Xây dựng hệ thống suy diễn Neuro-Fuzzy trên cơ sở xác lập các tập mờ tối ưu ở không gian vào

Tóm tắt

Bài báo trình bày ba thuật toán mới: thuật toán cắt siêu hộp lai (CSHL) và hai thuật toán huấn luyện mạng neuron – fuzzy (HLM1 và HLM2), được dùng để tổng hợp hệ thống suy diễn neuro-fuzzy xấp xỉ hàm chưa biết diễn tả mối quan hệ giữa tín hiệu vào và tín hiệu ra của đối tượng thông qua một tập dữ liệu số. Mục tiêu đặt ra là gia tăng độ chính xác của phép xấp xỉ. Thuật toán CSHL, được xây dựng trên cơ sở ứng dụng một công cụ mới mang tên hàm phạt , dùng để phân chia không gian dữ liệu thành các bó dữ liệu, làm cơ sở xác lập các tập mờ ở không gian vào. HLM1, được phát triển trên cơ sở kết hợp thuật toán CSHL và thuật toán Hyperplane Clustering của [1], là thuật toán huấn luyện mạng bao hàm việc định lượng mờ ở input, thiết lập cấu trúc mạng neuron-fuzzy và giãi mờ ở output. Thuật toán HLM2 là sự phát triển tiếp theo của HLM1 trong đó đề cập tới việc xác định các tập mờ tối ưu ở không gian vào bằng phương pháp huấn luyện mạng neuron. Bài báo trình bày nhiều thí nghiệm kiểm chứng trên những tập dữ liệu khác nhau để so sánh hiệu quả của các thuật toán mới so với thuật toán [1] và một số thuật toán đã công bố.