Tóm tắt luận án Tiến sĩ Khoa học máy tính: Xây dựng mô hình lai cho bài toán dự báo theo tiếp cận mờ hướng dữ liệu

Mục tiêu nghiên cứu của luận án là: Xây dựng mô hình mờ hướng dữ liệu lai ghép dựa trên việc tích hợp tri thức tiên nghiệm với mô hình mờ hướng dữ liệu cho bài toán dự báo hồi quy.
Nội dung trích xuất từ tài liệu:
Tóm tắt luận án Tiến sĩ Khoa học máy tính: Xây dựng mô hình lai cho bài toán dự báo theo tiếp cận mờ hướng dữ liệu ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KHOA HỌC NGUYỄN ĐỨC HIỂN XÂY DỰNG MÔ HÌNH LAI CHO BÀI TOÁN DỰ BÁO THEO TIẾP CẬN MỜ HƯỚNG DỮ LIỆUCHUYÊN NGÀNH: KHOA HỌC MÁY TÍNH MÃ SỐ: 9480101LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH HUẾ - NĂM 2019Công trình được hoàn thành tại: Trường Đại học Khoa học, Đại học HuếNgười hướng dẫn khoa học: PGS.TS. Lê Mạnh ThạnhPhản biện 1:Phản biện 2:Phản biện 3:Luận án sẽ được bảo vệ tại Hội đồng chấm luận án cấp Đạihọc Huế, họp tại Đại học Huế vào lúc ……. giờ ……ngày……tháng……năm 2019Có thể tìm hiểu luận án tại:- Thư viện Quốc gia Việt Nam- Thư viện Trường Đại học Khoa học, Đại học Huế 1 MỞ ĐẦU1. Tính cấp thiết của đề tài Dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽxảy ra trong tương lai, trên cơ sở phân tích khoa học về các dữ liệu đãthu thập được. Thuật ngữ dự báo (forecasting) thường được sử dụngtrong ngữ cảnh là quá trình đưa ra dự đoán (prediction) về tương laidựa trên dữ liệu trong quá khứ và hiện tại, tuy nhiên các nguyên tắccủa nó cũng hoàn toàn có thể ứng dụng để dự đoán các biến chéo. Cóhai loại cơ bản của kỹ thuật dự báo: kỹ thuật dự báo định tính và kỹthuật dự báo định lượng. Kỹ thuật dự báo định lượng sẽ dựa trên việc phân tích dữ liệu lịchsử để vẽ ra và mô hình hóa chiều hướng vận động của đối tượng phùhợp với một mô hình toán học nào đó, đồng thời sử dụng mô hình nàycho việc dự báo xu hướng tương lai. Các kỹ thuật phân tích hồi quycho phép xây dựng các mô hình hồi quy mô tả mối quan hệ giữa biếncần dự báo Y với các biến độc lập X. Các mô hình máy học thống kênhư máy học véc-tơ hỗ trợ, mạng nơ-ron nhân tạo, … cũng được nhiềunhà khoa học nghiên cứu áp dụng với hy vọng xây dựng mô hình dựbáo có độ chính xác cao hơn. Những nghiên cứu xây dựng mô hình dựa trên luật mờ (fuzzy rule-based models) là một trong những hướng tiếp cận để xây dựng các hệthống hỗ trợ dự báo, dự báo điều khiển. Thành phần cốt lõi, cơ bảncủa một mô hình mờ là cơ sở tri thức của mô hình đó, mà cụ thể đó làtập luật mờ và lập luận hay suy diễn. Về cơ bản có hai cách xây dựng cơ sở tri thức của mô hình mờ:Thứ nhất, thu thập tri thức dựa trên kinh nghiệm của các chuyên gia,được phát biểu dưới dạng các luật, các quy tắc, gọi chung là tri thức 2chuyên gia; Thứ hai là tích lũy, tổng hợp và hoàn thiện cơ sở tri thứcdựa trên việc khám phá tri thức từ dữ liệu thực tế, gọi là tri thức dữliệu. Những mô hình mờ được xây dựng theo hướng tiếp cận khám phátri thức từ dữ liệu gọi là mô hình mờ hướng dữ liệu (data driven fuzzymodels). Nhiều nghiên cứu đã được công bố chứng tỏ rằng những môhình mờ hướng dữ liệu đã mang lại hiệu quả trong việc giải quyết cácbài toán nhận dạng, điều khiển, phân tích dự đoán, … dựa vào các kỹthuật phân cụm, phân lớp, hay hồi quy. Qua tổng hợp và đánh giá những kết quả nghiên cứu về mô hìnhmờ hướng dữ liệu, giải pháp tích hợp các kiểu khác nhau của tri thứctiên nghiệm để cải thiện mô hình, và vấn đề xây dựng mô hình mờhướng dữ liệu dựa trên máy học véc-tơ hỗ trợ, cho thấy: cần thiết phảinghiên cứu giải pháp tích hợp các kiểu khác nhau của tri thức tiênnghiệm vào mô hình mờ hướng dữ liệu trích xuất từ SVM, đồng thờinghiên cứu xây dựng một mô hình lai ghép dựa trên mô hình mờhướng dữ liệu để giải quyết bài toán dự báo thực tế.2. Mục tiêu và đối tượng nghiên cứu Mục tiêu nghiên cứu của luận án là: Xây dựng mô hình mờ hướngdữ liệu lai ghép dựa trên việc tích hợp tri thức tiên nghiệm với mô hìnhmờ hướng dữ liệu cho bài toán dự báo hồi quy. Cụ thể, nghiên cứunhững nội dung chủ yếu sau: - Nghiên cứu phương pháp xây dựng mô hình mờ từ dữ liệu, và cụthể là xây dựng mô hình mờ dựa trên máy học véc-tơ hỗ trợ. - Nghiên cứu phương thức cho phép tích hợp các kiểu khác nhaucủa tri thức tiên nghiệm trong mô hình mờ hướng dữ liệu dựa trên máyhọc véc-tơ hỗ trợ. 3 - Đề xuất mô hình lai ghép trên cơ sở mô hình mờ hướng dữ liệutrích xuất từ máy học véc-tơ hỗ trợ cho bài toán dự báo hồi quy và ápdụng để giải quyết bài toán dự báo dữ liệu chuỗi thời gian tài chính.3. Cách tiếp cận và phương pháp nghiên cứu Luận án tập trung tiếp cận trên 3 phương pháp chính: Phương pháptổng hợp và phân tích; Phương pháp mô hình hóa; Phương pháp thựcnghiệm, đánh giá kết quả và rút ra kết luận.4. Phạm vi và đối tượng nghiên cứu Luận án xác định phạm vi và những đối tượng nghiên cứu sau: - Nghiên cứu về các phương pháp xây dựng mô hình mờ từ dữ liệu. o Các mô hình dựa trên luật mờ (Fuzzy rule-based models): Mamdani, TSK; o Trích xuất mô hình mờ TSK từ dữ liệu dựa vào máy ...