ĐỒ ÁN CƠ SỞ ĐỀ TÀI: MẠNG NEURAL NHÂN TẠO ĐỂ DỰ ĐOÁN CHIỀU HƯỚNG TỶ LỆ DÂN SỐ TẠI VIỆT NAM

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN ĐỒ ÁN CƠ SỞ ĐỀ TÀI mạng neural nhân tạo để dự đoán chiều hướng tỷ lệ dân số tại Việt Nam Giảng viên hướng dẫn ThS Vương. Chương I: khái niệm, các thức tạo mạng Neural nhận tạo nhiều lớp. 1. Mạng Neural tự nhiên 1.1. Khái niệm mạng Neural tự nhiên Bộ não được biết đến như là một máy tính phức hợp, phi tuyến và tính toán song song với hơn 〖10〗11 nơron thần kinh, 〖10〗14 kết nối giữa các nơron thần kinh Hình 1. 1 Mạng neural tự nhiên 1.2. Cấu trúc mạng Neural Thân tế bào: là chỗ phình to của neural. Bao gồm nhân tế bào, lưới nội sinh chất, ty thể, ribosom, lysosom, bộ máy Golgi, tơ thần kinh, ống siêu vi và các bào quan khác. Thân tế bào cung cấp dinh dưỡng cho neuron, có thể phát sinh xung động thần kinh và có thể tiếp nhận xung động thần kinh từ nơi khác truyền tới neuron. Sợi nhánh, còn gọi là đuôi gai: là các tua ngắn mỏng manh mọc ra từ thân tế bào. Mỗi Neural đều có nhiều đuôi gai, mỗi đuôi gai được chia thành nhiều nhánh. Chúng có chức năng tiếp nhận các xung thần kinh từ tế bào khác, truyền chúng tới thân tế bào. Đây là tín hiệu hướng tâm. Tác động của các xung này có thể là kích thích hoặc ức chế Sợi trục: sợi đơn dài mang thông tin từ thân tế bào và chuyển đến các tế bào khác. Đường kính của các sợi trục thường có kích thước khác nhau, dao động từ từ 0,5 μm – 22 μm. Dọc sợi trục được bao bọc bởi một lớp vỏ myelin, tạo thành bởi các tế bào Schwann. Bao myelin không liền mạch mà được chia thành từng đoạn. Giữa các bao myelin là các eo Ranvier. Khoảng cách giữa 2 eo Ranvier khoảng 1,5 – 2 mm. Còn diện tích tiếp xúc giữa các nhánh nhỏ phân từ cuối sợi trục của nơron này với sợi nhánh của nơron khác hoặc các cơ quan thụ cảm được gọi là Synapse (khớp thần kinh).

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH

KHOA CÔNG NGHỆ THÔNG TIN

ĐỒ ÁN CƠ SỞ

ĐỀ TÀI: MẠNG NEURAL NHÂN TẠO ĐỂ DỰ ĐOÁN CHIỀU HƯỚNG TỶ LỆ DÂN SỐ TẠI VIỆT

NAM

Giảng viên hướng dẫn: ThS Vương Xuân Chí

Sinh viên thực hiện: Lê Trương Thanh Vũ

MSSV: 2000004091-

Chuyên ngành: Khoa học dữ liệu

Môn học: Đồ Án Cơ Sở Khoa Học Dữ Liệu

Khóa: 2020

Tp.Hồ Chí Minh, 22 tháng 09 năm 2022

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH

KHOA CÔNG NGHỆ THÔNG TIN

ĐỒ ÁN CƠ SỞ

ĐỀ TÀI: MẠNG NEURAL NHÂN TẠO ĐỂ DỰ ĐOÁN CHIỀU HƯỚNG TỶ LỆ DÂN SỐ TẠI VIỆT

NAM

Giảng viên hướng dẫn: ThS Vương Xuân Chí

Sinh viên thực hiện: Lê Trương Thanh Vũ

MSSV:

Chuyên ngành: Khoa học dữ liệu

Môn học: Đồ Án Cơ Sở Khoa Học Dữ Liệu

Khóa: 2020

Tp.Hồ Chí Minh, 22 tháng 09 năm 2022

Trường Đại học Nguyễn Tất Thành

Khoa Công Nghệ Thông Tin

Họ và tên: Lê Trương Thanh Vũ MSSV: 2000004091

Chuyên ngành: khoa học dữ liệu Lớp: 20DTH2A Email: khoali1233@gmail.com SĐT: 0945761208

