Tìm hiểu về hệ mờ và thực nghiệm dự báo chỉ sốGDP luận văn tốt nghiệp đại học

Li núi u Con ngi giao tip bng ngụn ng t nhiờn, m bn cht ca ngụn ng t nhiờn l m h v khụng chớnh xỏc Tuy vy, hu ht tỡnh hung, ngi hiu nhng iu m ngi khỏc mun núi vi mỡnh Kh nng hiu v s dng ỳng ngụn ng t nhiờn, thc cht l hiu v x lý ỳng thụng tin khụng chớnh xỏc cha ú, cú th coi l thc o mc hiu bit, thụng minh ca ngi Con ngi cng luụn m c mỏy tớnh, ngi bn, ngi giỳp vic c lc ca mỡnh, ngy cng thụng minh v hiu bit hn Vỡ vy, nhu cu lm cho mỏy tớnh hiu v x lý c nhng thụng tin khụng chớnh xỏc, xp x, ỏng chng l mt nhu cu bc thit Logic m i ó cung cp mt cụng c hu hiu nghiờn cu v xõy dng cỏc h thng cú kh nng x lý thụng tin khụng chớnh xỏc Nh cú logic m m ngi xõy dng c nhng h iu khin cú tớnh linh ng rt cao Chỳng cú th hot ng tt iu kin cú nhiu nhiu hoc nhng tỡnh cha c hc trc Nh cú logic m m ngi xõy dng c nhng h chuyờn gia cú kh nng suy lun nh nhng chuyờn gia hng u v cú kh nng t hon thin thụng qua vic thu nhn tri thc mi Ngy logic m cú phm vi ng dng rng rói trờn th gii, t nhng h thng cao cp phc nh nhng h d bỏo, nhn dng, robot, v tinh, du thuyn, mỏy bay, n nhng dựng hng ngy nh mỏy git, mỏy iu ho khụng khớ, mỏy chp hỡnh t ng, Nhng trung tõm ln v lý thuyt cng nh ng dng ca logic m hin l M, Nht, v Chõu u Vit Nam, vic nghiờn cu v lý thuyt cng nh ng dng ca logic m ó cú lch s gn hai thp k v ó thu c nhng thnh tu to ln Tuy vy cn thit phi phỏt trin hn na c v chiu sõu ln chiu rng Bi thu hoch ny ca sinh viờn Nguyn Quc n l kt qu tỡm hiu v logic m, phng phỏp xõy dng mt h m in hỡnh v minh ho lý thuyt bng mt h m n gin d bỏo tng trng GDP ca Vit Nam Em xin chõn thnh cm n ThS Phan Anh Phong, ging viờn Trng i Hc Vinh, ó truyn t nhng kin thc quý bỏu v cụng ngh tri thc v c bit l v logic m, giỳp cho em vit bi thu hoch ny Logic m, h m Mc lc Mc lc Mc lc CHNG I LOGIC M 1.1 TP M .4 1.1.1 Khỏi nim m 1.1.2 Cỏc dng hm thuc tiờu biu .5 a Nhúm hm n iu b Nhúm hm hỡnh chuụng 1.1.3 Cỏc khỏi nim liờn quan 1.1.4.Cỏc phộp toỏn trờn m 1.1.5.Cỏc phộp toỏn m rng 11 1.2 LOGIC M .14 1.2.1.Bin ngụn ng .14 1.2.2 Mnh m 15 - Mnh P(x) Q(x) c minh ho nh quan h m A B, ú A B c xỏc nh l tớch -cỏc m ca A v B T nh ngha ca tớch -cỏc m, ta cú: 17 ú, S l mt S norm no ú Vi S l phộp ly max, ta cú .17 1.2.3 Kộo theo m - Lut NU THè m 17 Trc ht, chỳng ta xột phộp kộo theo logic c in Gi s P(x) v Q(y) l cỏc mnh c minh ho nh cỏc rừ A v B trờn U v V tng ng T bng chõn lý ca phộp kộo theo logic c in, chỳng ta suy rng, mnh P(x) Q(y) c minh ho nh quan h rừ trờn U V: 17 17 hoc 17 17 Trong logic m, mt kộo theo m cú dng 17 CHNG II H M 20 2.1 KIN TRC CA H M TNG QUT .20 2.1.1 B M HO 21 M hoỏ n tr .21 M hoỏ Gaus 22 M hoỏ tam giỏc 22 M húa Hỡnh thang 22 2.1.2 C S LUT M 22 2.1.3 B SUY DIN M 22 Trng hp mt u vo v mt lut 23 Trng hp hai u vo v mt lut 23 Trng hp nhiu u vo v nhiu lut .24 2.1.4 B GII M 25 CHNG III PHNG PHP THIT K H M T TP D LIU VO V RA 29 T VN 29 THIT K H M BNG BNG D LIU VO .29 .37 Logic m, h m - Fis Editor x lý nhng cao cp cho h thng: Cú bao nhiờu bin u vo v bin u ra? Tờn