nhiều quan điểm liên quan đến việc cần phải điều chỉnh dữ liệu trước khi
đưa vào mô hình Mạng thần kinh nhân tạo, liệu rằng nó có cần thiết cho bài nghiên
cứu này khi tiến hành xây dựng mô hình Mạng thần kinh nhân tạo hay không ?
Thứ năm, mô hình Mạng thần kinh nhân tạo nào sẽ được lựa chọn để xây dựng mô
hình dự báo tốc độ tăng trưởng GDP Việt Nam?
Thứ sáu, khả năng ứng dụng mô hình Mạng thần kinh nhân tạo trong việc dự báo
tốc độ tăng trưởng GDP Việt Nam nói riêng và các biến kinh tế nói chung ?, mô
hình Mạng thần kinh nhân tạo có thể kết hợp với mô hình Hồi quy tuyến tính để
cho ra một mô hình dự báo tốt ở Việt Nam như một số công trình trên thế giới đã
thực hiện hay không ?
Cuối cùng, hướng nghiên cứu mở rộng nào trong tương lai mà bài nghiên cứu đặt
ra cho những vấn đề còn hạn chế?
3. Phƣơng pháp nghiên cứu
Trong bài nghiên cứu này, nhóm sử dụng phương pháp định lượng sẽ là phương pháp
chủ yếu để xây dựng mô hình Mạng thần kinh nhân tạo và mô hình Hồi quy tuyến tính
truyền thống cho dự báo. Tuy nhiên, phương pháp định tính cũng sẽ được nhóm sử
dụng làm cơ sở lựa chọn các nhân tố kinh tế tác động đến tốc độ tăng trưởng GDP.
Bên cạnh đó, phương pháp so sánh sẽ được áp dụng để tìm kiếm mô hình dự báo hiệu
quả từ các mô hình trên.
Mô hình Mạng thần kinh nhân tạo được xây dựng trên phần mềm NeuroSolutions
phiên bản 6.01 (bản dùng thử), và mô hình Hồi quy tuyến tính truyền thống được xây
dựng bằng phần mềm EViews 5.0.
Về bộ dữ liệu dùng cho xây dựng mô hình được thu thập từ Ngân hàng nhà nước Việt
Nam và Tổng cục thống kê Việt Nam.
4. Nội dung nghiên cứu
Thứ nhất, bài nghiên cứu sẽ tiến hành lược khảo các bài nghiên cứu trước đây trong và
ngoài nước để có tổng quan về vấn đề cần nghiên cứu. Thứ hai, nhóm sẽ trình bày lý
thuyết về Mạng thần kinh nhân tạo để đặt nền tảng cho việc xây dựng mô hình. Thứ
ba, xây dựng các mô hình dự báo tốc độ tăng trưởng GDP. Cuối cùng, bài nghiên cứu
thực hiện so sánh và rút ra kết luận cho một mô hình dự báo tốc độ tăng trưởng GDP
hiệu quả.
5. Đóng góp của đề tài
Trong giới hạn và mục tiêu của nghiên cứu, bài nghiên cứu này cung cấp một cái nhìn
tổng quan trong việc ứng dụng mô hình Mạng thần kinh nhân tạo để dự báo các biến
số kinh tế. Bên cạnh đó, thông qua quá trình thực nghiệm xây dựng các mô hình dự
báo tốc độ tăng trưởng Tổng sản phẩm quốc nội (GDP) Việt Nam, nhóm nghiên cứu
đã tiến hành so sánh hiệu quả dự báo giữa mô hình Mạng thần kinh nhân tạo và mô
hình Hồi quy tuyến tính truyền thống để tìm ra mô hình dự báo tốt nhất. Vì vậy, bài
nghiên cứu này sẽ là một đóng góp tích cực cho hướng nghiên cứu mới trong lĩnh vực
dự báo các biến số kinh tế.
6. Hướng phát triển sắp tới của đề tài
Bên cạnh những gì bài nghiên cứu đã thực hiện được thì thật sự cần thiết để nói rằng
vấn đề ứng dụng mô hình Mạng thần kinh nhân tạo trong việc xử lý thông tin và dự
báo các biến số kinh tế sẽ không ngừng lại, mà nó cần phải liên tục được nghiên cứu,
hoàn thiện, khắc phục những điểm yếu, cũng như vận dụng, khai thác các ưu điểm của
mô hình. Từ đó, góp phần đưa mô hình Mạng thần kinh nhân tạo như là một sự lựa
chọn tốt cho công tác dự báo biến số kinh tế bên cạnh các mô hình kinh tế lượng
truyền thống ở Việt Nam.
