Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

ĐẠI HỌC THÁI NGUYÊN
KHOA CÔNG NGHỆ THÔNG TIN
  
PHẠM MINH HOÀNG
MẠNG NƠRON VÀ ỨNG DỤNG DỰ BÁO
CHỈ SỐ TIÊU DÙNG Chuyên ngành: Khoa học máy tính
Mã số: 60.48.01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Người hướng dẫn khoa học
PGS.TS. ĐOÀN VĂN BAN
Thái Nguyên - 2010
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

MỤC LỤC

-3-
2.4.2 Một số cải tiến của thuật toán lan truyền ngược 55
2.5. Kết luận 69
CHƢƠNG 3: ỨNG DỤNG DỰ BÁO CHỈ SỐ TIÊU DÙNG 71
3.1. Đặt vấn đề 71
3.2. Môi trường cài đặt 71
3.3. Xử lý dữ liệu 71
3.4. Thuật toán la truyền ngược giải bài toán dự báo 73
3.4.1. Mô hình của bài toán dự báo chỉ số giá tiêu dùng 73
3.4.2. Các bước trong thuật toán lan truyền ngược 73
3.5. Xây dựng chương trình 74
3.5.1. Giao diện và các chức năng của chương trình 74
3.5.2. Một số kết quả khi chạy thử nghiệm chương trình 78
KẾT LUẬN 81
TÀI LIỆU THAM KHẢO 82
PHỤ LỤC 84
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-4-
MỞ ĐẦU
I- Đặt vấn đề:
1. Giới thiệu tổng quan về đề tài
Trong luận văn này trình bày Mạng nơron (mạng nơron nhân tạo và mạng
nơron nhân tạo mờ), các bài toán dự báo, ứng dụng các bài toán dự báo dự báo chỉ số
tiêu dùng.
2. Lý do chọn đề tài
Hiện nay cùng với sự phát triển mạnh mẽ về mọi mặt của các nước trên thế
giới thì tình hình lạm phát và khủng hoảng kinh tế là những vấn đề mà hầu hết các
quốc gia đều gặp phải, đặc biệt trong hai năm trở lại đây toàn nhân loại cùng phải
chèo lái để vượt qua khủng hoảng kinh tế toàn cầu. Giá cả, dịch vụ hàng hóa luôn

toàn cầu, do đó nếu có thể dự báo trước được chỉ số tiêu dùng thì chắc chắn những
người cần đến nó sẽ chủ động hơn và có thể đưa ra những phương án phù hợp giúp
giảm thiểu tình trạng khủng hoảng kinh tế trong nước và trên thế giới.
2. Phạm vi nghiên cứu và ứng dụng
- Bài toán dự báo.
- Mạng nơron nhân tạo.
- Mô hình dự báo.
- Mô hình dự báo mờ với ứng dụng của mạng nơron nhân tạo.
- Dự báo chỉ số tiêu dùng
3. Ý nghĩa khoa học
- Nghiên cứu tổng quan về các phương pháp dự báo và dự báo mờ với dư liệu
vào không đầy đủ, không chính xác.
- Nghiên cứu các mạng nơron nhân tạo, mạng nơron nhân tạo mờ.
- Nghiên cứu xây dựng mô hình dự báo mờ với ứng dụng mạng nơron nhân tạo.
- Ứng dụng dự báo chỉ số tiêu dùng CPI.
4. Phƣơng pháp nghiên cứu
- Quan sát, điều tra, thu thập dữ liệu cần cho bài toán dự báo.
- Nghiên cứu tài liệu, tổng hợp các kết quả của các nhà nghiên cứu liên quan
đến lĩnh vực nghiên cứu.
- Thực nghiêm, tham khảo ý kiến tư vấn từ các chuyên gia.
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-6-
5. Các kết quả dự kiến đạt đƣợc
- Giới thiệu tổng quan về chỉ số tiêu dùng, bài toán dự báo chỉ số tiêu dùng.
- Trình bày Mạng nơron, các mô hình dự báo.
- Cài đặt thử nghiệm chương trình dự báo chỉ số tiêu dùng.
III - Bố cục luận văn
Luận văn được trình bày trong 3 chương, có phần mở đầu, phần kết luận, phần mục
lục, phần tài liệu tham khảo. Các nội dung cơ bản của luận văn được trình bày theo