Tên đề tài: mạng neural nhân tạo để dự đoán chiều hướng tỷ lệ dân số tại Việt Nam

NỘI DUNG VÀ PHƯƠNG PHÁP:

- Nghiên cứu khái niệm, các thức tạo mạng Neural nhận tạo nhiều lớp

- Tìm hiểu các đặc trưng của mạng Neural nhân tạo, các bước thiết kế mô hình mạng Neural

- Ứng dụng mạng Neural sử dụng mô hình ANNs vào bài toán dự đoán tỉ lệ dân số ở Việt Nam

-Kết luận

YÊU CẦU:

- Có kiến thức, đam mê, hiểu biết về công nghệ mới như Mạng neural, Machine Learning, Deep

Learning… Đọc hiểu tài liệu tiếng Anh, kỹ năng trình bày văn bản trên máy tính tốt

- Có tác phong làm việc chăm chỉ, tinh thần trách nhiệm cao, có khả năng làm việc độc lập hoặc làm việc trong nhóm tốt ội dung và yêu cầu đã được thông qua Bộ môn.

TP.HCM, ngày tháng năm

LỜI CẢM ƠN

Để hoàn thành khóa luận này,chúng em xin tỏ lòng biết ơn sâu sắc đến thầy Vương Xuân Chí đã tận tình hướng dẫn truyền đạt kiến thức rất nhiều trong suốt quá trình tìm hiểu nghiên cứu và hoàn thành khóa luận này từ lý thuyết đến ứng dụng thực tiễn Sự hướng dẫn của thầy đã giúp em có thêm những kiến thức về mạng neural một cách sâusắc hơn để Thông qua đó chúng em có thể làm đồ án này một cách tốt nhất có thểVới những kiến thức quý báu mà thầy đã dạy Hôm nay chúng em đã có thể tự tin làm một đề tài nho nhỏ về mạng neural nhân tạo để dự đoán chiều hướng tỷ lệ dân số tại Việt Nam

Một lần nữa em xin trân trọng cảm ơn!

Vì lý do đó ,mạng neural (Artificial neural networks ) ra đời từ mục đích cố gắng

mô phỏng hoạt động trí tuệ của con người.Từ khi ra đời, mạng neural đã nhanh chóng phát triển trong các lĩnh vực về nhận dạng ,phân loại , giảm nhiễu, dự đoán…

Để tránh tình trạng gia tăng dân số một cách đột biến ở nước ta thì ứng dụng mạng neural được trong lĩnh vực dự đoán dân số là vô cùng quan trọng

TRƯỜNG ĐH NGUYỄN TẤT THÀNH

TRUNG TÂM KHẢO THÍ

KỲ THI KẾT THÚC HỌC PHẦN HỌC KỲ III NĂM HỌC 2021 -

2022

PHIẾU CHẤM THI TIỂU LUẬN/ĐỒ ÁN

Môn thi: Đồ án cơ sở Khoa học dữ liệu Lớp học phần: 20DTH1D

Nhóm sinh viên thực hiện:

1.Phạm Nguyễn Xuân Trình Tham gia đóng góp: 50%

2.Lê Trương Thanh Vũ Tham gia đóng góp: 50%

Đề tài tiểu luận/báo cáo của sinh viên: Tìm hiểu giải thuật di truyền và các ứng dụng

Phần đánh giá của giảng viên (căn cứ trên thang rubrics của môn học):

Tiêu chí (theo CĐR HP) Đánh giá của GV Điểm tối đa Điểm đạt được

Cấu trúc của báo cáo

PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN

Điểm giáo viên hướng dẫn:

Điểm giảng viên chấm vòng 2:

TPHCM, Ngày …… tháng …… năm

Giáo viên chấm vòng 2 Giáo viên hướng dẫn

Mục lục

Chương I: khái niệm, các thức tạo mạng Neural nhận tạo nhiều lớp 1

1 Mạng Neural tự nhiên 1

1.1 Khái niệm mạng Neural tự nhiên 1

1.2 Cấu trúc mạng Neural 1

2 Mạng Neural nhân tạo 3

2.1 Khái niệm mạng Neural nhân tạo 3

2.2 Cấu trúc mạng Neural nhân tạo nhiều lớp 4

2.3 Ứng dụng của Neural Network 6

2.4 Artificial Neural Network là gì? 7

2.5 Đặc điểm của Artificial Neural Network là gì? 7

2.6 Sử dụng Neural Network như thế nào? 8

2.7 Convolutional Neural Network là gì? 8

2.8 Tổng kết 9

Chương II: các đặc trưng của mạng Neural nhân tạo, các bước thiết kế mô hình mạng Neural 10