109 trang |
Chia sẻ: tuandn | Lượt xem: 3154 | Lượt tải: 2
Bạn đang xem trước 20 trang tài liệu Đề tài Dự báo tốc độ tăng trưởng kinh tế Việt Nam: Sự vượt trội của mô hình mạng thần kinh nhân tạo ANN so với mô hình hồi quy tuyến tính truyền thống, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH
CÔNG TRÌNH DỰ THI
GIẢI THƢỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN
“NHÀ KINH TẾ TRẺ – NĂM 2011”
Thuộc nhóm ngành : KHOA HỌC KINH TẾ
Tp. Hồ Chí Minh, tháng 06/2011
TÓM TẮT ĐỀ TÀI
1. Lý do chọn đề tài
Tốc độ tăng trưởng Tổng sản phẩm quốc nội (Gross Domestic Product - GDP) là một
chỉ số kinh tế có ý nghĩa rất quan trọng đối với các nhà điều hành kinh tế và các doanh
nghiệp trong việc xem xét mức tăng trưởng của nền kinh tế, là tiền đề hỗ trợ cho các
quyết định về chính sách, chiến lược cho một giai đoạn trong tương lai. Vì các thông
tin về tốc độ tăng trưởng GDP được công bố ra công chúng có một độ trễ nhất định
nên vấn đề cấp thiết hiện nay là cần có một mô hình dự báo tốc độ tăng trưởng GDP
có hiệu quả. Do vậy, các công trình hướng đến việc xây dựng mô hình dự báo các biến
số vĩ mô, đặc biệt là tốc độ tăng trưởng GDP luôn nhận được sự quan tâm của nhiều
nhà nghiên cứu trong và ngoài nước.
Những năm gần đây, mô hình Mạng thần kinh nhân tạo (Artificial Neural Network –
ANN) được mô phỏng theo cách thức tổ chức và vận hành của bộ não con người, với
các ưu điểm vượt trội trong việc xác định và dự báo một cách chính xác các biến số
kinh tế có quan hệ phi tuyến đã được các nhà kinh tế học tập trung nghiên cứu và ứng
dụng rộng rãi. Tuy nhiên, ở thời điểm hiện tại việc ứng dụng mô hình Mạng thần kinh
nhân tạo cho việc dự báo các biến số kinh tế ở Việt Nam vẫn chưa phổ biến. Từ các lý
do trên, nhóm nghiên cứu đã thực hiện đề tài: “Dự báo tốc độ tăng trưởng kinh tế Việt
Nam: Sự vượt trội của mô hình Mạng thần kinh nhân tạo (ANN) so với mô hình Hồi
quy tuyến tính truyền thống”.
2. Mục tiêu nghiên cứu
Để tiến hành nghiên cứu việc xây dựng và kiểm chứng khả năng dự báo của mô hình
Mạng thần kinh nhân tạo, bài nghiên cứu đã đặt ra các vấn đề cần giải quyết trong suốt
quá trình nghiên cứu:
Thứ nhất, mô hình Mạng thần kinh nhân tạo là gì ?, cơ chế hoạt động như thế nào ?
Thứ hai, những ưu điểm, khuyết điểm và các vấn đề vẫn chưa được giải quyết từ
các công trình nghiên cứu trên thế giới ?
Thứ ba, mô hình Hồi quy tuyến tính truyền thống là một mô hình đã rất phổ biến
hiện nay ở Việt Nam, và rằng nó khác biệt như thế nào so với mô hình Mạng thần
kinh nhân tạo ?
Thứ tư, có nhiều quan điểm liên quan đến việc cần phải điều chỉnh dữ liệu trước khi
đưa vào mô hình Mạng thần kinh nhân tạo, liệu rằng nó có cần thiết cho bài nghiên
cứu này khi tiến hành xây dựng mô hình Mạng thần kinh nhân tạo hay không ?
Thứ năm, mô hình Mạng thần kinh nhân tạo nào sẽ được lựa chọn để xây dựng mô
hình dự báo tốc độ tăng trưởng GDP Việt Nam?