chứng qua hệ thống biểu thức đánh giá.
Dự báo chỉ số tiêu dùng là một bái toán đã được tìm hiểu từ lâu. Tuy nhiên, ở
Việt Nam việc dự bó chỉ số giá tiêu dùng cho đến nay mới chỉ là những hình thức
dự báo dựa vào việc thống kê số liệu, dựa vào những nhận đình biến động kinh tế
trước đó, cũng như những quy luật đã có trong năm mà chưa có một phương pháp
cụ thể nào.
Những lợi ích to lớn mang lại nếu ta dự báo được tương đối chính xác chỉ số
giá tiêu dùng, đó là:
- Căn cứ vào những số liệu về giá tiêu dùng mà mỗi quốc gia tính toán được
tình hình diễn biến kinh tế của nước mình góp phần kìm chế lạm phát, thúc đẩy nền
kinh tế đất nước ngày càng phát triển.
- Mỗi doanh nghiệp căn cứ vào số liệu dự báo chỉ số tiêu dùng, có thể điều
chỉnh quy mô sản xuất, giá hàng hoá của mình cho phù hợp cũng như tình toán
được giá nhân công hợp lý với mức chi tiêu của công nhân.
- Với mỗi người dân số liệu dự báo về chỉ số tiêu dùng giúp họ có thể tính toán,
điều chỉnh được mức chi tiêu của mình cho phù hợp.
Mạng Nơron nhân tạo là một mô hình mô phỏng hoạt động của các nơron sinh
học, nó có khả năng học và từ đó có thể ứng dụng nó để giải quyết các bài toán dự
báo. Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-8-
1.2. Khái niệm giá tiêu dùng
Giá tiêu dùng là giá mà người tiêu dùng mua hàng hoá hoặc chi trả cho các
dịch vụ trực tiếp cho đời sống hàng ngày. Giá tiêu dùng được biểu diện bằng giá
bán lẻ hàng hoá trên thị trường và giá phục vụ sinh hoạt đời sống, không bao gồm
đất đai, giá hàng hoá bán cho sản xuất và các công việc có tính chất sản xuất kinh
doanh.

hướng và mức độ biến động giá cả chung của một số lượng cố định các loại hàng
hoá dịch vụ đã được chọn đại diện cho tiêu dùng, phục vụ cho đời sống bình thường
của người dân. CPI được sử dụng như đại diện cho thông số về lạm phát ở nhiều
quốc gia, ở Việt Nam, CPI được Tổng cục thống kê bắt đầu tính toán và sử dụng
CPI để phản ánh mức độ tăng giá tiêu dùng chung từ năm 1998 (trước 1998 sử dụng
chỉ số giá bán lẻ - RPI). Từ đó đến nay, số lượng và quyền số các mặt hàng trong rổ
hàng hoá để tính CPI được cập nhật và mở rộng 5 năm một lần, thời điểm được
chọn làm năm gốc cũng thay đổi theo Năm gốc:
+/ 1995 (296 mặt hàng)
+/ 2000 (390 mặt hàng)
+/ 2005 (494 mặt hàng).
Các mặt hàng trong rổ hàng hoá CPI điển được phân chia thành các nhóm, chi
tiết theo các cấp:
+/ Cấp1: 10 nhóm
+/ Cấp 2: 32 nhóm
+/ Cấp 3: 86 nhóm
+/ Cấp 4: 237 nhóm
Do đó, hiện nay số liệu CPI của Việt Nam được chia làm 3 giai đoạn: 1998-
2000, 2001-2005, 2006-nay.
1.4 Phƣơng pháp tính chỉ số giá tiêu dùng
Chỉ số giá tiêu dùng được tính từ giá bán lẻ hàng hoá và giá dịch vụ tiêu dùng
(rổ hàng hoá và dịch vụ đại diện) với quyền số là cơ cấu chi tiêu của các hộ gia
đình.
CPI của nước ta đã và đang được tính cho cả nước, 8 vùng kinh tế và 64 tỉnh,
thành phố trực thuộc Trung ương. Một thành phần quan trọng để tính CPI là quyền
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-10-
số. Quyền số tính chỉ số giá tiêu dùng được sử dụng cố định trong 5 năm và tính cho
năm gốc so sánh (đồng nhất với năm cập nhật danh mục mặt hàng, dịch vụ đại

i
i
t
i
n
i
ii
n
i
i
t
i
t
p
p
qp
qp
I
1
0
0
i
1
00
1
0
0
*W
(1.1)
Trong đó:

ii
ii
qp
qp
1
00
00
0
i
W

Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-11-
Công thức (1.1) tính CPI dài hạn (kỳ báo cáo so với kỳ gốc). Công thức này đã
được áp dụng nhiều năm và có nhiều ưu điểm như cách tính dễ hiểu, ngắn gọn
nhưng cũng có một số nhược điểm khi giải quyết vấn đề chọn mặt hàng mới thay
thế mặt hàng cũ không còn bán trên thị trường, hàng thời vụ hoặc hàng thay đổi
chất lượng do mọi so sánh đều phải thông quan một kỳ gốc đã chọn (ví dụ kỳ gốc
2000, kỳ gốc 2005, …).
Để khắc phục những nhược điểm trên, hiện nay CPI được tính theo công thức
Laspeyres chuyển đổi - hay phương pháp so sánh với kỳ gốc ngắn hạn. Công thức
này hoàn toàn tương thích với công thức Laspeyres gốc. Dạng tổng quát như sau:















0
1
01
*
i
t
i
i
t
i
p
p
WW

Chú ý: Điểm mới trong công thức (1.2) là thay cho việc tính chỉ số cá thể mặt
hàng kỳ báo cáo so trực tiếp với kỳ gốc bằng việc tính chỉ số cá thể mặt hàng kỳ báo
cáo so với kỳ trước sau đó nhân với chỉ số cá thể mặt hàng đó ở kỳ trước so với năm
gốc.

12
1
1
2

p
p

Đẳng thức trên có thể viết như sau:

1010
*


tt
pi
t
pi
t
pi
III
(1.3)
Trong đó:

0t
pi
I
: Là chỉ số cá thể mặt hàng i tháng báo cáo so với kỳ gốc 0;

01t
pi
I
: Là chỉ số cá thể mặt hàng i tháng trước tháng báo cáo so với kỳ gốc 0;

1tt

1tt
pi
I
: Là chỉ số cá thể mặt hàng i tháng báo cáo so với tháng trước;

01t
pi
I
: Là chỉ số cá thể mặt hàng i tháng trước tháng báo cáo so với kỳ gốc 0;

0
i
W
: Quyền số cố định năm 2005.
Để tính Chỉ số giá tiêu dùng/tháng cần thực hiện các bƣớc sau đây:
 Lập bảng giá kỳ gốc (năm 2005).
 Lập bảng quyền số cố định kỳ gốc (năm 2005).
 Thu thập giá bán lẻ của các mặt hàng và dịch vụ đại diện.
 Tính giá bình quân hàng tháng theo từng khu vực (thành thị, nông thôn)
của các tỉnh thành phố.
 Tính chỉ số giá cấp tỉnh/thành phố theo từng khu vực thành thị, nông thôn
và chung cả tỉnh.
 Tính chỉ số giá cả nước theo từng khu vực thành thị, nông thôn và chung cả
nước.
- Tính chỉ số giá các vùng kinh tế: Tính CPI khu vực nông thôn và thành thị
của các vùng (8 vùng) từ báo cáo CPI khu vực nông thôn và thành thị của
các tỉnh trong vùng, sau đó tính CPI vùng chung cho cả hai khu vực (8
vùng).
- Tính chỉ số giá cả nƣớc: Tính CPI khu vực nông thôn và thành thị cả nước từ
CPI khu vực nông thôn và thành thị của 8 vùng, sau đó tính chỉ số giá chung

Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-13-
Trong đó:

0
0
t
V
I
: Là chỉ số giá cả nước kỳ báo cáo so với kỳ gốc;

0
1
t
V
I
: Là chỉ số giá vùng 1 kỳ báo cáo so với kỳ gốc;

0
2
t
V
I
: Là chỉ số giá vùng 2 kỳ báo cáo so với kỳ gốc;

0t
k
I
: Là chỉ số kỳ báo cáo của tỉnh k so với kỳ gốc;