1 Đặc trưng của mạng Neural nhân tạo 10

2 Các bước thiết kế mô hình mạng Neural nhân tạo 10

Chương III: Ứng dụng mạng Neural sử dụng mô hình ANNs vào bài toán dự đoán tỉ lệ dân số ở Việt Nam 14

1 Tình hình dân số nước ta hiện nay 14

2 Ứng dụng mạng neural vào dự đoán dân số nước ta 14

1.1 thu thập dữ liệu 14

1.2 lựa chọn mô hình 15

1.3 Kiểm nghiệm kết quả 15

1.4 kết quả 15

Chương IV: Kết luận 16

Danh mục bảng biểu

Bảng 2 1 hàm truyền đạt 12

Danh mục bảng hì

Hình 1 1 Mạng neural tự nhiên 1

Hình 1 2 Chi tiết mạng neural 2

Hình 1 3 Tế bào 3

Hình 1 4 neural network là gì 4

Hình 1 5 Mạng neural nhiều lớp 5

Hình 1 6 Machine learning 6

Hình 1 7 Artificial neural network 7

Hình 1 8 Thuật toán CNN 9

Y Hình 2 1 Mạng neural nhiều lớp 11

Hình 2 2 Mạng neural một đầu vào 12

Hình 3 1 biểu đồ gia tăng dân số của nước ta từ 1921 đến 2005 15

KÍ HIỆU CÁC CỤM TỪ VIẾT TẮT

CHƯƠNG I: KHÁI NIỆM, CÁC THỨC TẠO MẠNG NEURAL

NHẬN TẠO NHIỀU LỚP.

1 Mạng Neural tự nhiên

1.1 Khái niệm mạng Neural tự nhiên

Bộ não được biết đến như là một máy tính phức hợp, phi tuyến và tính toán song song vớihơn nơron thần kinh, kết nối giữa các nơron thần kinh

Hình 1 1 Mạng neural tự nhiên

1.2 Cấu trúc mạng Neural

- Thân tế bào: là chỗ phình to của neural Bao gồm nhân tế bào, lưới nội sinh chất,

ty thể, ribosom, lysosom, bộ máy Golgi, tơ thần kinh, ống siêu vi và các bào quan khác Thân tế bào cung cấp dinh dưỡng cho neuron, có thể phát sinh xung động thần kinh và cóthể tiếp nhận xung động thần kinh từ nơi khác truyền tới neuron

- Sợi nhánh, còn gọi là đuôi gai: là các tua ngắn mỏng manh mọc ra từ thân tế bào Mỗi Neural đều có nhiều đuôi gai, mỗi đuôi gai được chia thành nhiều nhánh Chúng có chức năng tiếp nhận các xung thần kinh từ tế bào khác, truyền chúng tới thân tế bào Đây

là tín hiệu hướng tâm Tác động của các xung này có thể là kích thích hoặc ức chế

- Sợi trục: sợi đơn dài mang thông tin từ thân tế bào và chuyển đến các tế bào khác Đường kính của các sợi trục thường có kích thước khác nhau, dao động từ từ 0,5 μm – 22

μm Dọc sợi trục được bao bọc bởi một lớp vỏ myelin, tạo thành bởi các tế bào Schwann Bao myelin không liền mạch mà được chia thành từng đoạn Giữa các bao myelin là các

1

eo Ranvier Khoảng cách giữa 2 eo Ranvier khoảng 1,5 – 2 mm Còn diện tích tiếp xúc giữa các nhánh nhỏ phân từ cuối sợi trục của nơ-ron này với sợi nhánh của nơ-ron khác hoặc các cơ quan thụ cảm được gọi là Synapse (khớp thần kinh).