Thứ sáu, khả năng ứng dụng mô hình Mạng thần kinh nhân tạo trong việc dự báo
tốc độ tăng trưởng GDP Việt Nam nói riêng và các biến kinh tế nói chung ?, mô
hình Mạng thần kinh nhân tạo có thể kết hợp với mô hình Hồi quy tuyến tính để
cho ra một mô hình dự báo tốt ở Việt Nam như một số công trình trên thế giới đã
thực hiện hay không ?
Cuối cùng, hướng nghiên cứu mở rộng nào trong tương lai mà bài nghiên cứu đặt
ra cho những vấn đề còn hạn chế?
3. Phƣơng pháp nghiên cứu
Trong bài nghiên cứu này, nhóm sử dụng phương pháp định lượng sẽ là phương pháp
chủ yếu để xây dựng mô hình Mạng thần kinh nhân tạo và mô hình Hồi quy tuyến tính
truyền thống cho dự báo. Tuy nhiên, phương pháp định tính cũng sẽ được nhóm sử
dụng làm cơ sở lựa chọn các nhân tố kinh tế tác động đến tốc độ tăng trưởng GDP.
Bên cạnh đó, phương pháp so sánh sẽ được áp dụng để tìm kiếm mô hình dự báo hiệu
quả từ các mô hình trên.
Mô hình Mạng thần kinh nhân tạo được xây dựng trên phần mềm NeuroSolutions
phiên bản 6.01 (bản dùng thử), và mô hình Hồi quy tuyến tính truyền thống được xây
dựng bằng phần mềm EViews 5.0.
Về bộ dữ liệu dùng cho xây dựng mô hình được thu thập từ Ngân hàng nhà nước Việt
Nam và Tổng cục thống kê Việt Nam.
4. Nội dung nghiên cứu
Thứ nhất, bài nghiên cứu sẽ tiến hành lược khảo các bài nghiên cứu trước đây trong và
ngoài nước để có tổng quan về vấn đề cần nghiên cứu. Thứ hai, nhóm sẽ trình bày lý
thuyết về Mạng thần kinh nhân tạo để đặt nền tảng cho việc xây dựng mô hình. Thứ
ba, xây dựng các mô hình dự báo tốc độ tăng trưởng GDP. Cuối cùng, bài nghiên cứu
thực hiện so sánh và rút ra kết luận cho một mô hình dự báo tốc độ tăng trưởng GDP
hiệu quả.
5. Đóng góp của đề tài
Trong giới hạn và mục tiêu của nghiên cứu, bài nghiên cứu này cung cấp một cái nhìn
tổng quan trong việc ứng dụng mô hình Mạng thần kinh nhân tạo để dự báo các biến
số kinh tế. Bên cạnh đó, thông qua quá trình thực nghiệm xây dựng các mô hình dự
báo tốc độ tăng trưởng Tổng sản phẩm quốc nội (GDP) Việt Nam, nhóm nghiên cứu
đã tiến hành so sánh hiệu quả dự báo giữa mô hình Mạng thần kinh nhân tạo và mô
hình Hồi quy tuyến tính truyền thống để tìm ra mô hình dự báo tốt nhất. Vì vậy, bài
nghiên cứu này sẽ là một đóng góp tích cực cho hướng nghiên cứu mới trong lĩnh vực
dự báo các biến số kinh tế.
6. Hƣớng phát triển sắp tới của đề tài
Bên cạnh những gì bài nghiên cứu đã thực hiện được thì thật sự cần thiết để nói rằng
vấn đề ứng dụng mô hình Mạng thần kinh nhân tạo trong việc xử lý thông tin và dự
báo các biến số kinh tế sẽ không ngừng lại, mà nó cần phải liên tục được nghiên cứu,
hoàn thiện, khắc phục những điểm yếu, cũng như vận dụng, khai thác các ưu điểm của
mô hình. Từ đó, góp phần đưa mô hình Mạng thần kinh nhân tạo như là một sự lựa
chọn tốt cho công tác dự báo biến số kinh tế bên cạnh các mô hình kinh tế lượng
truyền thống ở Việt Nam.