có những quyết định hành động hợp lý. Mục tiêu của dự báo Chỉ số giá tiêu dùng là
giúp chính phủ, các doanh nghiệp và các cá nhân có được tầm nhìn và quyết sách
hợp lý trong việc đề ra các định hướng phát triển đất nước, trong kinh doanh và
trong chi tiêu cho cuộc sống hàng ngày. Khi các mục tiêu tổng quát đã rõ, ta phải
xác định xem cần phải dự báo những thông tin gì. Trong khuôn khổ luận văn này,
nội dung dự báo ở đây là các thông số về Chỉ số giá tiêu dùng bao gồm: Lương
thực, thực phẩm; Đồ ướng và thuốc lá; May mặc, giầy dép, mũ nón; Nhà ở và vật
liêu xây dựng; Thiết bị và đồ dùng gia đình; Dược phẩm, y tế; Phương tiện đi lại,
bưu điện; Giáo dục; Văn hoá, thể thao, giải trí; Hàng hoá và dịch vụ khác; Chỉ số
giá vàng; Chỉ số giá đô la Mỹ. Cũng nằm trong bước lập kế hoạch, ta cần xác định
khoảng thời gian dự báo là gì. Với bài toán dự báo Chỉ số giá tiêu dùng, ta tiến hành
dự báo Chỉ số giá tiêu dùng của tháng sau tháng hiện tại. Ta cũng có thể dự báo chỉ
số giá tiêu dùng của quý kế tiếp hoặc dự báo chỉ số giá tiêu dùng của năm tiếp.
Bƣớc 2: Thu thập dự liệu
Bước tiếp theo trong quy trình dự báo là thu thập số liệu. Hình dưới mô tả
từng bước trong quá trình thu thập số liệu:

Hình 1.2: Quá trình thu thập số liệu.
Dữ liệu có thể thu thập từ các nguồn dữ liệu. Sau đó dữ liệu này có thể tổng
hợp và phân loại nếu đó là các dữ liệu có các đặc trưng cho từng ứng dụng [6]. Tiếp
theo, dữ liệu được xử lý để làm đầu vào cho bộ phận dự báo.

Số liệu từ
các nguồn
dư liệu
Thu thập,
phân loại và
xử lý số liệu
Dữ liệu đầu
vào

báo cụ thể

Các tổ chức
dự báo hiện
thời
Chiến lược
dự báo

Tính chất
chung của
mô hình Yêu cầu về
thời gian

Yêu cầu về
kết quả đầu
ra
Tài nguyên Lớp các mô
hình sơ bộ Các điều

Một mô hình có thể khớp rất tốt với các số liệu quá khứ. Tuy nhiên, khi số
liệu dự báo thật so sánh với số liệu tương lai mà không được dùng cho việc khớp để
lấy tham số thì kết quả rất khác nhau. Vì thế, việc so sánh các giá trị dự báo với dữ
liệu thật sẽ cho hiệu quả của mô hình và kết quả dự báo.
Thường chúng ta không thể đợi cho đến khi có số liệu tương lai để so sánh,
đánh giá dự báo. Cách tốt nhất là bỏ lại một số dữ liệu cuối cùng của chuỗi dữ liệu.
Giả sử có một chuỗi dữ liệu: Y
1
,Y
2,… ,
Y
T+1,…
Y
T+m;
trong đó m là số dữ liệu cuối sẽ
được để dành và T dữ liệu còn lại được đưa vào mô hình để dự báo. Thông thường
dự báo trước một bước (one step ahead) được so sánh với giá trị thực. Sai số dự báo
trước một bước sẽ là:

1

tTtTtT
YYe
với t = 1, 2, 3, … (1.6)
Trung bình sai sô:
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-17-






T
t
t
e
pT
1
22
1

(1.9)
Trong đó P là tham số được dự đoán trong mô hình. Thống kê phân bố Fisher
với mức tự do là m và T-p sẽ là:

2

MSEF 
(1.10)
Nếu F lớn, khi đó sai số về dự báo sẽ lớn hơn tại thời điểm cuối của chuỗi dự
báo.
Sai số bình phương tổng (Sum Square Error: SSE)