Hình 1 2 Chi tiết mạng neural

2

Hình 1 3 Tế bào

2 Mạng Neural nhân tạo

2.1 Khái niệm mạng Neural nhân tạo

Mạng Neural nhân tạo là một chuỗi những thuật toán được đưa ra để tìm kiếm các mối quan hệ cơ bản trong tập hợp các dữ liệu Thông qua việc bắt bước cách thức hoạt động

từ não bộ con người Nói cách khác, mạng nơ ron nhân tạo được xem là hệ thống của các

tế bào thần kinh nhân tạo Đây thường có thể là hữu cơ hoặc nhân tạo về bản chất

3

Hình 1 4 neural network là gì

Neural Network có khả năng thích ứng được với mọi thay đổi từ đầu vào Do vậy, nó có thể đưa ra được mọi kết quả một cách tốt nhất có thể mà bạn không cần phải thiết kế lại những tiêu chí đầu ra Khái niệm này có nguồn gốc từ trí tuệ nhân tạo, đang nhanh chóng trở nên phổ biến hơn trong sự phát triển của những hệ thống giao dịch điện tử

2.2 Cấu trúc mạng Neural nhân tạo nhiều lớp

Mạng Neural Network là sự kết hợp của những tầng perceptron hay còn gọi là perceptron

đa tầng Và mỗi một mạng Neural Network thường bao gồm 3 kiểu tầng là:

 Tầng input layer (tầng vào): Tầng này nằm bên trái cùng của mạng, thể hiện cho các đầu vào của mạng

 Tầng output layer (tầng ra): Là tầng bên phải cùng và nó thể hiện cho những đầu

ra của mạng

4

 Tầng hidden layer (tầng ẩn): Tầng này nằm giữa tầng vào và tầng ra nó thể hiện cho quá trình suy luận logic của mạng

Lưu ý: Mỗi một Neural Network chỉ có duy nhất một tầng vào và 1 tầng ra nhưng lại có rất nhiều tầng ẩn

Hình 1 5 Mạng neural nhiều lớp

Với mạng Neural Network thì mỗi nút mạng là một sigmoid neural nhưng chúng lại có hàm kích hoạt khác nhau Thực tế, người ta thường sử dụng có cùng loại với nhau để việctính toán thuận lợi hơn Tại mỗi tầng, số lượng nút mạng có thể khác nhau còn tùy vào bài toán hoặc cách giải quyết

Tuy nhiên, khi làm việc người ta sẽ để các tầng ẩn số với số lượng neural khác nhau Ngoài ra, những nơron nằm ở tầng thường sẽ liên kết đôi với nhau để tạo thành mạng kết

5

nối đầy đủ nhất Khi đó, người dùng có thể tính toán được kích cỡ của mạng dựa vào tầng

và số lượng nơ ron

2.3 Ứng dụng của Neural Network

Mạng nơ ron nhân tạo được ứng dụng cho rất nhiều lĩnh vực như: tài chính, giao dịch, phân tích kinh doanh, lập kế hoạch cho doanh nghiệp và bảo trì sản phẩm Neural

Network còn được sử dụng khá rộng rãi cho những hoạt động kinh doanh khác như: dự báo thời tiết, và tìm kiếm các giải pháp nhằm nghiên cứu tiếp thị, đánh giá rủi ro và phát hiện gian lận

Hình 1 6 Machine learning

Nhiều trường hợp còn sử dụng mạng nơ ron nhân tạo để thực hiện đánh giá và khai quật những cơ hội giao dịch dựa vào việc phân tích dữ liệu lịch sử Mạng nơron còn được áp dụng rất phổ biến để phân biệt sự phụ thuộc giữa các phi tuyến lẫn nhau của đầu vào Đây là vấn đề mà các mô hình phân tích kỹ thuật khác không thể đáp ứng được Dù vậy,

6

sự chính xác của việc áp dụng mạng nơron nhân tạo vào dự đoán giá cổ phiếu hoàn toàn khác nhau

2.4 Artificial Neural Network là gì?

Artificial Neural Network là mạng neural nhân tạo và là mô hình toán học hoặc mô hình toán được xây dựng thông qua các neural sinh học Nó bao gồm các nhóm việc, neural nhân tạo có thể nối hút với nhau và xử lý các thông tin bằng biện pháp truyền theo các kết nối rồi tính toán giá trị mới tại các nút

Hình 1 7 Artificial neural network

Ở nhiều trường hợp, mạng Artificial Neural Network là hệ thống thích ứng có thể tự thay đổi cấu trúc của mình dựa vào thông tin bên ngoài hoặc bên trong chảy qua mạng ở quá trình học Nhiều mạng Artificial Neural Network còn là công cụ giúp mô hình hóa dữ liệuthống kê phi tuyến Chúng còn được sử dụng để mô hình hóa cho các mối quan hệ có tínhphức tạp giữa các dữ liệu vào hoặc giữa kết quả để kiếm tìm mẫu trong dữ liệu

7

2.5 Đặc điểm của Artificial Neural Network là gì?