MỤC LỤC
PHẦN MỞ ĐẦU ........................................................................................................... 1
Chƣơng 1: GIỚI THIỆU .............................................................................................. 2
1.1. Mô hình Mạng thần kinh nhân tạo và công tác dự báo ........................................ 2
1.2. Lược khảo các nghiên cứu trước đây .................................................................... 3
1.3. Mục tiêu của bài nghiên cứu ................................................................................. 7
Chƣơng 2: MÔ HÌNH MẠNG THẦN KINH NHÂN TẠO ...................................... 9
2.1. Đặc điểm của Mạng thần kinh nhân tạo ............................................................... 9
2.1.1. Nơ-ron sinh học .......................................................................................... 9
2.1.2. Nơ-ron nhân tạo ........................................................................................ 11
2.1.3. Mạng thần kinh nhân tạo .......................................................................... 13
2.2. Các dạng mô hình Mạng thần kinh nhân tạo ...................................................... 14
2.2.1. Mạng thần kinh truyền thẳng ....................................................................... 14
2.2.1.1. Mạng thần kinh truyền thẳng đơn giản nhất ......................................... 14
2.2.1.2. Mạng thần kinh truyền thẳng đa lớp ..................................................... 15
2.2.1.3. Mạng thần kinh bổ sung ........................................................................ 17
2.2.2. Mạng thần kinh nhân tạo hồi tiếp ................................................................ 18
2.2.2.1. Mạng thần kinh hồi tiếp Jordan ............................................................ 19
2.2.2.2. Mạng thần kinh hồi tiếp Elman ............................................................. 19
2.3. Huấn luyện Mạng thần kinh nhân tạo ................................................................. 20
2.3.1. Quá trình học của Mạng thần kinh .............................................................. 20
2.3.2. Các phương pháp học .................................................................................. 20
2.3.2.1. Học theo tham số .................................................................................. 20
2.3.2.2. Học cấu trúc ........................................................................................... 22
2.3.3. Hàm truyền .................................................................................................. 22
2.3.4. Thuật toán truyền ngược .............................................................................. 26
2.3.4.1. Điều chỉnh trọng số của Mạng thần kinh .............................................. 28
2.3.4.2. Nguyên tắc giảm độ dốc ........................................................................ 29
2.3.4.3. Truyền ngược sai số .............................................................................. 30
2.4. Các vấn đề của mô hình Mạng thần kinh nhân tạo ............................................. 34
2.4.1. Tổng quát hóa và học quá mức .................................................................... 34
2.4.2. Thủ tục ngừng đúng lúc ............................................................................... 35
2.5. Ưu điểm và khuyết điểm của mô hình Mạng thần kinh nhân tạo ....................... 37
2.5.1.Ưu điểm ........................................................................................................ 37
2.5.2. Khuyết điểm ................................................................................................ 38
2.6. So sánh mô hình Mạng thần kinh nhân tạo và mô hình hồi quy tuyến tính ....... 39
Chƣơng 3: XÂY DỰNG MÔ HÌNH DỰ BÁO TỔNG SẢN PHẨM QUỐC NỘI
(GDP) CỦA VIỆT NAM ............................................................................................ 41
3.1. Dữ liệu ................................................................................................................ 41
3.1.1. Giải thích biến ............................................................................................. 43
3.1.2. Kỳ vọng về dấu ............................................................................................ 46
3.2. Xây dựng mô hình Hồi quy tuyến tính truyền thống cho dự báo tốc độ tăng
trưởng GDP Việt Nam ............................................................................................... 47
3.3. Xây dựng mô hình Mạng thần kinh nhân tạo để dự báo tốc độ tăng trưởng Tổng
sản phẩm quốc nội (GDP) của Việt Nam .................................................................. 50
