Mạng thần kinh hồi quy

Mạng thần kinh hồi quy (RNN) là gì?

Mạng thần kinh hồi quy (Recurrent Neural Network - RNN) là một loại kiến trúc học sâu được thiết kế để xử lý dữ liệu có tính chất chuỗi thời gian, trong đó các kết nối hồi quy cho phép mạng "ghi nhớ" thông tin từ các bước trước đó thông qua trạng thái ẩn (hidden state). Khác với mạng nơ-ron truyền thẳng (Feedforward), RNN có khả năng nắm bắt sự phụ thuộc theo thời gian, phù hợp với dữ liệu tài chính, chuỗi giao dịch.

Đặc điểm chính

• Trạng thái ẩn (Hidden State): Lưu giữ thông tin từ các bước thời gian trước, cập nhật theo công thức h_t = f(W·h_{t-1} + U·x_t).
• Chia sẻ tham số: Cùng bộ trọng số được sử dụng ở mọi bước thời gian, giúp giảm số lượng tham số.
• Vấn đề gradient biến mất (Vanishing Gradient): Hạn chế bộ nhớ dài hạn, được khắc phục bởi LSTM và GRU.
• LSTM/GRU: Biến thể nâng cấp với cổng (gate) điều khiển luồng thông tin.

Ví dụ ứng dụng trong ngân hàng

Một ngân hàng Việt Nam triển khai RNN để phát hiện giao dịch gian lận: mô hình phân tích chuỗi 20 giao dịch gần nhất của khách hàng, nhận diện mẫu hành vi bất thường (đăng nhập lúc 2h sáng, giao dịch nước ngoài liên tiếp). Hệ thống cảnh báo real-time giúp giảm 35% tỷ lệ gian lận. Theo Quyết định 2345/QĐ-NHNN (2023) về triển khai AI trong hoạt động ngân hàng, các mô hình học máy như RNN được khuyến khích ứng dụng trong quản trị rủi ro, phù hợp Thông tư 17/2019/TT-NHNN về an toàn, bảo mật trong thanh toán.