BÀI GIẢNG ĐIỀU KHIỂN THÔNG MINH - CHƯƠNG 5CÁC KỸ THUẬT KIẾN TẠO HỆ MỜ

Hai nguồn thông tin quan trọng dùng xây dựng hệ mờ là kiến thức ban đầu (prior knowledge) và dữ liệu (data) đo lường được. Kiến thức ban đầu có được từ bản chất xấp xỉ (kiến thức định tính, heuristics), thường có được từ các “chuyên gia”., nhà thiết kế quá trình, người vận hành, v.v,... Theo nghĩa này thì mô hình mờ có thể được xem như là hệ chuyên gia mờ đơn giản (Zimmermann, 1987). Trong một số quá trình, dữ liệu có được ghi nhận từ hoạt động của quá trình hay từ các kinh...
Nội dung trích xuất từ tài liệu:
BÀI GIẢNG ĐIỀU KHIỂN THÔNG MINH - CHƯƠNG 5CÁC KỸ THUẬT KIẾN TẠO HỆ MỜ ĐIỀU KHIỂN THÔNG MINH Tröôøng ÑH SPKT TP. HCM http://www.hcmute.edu.vn CHƯƠNG NĂM: CÁC KỸ THUẬT KIẾN TẠO HỆ MỜ Hai nguồn thông tin quan trọng dùng xây dựng hệ mờ là kiến thức ban đầu (prior knowledge) và dữ liệu (data) đo lường được. Kiến thức ban đầu có được từ bản chất xấp xỉ (kiến thức định tính, heuristics), thường có được từ các “chuyên gia”., nhà thiết kế quá trình, người vận hành, v.v,... Theo nghĩa này thì mô hình mờ có thể được xem như là hệ chuyên gia mờ đơn giản (Zimmermann, 1987). Trong một số quá trình, dữ liệu có được ghi nhận từ hoạt động của quá trình hay từ các kinh nghiệm nhận dạng đặc biệt được thiết kế để có dữ liệu này. Xây dựng mô hình mờ từ dữ liệu cần các phương pháp dùng logic mờ và phép suy luận xấp xỉ (approximate reasoning), nhưng cũng cần các ý tưởng từ lĩnh vực mạng nơrôn, phân tích dữ liệu và các phương pháp nhận dạng hệ thống truyền thống. Thu thập dữ liệu hay tinh chỉnh hệ mờ dùng dữ liệu được gọi là nhận dạng hệ mờ (fuzzy systems identification). Hai hướng quan trọng để tích hợp kiến thức và dữ liệu CM mô hình mờ là: . Htrong T TP PK ÑH Søng Tr ô 1. Kiến thức của chuyên gia biểu diễn dangöngôn ngữ được chuyển thành tập các luật eà trúc mô hình. Các tham số của cấu trúc này v u äc nếu-thì. Từ đó, tạo ra được một số ocấu àn th esingletons hay các tham số của hệ quả TS) có thể được uy aûn q (hàm thành viên, hệ quả dạng Bliệu vào-ra. Các thuật toán tinh chỉnh đặc biệt khai thác thực tế tinh chỉnh dùng các dữ là tại cấp độ tính toán, mô hình mờ có thể được xem là cấu trúc lớp (trong mạng) tương tự như mạng nơrôn nhân tạo, nên có thể dùng các thuật toán học dạng chuẩn. Đây là hướng mô hình mờ-nơrôn (neuro-fuzzy modeling). 2. Khi không có kiến thức ban đầu về hệ thống đang khảo sát để tạo luật, thì thường dùng dữ liệu để tạo mô hình mờ. Điều mong muốn là các luật tìm được cùng các hàm thành viên có thể cung cấp một diễn đạt tiếp theo về hành vi của hệ thống (posteriori interpretation). Một chuyên gia khi đương đầu với thông tin này có thể thay đổi luật, hay cung cấp một luật mới, và có thể thiết kế thêm các kinh nghiệm nhằm tạo nhiều dữ liệu thông tin mới. Xu hướng này được gọi là rút ra luật (rule extraction). Phương pháp xâu chuỗi mờ là một trong những kỹ thuật thường được áp dụng (Yoshinari, et al., 1993; Nakamori and Ryoke, 1994; Babuska and Verbruggen, 1997). Dĩ nhiên là có thể kết hợp các kỹ thuật này lại, tùy theo ứng dụng đặc thù. Phần này mô tả các bước và các lựa chọn cơ bản để tạo các mô hình mờ trên nền tri thức, và các kỹ thuật chủ yếu để rút tìm luật hay tinh chỉnh các mô hình hệ mờ từ dữ liệu. 1. Cấu trúc và tham số Khi thiết kế mô hình mờ (và các dạng khác), cần phân biệt hai vấn đề sau: cấu trúc và tham số của mô hình. Cấu trúc xác định tính mềm dẽo của mô hình khi xâp xỉ các ánh xạ ẩn. Tham số sau đó được chỉnh định (ước lượng) để khớp với dữ liệu có được. Một mô hình với cấu trúc phong phú thì có thể xấp xỉ nhiều hàm phức tạp, nhưng như thế thì sẽ kém về tính tổng quát hóa (generalization). Tổng quát hóa tốt tức Thö vieän ÑH SPKT TP. HCM - http://www.thuvienspkt.edu.vn TRANG – 69 69 ĐIỀU KHIỂN THÔNG MINH Tröôøng ÑH SPKT TP. HCM http://www.hcmute.edu.vn là mô hình khớp được với một tập dữ liệu thì cũng khớp tốt với tập dữ liệu khác trong cùng quá trình. Trong mô hình mờ, việc chọn lựa cấu trúc bao gồm các chọn lựa sau:  Các biến vào và ra. Trong các hệ thống phức tạp thì rất khó để xác định được biến nào sẽ đươc dùng làm ngõ vào cho mô hình. Trường hợp hệ thống động, còn phải ước lượng bậc của hệ t ...