3.3.1. Quy trình xây dựng mô hình Mạng thần kinh nhân tạo ................................ 50
3.3.1.1. Lựa chọn các biến số và thu thập dữ liệu ................................................. 50
3.3.1.2. Tiền xử lý dữ liệu ..................................................................................... 51
3.3.1.3. Lựa chọn các thông số cho mô hình ......................................................... 54
3.3.1.4. Tiến hành thực hiện xây dựng mô hình .................................................... 57
3.3.1.5. Dự báo và phân tích kết quả ..................................................................... 58
3.3.2. Xây dựng mô hình Mạng thần kinh nhân tạo một cách độc lập để dự báo tốc
độ tăng trưởng GDP ................................................................................................ 59
3.3.3. Xây dựng mô hình Mạng thần kinh nhân tạo với sự hỗ trợ từ mô hình hồi
quy tuyến tính truyền thống .......................................................................................... 62
Chƣơng 4: KẾT QUẢ DỰ BÁO VÀ KẾT LUẬN ................................................... 67
4.1 So sánh kết quả dự báo tốc độ tăng trưởng GDP Việt Nam của các mô hình ..... 67
4.2 Kết luận ................................................................................................................ 72
PHẦN KẾT LUẬN ..................................................................................................... 73
PHỤ LỤC .................................................................................................................... 74
TÀI LIỆU THAM KHẢO .......................................................................................... 94
DANH MỤC THUẬT NGỮ
Tiếng Anh Tiếng Việt
Activity Function Hàm kích hoạt
Adaptive Linear Neuron – ADALINE Mạng nơ-ron tuyến tính thích ứng
Amplitude Biên độ
Artificial Neural Network – ANN Mạng thần kinh nhân tạo
Augmented Neural Networks Mạng thần kinh bổ sung
Backpropagation Thuật toán truyền ngược
Backpropagation Algorithm Thuật toán truyền ngược
Batch Training Huấn luyện hàng loạt
Black Box Hộp đen
Cost Function Hàm chi phí
Desired Output Các giá trị đầu ra mục tiêu
Early Stopping Procedure Thủ tục ngừng đúng lúc
Elman Recurrent Neural Networks – ERNN Mạng thần kinh hồi tiếp Elman
Epoch Số vòng lặp
Error Backpropagation Thuật toán sai số truyền ngược
Error Tolerance Sai số cho phép
Feed-Forward Neural Networks – FFNN Mạng thần kinh truyền thẳng
Forward Procedure Thủ tục đưa dần vào
Global Minimum Tối thiểu hóa toàn cục
Gradient Descent Nguyên tắc giảm độ dốc
Gross Domestic Product – GDP Tổng sản phẩm quốc nội
Hidden Layer Lớp nơ-ron ẩn
Input Các giá trị (tín hiệu) đầu vào
Input Layer Lớp nơ-ron đầu vào
Jordan Recurrent Neural Networks – JRNN Mạng thần kinh hồi tiếp Jordan
Layer Lớp mạng
Learning Curve Đường cong học hỏi
Learning Rate Tỷ lệ học
Linearly Inseparable Functions Hàm không phân tách tuyến tính
Local Minimum Tối thiểu hóa cục bộ
Lower Bound Biên dưới
Mean Absolute Error – MAE Sai số tuyệt đối trung bình
Mean Absolute Percentage Error – MAPE Sai số phần trăm tuyệt đối trung bình
Mean Error – ME Sai số trung bình
Mean Percentage Error – MPE Sai số phần trăm trung bình
Mean Square Error – MSE Sai số bình phương trung bình
Momentum Động lượng
Multilayer Feed- Forward Perceptron Mạng thần kinh đa lớp truyền thẳng
Multilayer Perceptrons – MLPs Mạng thần kinh truyền thẳng đa lớp
Multiple Adaptive Linear Neuron –
MADALINE
Mạng nơ-ron tuyến tính thích ứng đa
lớp
Offset Độ lệch
On-Line Training Huấn luyện từng dòng
Output Các giá trị đầu ra
Output Layer Lớp nơ-ron đầu ra
Over – learned Học quá mức
Parameter Learning Học theo tham số
Perceptron
Mạng thần kinh truyền thẳng đơn giản
nhất
Recurrent Neural Networks Mạng thần kinh hồi tiếp
Recurrent Neural Networks –RNN Mạng thần kinh nhân tạo hồi tiếp
Root Mean Squared Error – RMSE
Căn bậc hai của sai số bình phương
trung bình
Self Organizing Networks Mạng thần kinh tự tổ chức
Step Size Kích thước bước
Straight Gradient Descent Giảm độ dốc thẳng
Structure Learning Học cấu trúc
Supervised Learning Học có giám sát
Test Set Dữ liệu kiểm tra
Theil’U Hệ số không ngang bằng
Training Set Dữ liệu huấn luyện
Transfer Functions Hàm truyền
Unsupervised Learning Học không giám sát
Upper Bound Biên trên
Validation Set Dữ liệu phê duyệt
Weights Trọng số
DANH MỤC BẢNG
Bảng 3.1: Các biến được cân nhắc đưa vào mô hình dự báo GDP theo quý ............... 42
Bảng 3.2: Tên biến và kỳ vọng về dấu .......................................................................... 46
Bảng 3.3: Thống kê mô tả các biến .............................................................................. 47