Trong lĩnh vực tài chính, mạng nơ ron nhân tạo hỗ trợ cho quá trình phát triển các quy trình như: giao dịch thuật toán, dự báo chuỗi thời gian, phân loại chứng khoán, mô hình rủi ro tín dụng và xây dựng chỉ báo độc quyền và công cụ phát sinh giá cả Mạng nơ ron nhân tạo có thể hoạt động như mạng nơ ron của con người Mỗi một nơ ron thần kinh trong nơ ron nhân tạo là hàm toán học với chức năng thu thập và phân loại các thông tin dựa theo cấu trúc cụ thể

Neural Network có sự tương đồng chuẩn mạnh vối những phương pháp thống kê như đồ thị đường cong và phân tích hồi quy Neural Network có chứa những lớp bao hàm các nútđược liên kết lại với nhau Mỗi nút lại là một tri giác có cấu tạo tương tự với hàm hồi quy

đa tuyến tính.Bên trong một lớp tri giác đa lớp, chúng sẽ được sắp xếp dựa theo các lớp liên kết với nhau Lớp đầu vào sẽ thu thập các mẫu đầu vào và lớp đầu ra sẽ thu nhận các phân loại hoặc tín hiệu đầu ra mà các mẫu đầu vào có thể phản ánh lại

2.6 Sử dụng Neural Network như thế nào?

Mạng neural nhân tạo có khả năng sử dụng được như một loại cơ chế xấp xỉ hàm tùy ý

mà học được từ việc dữ liệu quan sát Tuy nhiên, việc sử dụng chúng khá khó và cần phải

có sự hiểu biết tương đối về những lý thuyết cơ bản về mạng nơron này

- Lựa chọn mô hình: Phụ thuộc vào cách trình bày dữ liệu và các ứng dụng của nó

Đây là mô hình khá phức tạp nên có thể dẫn đến nhiều thách thức cho quá trình học

- Thuật toán học: Thường sẽ có rất nhiều thỏa thuận giữa các thuật toán học Và hầu

hết, chúng sẽ làm việc tốt với những tham số đúng nhằm huấn luyện trên dữ liệu mà không nhìn thấy yêu cầu một số lượng đáng kể các thử nghiệm

- Mạnh mẽ: Nếu như các mô hình, thuật toán học và hàm chi phí được lựa chọn một

cách thích hợp thì Neural Network có thể cho ra kết quả vô cùng hợp lý

Nếu thực hiện chính xác, thì bạn có thể sử dụng Neural Network một cách tự nhiên và có thể ứng dụng vào những tập dữ liệu lớn

8

2.7 Convolutional Neural Network là gì?

Convolutional Neural Network (CNN) là một cụm từ dùng để chỉ mạng nơ ron tích chập Đây là mô hình Deep Learning tiên tiến cho phép chúng ta sử dụng được các hệ thống thông tin với độ chính xác vô cùng cao CNN được ứng dụng phổ biến trong những bài toán nhận dạng object trong ảnh

Hình 1 8 Thuật toán CNN

2.8 Tổng kết

Có thể thấy, Neural Network là một thành phần quan trọng và không thể thiếu trong cuộc sống hiện nay Nếu hiểu rõ về mạng nơ ron nhân tạo này sẽ giúp bạn ứng dụng và sử dụng chúng dễ hơn Chắc rằng, từ những thông tin trên bạn đã hiểu rõ Neural Network là

gì rồi đúng không? Đừng quên tìm hiểu kỹ về Neural Network để tránh nhầm lẫn với một

số khái niệm có liên quan khác nhé

9

CHƯƠNG II: CÁC ĐẶC TRƯNG CỦA MẠNG NEURAL NHÂN TẠO, CÁC BƯỚC THIẾT KẾ MÔ HÌNH MẠNG NEURAL

1 Đặc trưng của mạng Neural nhân tạo

◼ Mạng neuron nhân tạo không hướng đến sự phức tạp của mạng neuron sinh học ◼ Các điểm giống nhau giữa NN và ANN