m
t

càng gần càng tốt.
1.7. Phƣơng pháp dự báo với mạng nơron
Bài toán dự báo có nhiều phương pháp giải quyết khác nhau, không có
phương pháp nào tốt nhất cho mọi bài toán. Mỗi phương pháp dự báo đều có ưu
điểm và nhược điểm riêng, vì thế việc lựa chọn phương pháp nào để thực hiện tuỳ
thuộc vào từng bài toán cụ thể. Đối với bài toán dự báo Chỉ số giá tiêu dùng, luận
văn này nghiên cứu phương pháp dựa trên mạng nơron.
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-18-
Về lý thuyết, các mạng nơron và các hệ thống mờ là các hệ thống tương
đương theo nghĩa chúng có khả năng chuyển đổi được. Tuy nhiên trong thực tế, mỗi
hệ thống lại có những ưu nhược điểm riêng.
Mạng nơron là các bộ xấp xỉ đa năng, chúng có lợi điểm so với các cách tiếp
cận truyền thống là không yêu cầu dữ liệu đầy đủ. Mạng nơron thích hợp với những
bài toán ở đó các mối quan hệ giữa dữ liệu rất biến động không tuyến tính, hay sự
độc lập các biến,
Tóm lại, mạng nơron có những ưu điểm sau: Có thể xấp xỉ một hệ phi tuyến
động với độ chính xác bất kỳ; có khả năng miễn nhiễu và khả năng dung sai cao,
chẳng hạn mạng có thể nhận các dữ liệu bị sai lệch hoặc không đầy đủ mà vẫn hoạt
động được; có khả năng thích ứng, mạng có thể học và điều chỉnh trong quá trình
hoạt động, đây là điểm đáng chú ý nhất của mạng nơron trong ứng dụng dự báo, đặc
điểm này của mạng cho phép ta hi vọng xây dựng được một hệ có thể học tập để
nâng cao khả năng phân tích và dự báo trong khi hoạt động. Ngoài ra, mạng nơron
còn có khả năng tổng quát hoá tốt phần lớn mạng.
1.8. Kết luận
Với những ước muốn biết trước điều gì sẽ xảy ra trong tương lai của con
người để có những biện pháp xử lý, ứng phó thích hợp nhằm tránh được những khó
khăn, rủi ro và vượt qua những khó khăn đó, bài toán dự báo là bài toán rất quan
trọng. Đối với mỗi quốc gia, sự pháp triển kinh tế của họ gắn liền với cuộc sống

Mạng nơron nhân tạo có khả năng giải quyết nhiều bài toán mà con người có
thể giải quyết được, ví dụ như nhận dạng, dự báo, chuẩn đoán bệnh, nghiên cứu
khách hàng, kiểm tra độ tin cậy của máy móc, quản lý rủi ro và hỗ trợ việc ra quyết
định,
Để có thể bắt chước được sự thông minh của con người, vấn đề đặt ra là phải
xây dựng được các mô hình tính toán mô phỏng được các hoạt động của bộ não
người. Mạng nơron là một mô hình như vậy.
Như vậy, cơ sở xây dựng mạng nơron nhân tạo chính là cố gắng mô phỏng lại
các quá trình diễn ra trong các nơron sinh học nên trước khi tìm hiểu về mạng nơron
nhân tạo chúng ta tìm hiểu cơ chế hoạt động của nơron sinh học.
2.1.2. Các nơron sinh học và bộ não con ngƣời
2.1.2.1. Nơron sinh học
Nơron sinh học có nhiều dạng khác nhau như dạng hình tháp, dạng tổ ong,
dạng rễ cây. Tuy khác nhau về hình dạng, nhưng chúng có cấu trúc và nguyên lý
hoạt động chung. Một tế bào nơron gồm bốn phần như hình vẽ 2.1 dưới đây
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-21-

Hình 2.1: Cấu trúc Nơron sinh học
Các nhánh và rễ: Các nhánh và rễ là các bộ phận nhận thông tin, các đầy
nhạy hoặc đầu ra của các nơron khác bám vào rễ hoặc nhánh của một nơron. Khi
các đầu vào từ ngoài này có sự chênh lệch về nồng độ K
+
, Na
+
hay Cl
-
so với nồng
độ bên trong của nó thì xảy ra hiện tượng thấm từ ngoài vào trong thông qua một cơ

2.1.2.2. Bộ não ngƣời

Hình 2.2: Các đường thị giác của bộ não
Mắt cảm nhận ánh sáng xung quanh chúng ta và chuyền chúng thành các
xung điện, sau đó đưa về bộ nhớ qua các dây thần kinh. Tại phía sau của mắt, một
lưới dây thần kinh từ giác mạc tạo thành các dây thần kinh cảm quang. Hai lưới dây
thần kinh cảm quang gặp nhau tại một miền có tên là giao thoa thị giác (optic
chiasm). Tại miền này hai dây tạo thành một lưới, và được chia làm hai vùng cảm
quang đi tới bên trái và bên phải của não. Tất cả các miền này mang tín hiệu từ hai
mắt và não tổng hợp được hình ảnh thực sự.
Vùng của não cho các đáp ứng của hình ảnh gọi là vỏ não thị giác (hình 2.2).
Nếu mỗi vùng của não nhận được hai hình ảnh của vật thể, mỗi ảnh lấy từ một mắt
với một góc nhìn khác nhau nhỏ thì kết quả ta sẽ nhận được một hình ảnh ba chiều
hay còn gọi là hình ảnh nổi. Tại não, một số khổng lồ các liên lạc của các tế bào
thần kinh tạo ra xử lý thông tin. Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-23- Hình 2.3: Sơ đồ đơn giản hoá của tế bào thần kinh
Hình 2.3 là một sơ đồ đơn giản hoá của tế bào thần kinh. Nó bao gồm một tế
bào (soma) với dây thần kinh vào (dendrites) và dây thần kinh ra (axons). Các dây
thần kinh vào nhận các tín hiệu kích thích hoặc các tín hiệu kiềm chế. Các tín hiệu
kích thích làm tăng và các tín hiệu kiềm chế làm chậm khả năng phát tín hiệu của