Bảng 3.4: Các thông số huấn luyện .............................................................................. 63
Bảng 4.1: So sánh dự báo trong mẫu và dự báo ngoài mẫu ......................................... 68
DANH MỤC HÌNH
Hình 2.1: Minh họa cấu tạo của một nơ-ron sinh học ................................................. 11
Hình 2.2: Nơ-ron nhân tạo. .......................................................................................... 11
Hình 2.3: Mô hình Mạng thần kinh nhân tạo ............................................................... 14
Hình 2.4: Mô hình thần kinh nhân tạo đơn giản nhất .................................................. 15
Hình 2.5: Mô hình Mạng thần kinh truyền thẳng đa lớp ............................................ 16
Hình 2.6: Mô hình Mạng thần kinh nhân tạo bổ sung ................................................. 17
Hình 2.7: Mô hình Mạng thần kinh nhân tạo hồi tiếp ................................................. 18
Hình 2.8: Mô hình Mạng thần kinh hồi tiếp Jordan .................................................... 19
Hình 2.9: Mô hình Mạng thần kinh hồi tiếp Elman .................................................... 20
Hình 2.10: Đồ thị biểu diễn hàm truyền Heaviside ..................................................... 23
Hình 2.11: Đồ thị biểu diễn hàm truyền Xích ma ....................................................... 23
Hình 2.12: Đồ thị biểu diễn hàm Hyperbol ................................................................. 24
Hình 2.13: Đồ thị biểu diễn hàm LinearTanhAxon ...................................................... 25
Hình 2.14: Đồ thị biểu diễn hàm LinearSigmoidAxon ................................................ 25
Hình 2.15: Mô hình Mạng thần kinh nhân tạo có sử dụng thuật toán truyền ngược ... 27
Hình 2.16: Biểu diễn việc điều chỉnh các trọng số theo nguyên tắc giảm độ dốc ....... 29
Hình 2.17: Việc giảm độ dốc trên mặt phẳng sai số .................................................... 34
Hình 2.18: Biểu diễn thủ tục ngừng đúng lúc .............................................................. 36
Hình 3.1: Mô hình Mạng thần kinh nhân tạo được xây dựng một cách độc lập tốt nhất
cho dự báo tốc độ tăng trưởng GDP Việt Nam ............................................................ 60
Hình 3.2: Đồ thị thể hiện giá trị MSE của quá trình huấn luyện mô hình Mạng thần
kinh nhân tạo được xây dựng một cách độc lập tốt nhất .............................................. 60
Hình 3.3: Các trọng số ước lượng của mô hình Mạng thần kinh độc lập.................... 61
Hình 3.4: Mô hình Mạng thần kinh nhân tạo tốt nhất với sự hỗ trợ từ mô hình Hồi quy
tuyến tính truyền thống cho dự báo tốc độ tăng trưởng GDP Việt Nam ...................... 64
Hình 3.5: Đồ thị thể hiện giá trị MSE của quá trình huấn luyện mô hình Mạng thần
kinh nhân tạo với sự hỗ trợ từ mô hình Hồi quy tuyến tính truyền thống .................... 64
Hình 3.6: Các trọng số ước lượng của mô hình Mạng thần kinh dựa trên kết quả của
Mô hình truyền thống ................................................................................................... 65
Hình 4.1: Đồ thị dự báo trong mẫu .............................................................................. 69
Hình 4.2: Đồ thị dự báo ngoài mẫu ............................................................................. 69
Hình 4.3: Đồ thị dự báo trong mẫu của mô hình ANN ............................................... 70
Hình 4.4: Đồ thị dự báo trong mẫu của mô hình ANN & HQTT ............................... 70
Hình 4.5: Đồ thị dự báo ngoài mẫu của mô hình ANN ............................................... 71
Hình 4.6: Đồ thị dự báo ngoài mẫu của mô hình ANN & HQTT ............................... 71
DANH MỤC PHỤ LỤC
PHỤ LỤC 1: KẾT QUẢ ƢỚC LƢỢNG VÀ KIỂM ĐỊNH TRONG MÔ HÌNH
HỒI QUY TUYẾN TÍNH .......................................................................................... 74
Hình A.1: Kết quả kiểm định phân phối chuẩn của phần dư....................................... 74
Bảng A.1: Kết quả hồi quy tăng trưởng GDP theo các nhân tố tác động ................... 74
Bảng A.2: Các chỉ số thống kê .................................................................................... 75
Bảng A.3: Kết quả kiểm định phương sai thay đổi...................................................... 75
Bảng A.4: Kết quả kiểm định tự tương quan với độ trễ là 1 ........................................ 75
Bảng A.5: Kết quả kiểm định tự tương quan với độ trễ là 4 ....................................... 75
Bảng A.6: Kết quả kiểm đinh đa cộng tuyến .........................................................