➢ Việc tạo ra các khối là đơn giản

➢ Các kết nối trong mạng neuron cho phép xác định chức năng của một mạng

➢ Có khả năng học và tái tạo

Một mạng neural nhân tạo có 3 thành phần : lớp đầu vào, lớp giữa(lớp ẩn), lớp đầu ra

◼ Mô hình mạng neuron gồm 3 thành phần

➢ Hệ thống ghép nối thần kinh (synapse)

➢ Bộ cộng

➢ Hàm kích hoạt

2 Các bước thiết kế mô hình mạng Neural nhân tạo

◼ Lớp đầu vào : là lớp làm việc trực tiếp với dữ liệu bên ngoài, cho nên số lượng neuron ở lớp đầu vào phụ thuộc vào số chiều của dữ liệu bên ngoài

◼ Lớp giữa (lớp ẩn): là lớp xử lý dữ liệu nhận từ lớp đầu vào, bạn có thể có nhiều lớp

nơ -ron hơn ở lớp giữa, nếu lớp nơ -ron ở giữa mà nhiều hơn 2 người ta gọi đó là mô hình học sâu (Deep Learning) Còn số lượng nơ -ron ở mỗi lớp nơ -ron thì tùy bạn muốn chọn bao nhiêu cũng được (nhưng sẽ có kinh nghiệm chọn phù hợp nhất định)

◼ Lớp đầu ra: là lớp xuất ra kết quả, số lượng nơ -ron lớp đầu ra phụ thuộc vào số lượng kết quả bạn muốn có

10

Hình 2 2 Mạng neural một đầu vào

b Hàm truyền đạt

◼ Các neuron sử dụng hàm ngưỡng còn được gọi là neuron McCulloch-Pitts

do các tác giả này đưa ra vào năm 1943

◼ Hàm ngưỡng

➢ Đơn giản

➢ Không tồn tại đạo hàm tại u = 1 nên không thể sử dụng một số phương pháp dựa trên Gradient (Gradient là một vectơ trong khi đạo hàm là giá trị vô hướng)

◼Có thể là hàm tuyến tính hoặc phi tuyến

◼ Được lựa chọn để thỏa mãn một số đặc tính của bài toán

◼ Các hàm truyền đạt thường được sữ dụng

Bảng 2 1 hàm truyền đạt

12

CHƯƠNG III: ỨNG DỤNG MẠNG NEURAL SỬ DỤNG MÔ HÌNH ANNS VÀO BÀI TOÁN DỰ ĐOÁN TỈ LỆ DÂN SỐ Ở VIỆT

NAM

1 Tình hình dân số nước ta hiện nay

Việt Nam là nước đông dân đứng thứ 13 trên thế giới, đứng thứ 2 trong khu vực Đông Nam Á Mật độ dân số nước ta là 254 người/km2, cao gấp 5 lần mật độ dân số các nước phát triển và cao gấp 2 lần mật độ dân số Trung Quốc - nước đông dân nhất thế giới Cho đến nay, trên thế giới chỉ có 4 nước có dân số nhiều hơn và mật độ dân số cao hơn nước

ta là Ấn Độ, Nhật Bản, Băng-la-đét và Phi-líp-pin

Chất lượng dân số Việt Nam, nhìn chung là thấp Mặc dù dân số nước ta khá trẻ, tỷ lệ người biết chữ và tuổi thọ cao, nhưng tỷ lệ suy dinh dưỡng ở trẻ sơ sinh cao, dinh dưỡng cho bà mẹ mang thai thiếu, chênh lệch mức sống giữa các nhóm dân cư lớn, chất lượng lực lượng lao động thấp, đời sống người già chưa được bảo đảm, chất lượng sống của người dân còn thấp và có sự chênh lệch giữa các vùng Chỉ số phát triển con người của Việt Nam mới đứng thứ 109 trong số 177 nước được so sánh

2 Ứng dụng mạng neural vào dự đoán dân số nước ta

1.1 thu thập dữ liệu

Một trong những bước quan trọng nhất trong việc xử lí số liệu là thu thập được dữ liệu tốt, thực hiện các bước làm sạch dữ liệu bằng phương pháp phù hợp

14