Các hành ở khớp thần kinh chứa các túi nhỏ bé gọi là các túi khớp thần kinh
(hình 2.4). Mỗi túi chứa hàng ngàn các phân tử gọi là chuyển tiếp thần kinh
(neurotransmitter). Khi một tín hiệu thần kinh đến hành của khớp thần kinh, các túi
hợp nhất với màng, làm tràn các chất chứa bên trong vào các lỗ của khớp thần kinh.
Các chuyển tiếp thần kinh gắn chặt với các phần tử tiếp nhận ở tâm của tế bào làm
mở các tuyến tiếp nhận cho phép các ion natri đi vào trong tâm tế bào và tạo ra
xung điện trong tâm tế bào làm mở các ion kali đi ra. Dòng của các ion kích thích
các mang của tâm tế bào và tạo ra xung điện trong tế bào trung tâm.
Phần lớn các quá trình xử lý thông tin đều xảy ra trên vỏ não. Toàn bộ vỏ
não được bao phủ bởi mạng các tổ chức cơ sở có dạng hình thùng tròn với đường
kính khoảng 0,5 mm, độ cao 4 mm. Mỗi đơn vị cơ sở này chứa khoảng 2000 nơron.
Người ta chỉ ra rằng mỗi vùng não có những chức năng nhất định. Điều rất
đáng ngạc nhiên chính là các nơron rất đơn giản trong cơ chế làm việc, nhưng mạng
các nơron liên kết với nhau lại có khả năng tính toán, suy nghĩ, ghi nhớ và điều
khiển. Có thể điểm qua những chức năng cơ bản của bộ não như sau:
- Bộ nhớ được tổ chức theo các bó thông tin và truy nhập theo nội dung (có
thể truy xuất thông tin dựa theo giá trị các thuộc tính của đối tượng).
Dây thần
kinh ra
(Axon)
Túi khớp thần kinh
(Synaptic vesicles)
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

-25-
- Bộ não có khả năng tổng quát hoá, có thể truy xuất các tri thức hay các mối
liên kết chung của các đối tượng tương ứng với một khái niệm chung nào đó.
- Bộ não có khả năng dung thứ lỗi theo nghĩa có thể điều chỉnh hoặc tiếp tục
thực hiện ngay khi có những sai lệch do thông tin bị thiếu hoặc không chính xác.
Ngoài ra, bộ não còn có thể phát hiện và phục hồi các thông tin bị mất dựa trên sự

-8
giây
10
-3
giây
Thông lượng
10
9
bit/giây
10
14
bit/giây
Cập nhật thông tin
10
5
bit/giây
10
14
nơron/giây

Dễ dàng thấy rằng bộ não con người có thể lưu giữ nhiều thông tin hơn các
máy tính hiện đại tuy rằng điều này không phải đúng mãi, bởi lẽ bộ não tiến hoá
chậm, trong khi đó nhờ những tiến bộ trong công nghệ vi điện tử, bộ nhớ máy tính
được nâng cấp rất nhanh. Hơn nữa, sự hơn kém về bộ nhớ trở nên hoàn toàn thứ yếu
so với sự khác biệt về tốc độ tính toán và khả năng xử ký song song. Các bộ vi xử lý
có thể tính 10
8
lệch trong một giây, trong khi đó mạng nơron xử lý chậm hơn, cần
khoảng vài minigiây để kích hoạt. Tuy nhiên bộ não có thể kích hoạt hầu như cùng
một lúc tại rất nhiều nơron và khớp nối, trong khi đó ngay cả máy tính hiện đại