ca chỳng l gỡ? Fuzzy Logic Toolbox khụng hn ch s lng u vo Tuy nhiờn ,s lng u vo cú th gii hn bi b nh cú sn ca mỏy tớnh Nu s lng u vo quỏ ln, hoc s lng cỏc hm thuc quỏ ln, nú cng cú th cú khú khn FIS phõn tớch 37 Cỏc tiờu chung FIS Editor m ra, vi mt u vo, cú nhón input1, v mt u cú nhón ouput1 40 i vi vớ d ny, chỳng ta s xõy dng ba u vo, mt u ca h thng, ba u vo l: AFF-invest, IC-invest, Ser-invest Mt u l: GDP-rate .40 Vinh thỏng nm 2011 56 Thut ng 56 Logic m, h m CHNG I LOGIC M 1.1 TP M 1.1.1 Khỏi nim m Mt hp mt khụng gian no ú, theo khỏi nim c in s chia khụng gian thnh phn rừ rng Mt phn t bt k khụng gian s thuc hoc khụng thuc vo ó cho Tp hp nh vy cũn c gi l rừ Lý thuyt hp c in l nn tng cho nhiu ngnh khoa hc, chng t vai trũ quan trng ca mỡnh Nhng nhng yờu cu phỏt sinh khoa hc cng nh cuc sng ó cho thy rng lý thuyt hp c in cn phi c m rng Ta xột hp nhng ngi tr Ta thy rng ngi di 26 tui thỡ rừ rng l tr v ngi trờn 60 tui thỡ rừ rng l khụng tr Nhng nhng ngi cú tui t 26 n 60 thỡ cú thuc hp nhng ngi tr hay khụng? Nu ỏp dng khỏi nim hp c in thỡ ta phi nh mt ranh gii rừ rng v mang tớnh cht ỏp t chng hn l 45 xỏc nh hp nhng ngi tr V thc t thỡ cú mt ranh gii m ngn cỏch nhng ngi tr v nhng ngi khụng tr ú l nhng ngi trung niờn Nh vy, nhng ngi trung niờn l nhng ngi cú mt tr no ú Nu coi tr ca ngi di 26 tui l hon ton ỳng tc l cú giỏ tr l v coi tr ca ngi trờn 60 tui l hon ton sai tc l cú giỏ tr l 0, thỡ tr ca ngi trung niờn s cú giỏ tr p no ú tho < p < Nh vy nhu cu m rng khỏi nim hp v lý thuyt hp l hon ton t nhiờn Cỏc cụng trỡnh nghiờn cu v lý thuyt m v logic m ó c L.Zadeh cụng b u tiờn nm 1965, v sau ú liờn tc phỏt trin mnh m nh ngha: Cho khụng gian nn U, A U c gi l m nu A c xỏc nh bi hm A :U->[0,1] A c gi l hm thuc, hm liờn thuc hay hm thnh viờn (membership function) Vi x U thỡ A (x) c gi l mc thuc ca x vo A Nh vy ta cú th coi rừ l mt trng hp c bit ca m, ú hm thuc ch nhn giỏ tr v Logic m, h m Ký hiu m, ta cú cỏc dng ký hiu sau: Lit kờ phn t: gi s U={a,b,c,d} ta co th xỏc nh mt 0.1 0.3 0.2 + + + a b c d { ( ) } x , ( x ) | x U A= A A ( x) A = x trng hp U l khụng gian ri rc xU m A= A = U A ( x) / x trng hp U l khụng gian liờn tc Lu ý l cỏc ký hiu v khụng phi l cỏc phộp tớnh tng hay tớch phõn, m ch l ký hiu biu th hp m 1.1.2 Cỏc dng hm thuc tiờu biu Theo lý thuyt thỡ hm thuc cú th l mt hm bt k tho A :X->[0,1] Nhng thc t thỡ cú cỏc dng hm thuc sau õy l quan trng v cú tớnh ng dng cao hn c a Nhúm hm n iu Nhúm ny gm n iu tng v n iu gim Vớ d hp ngi gi cú hm thuc n iu tng theo tui ú hp ngi tr cú hm thuc n iu gim theo tui Ta xột thờm vớ d minh ho sau: Cho v tr E = Tc = { 20,50,80,100,120 } n v l km/h Xột m F=Tc nhanh xỏc nh bi hm thuc nhanh nh th Nh vy tc di 20km/h c coi l khụng nhanh Tc cng cao thỡ thuc ca nú vo F cng cao Khi tc l 100km/h tr lờn thỡ thuc l nhanh 0.85 0.5 E 20 50 80 100 120 b Nhúm hm hỡnh chuụng Nhúm hm ny cú th dng hỡnh chuụng, bao gm dng hm tam giỏc, hm hỡnh thang, gauss Logic m, h m Xột vớ d cng vi v tr E trờn, xột m F=Tc trung bỡnh xỏc nh bi hm thuc trungbỡnh = ( x 20) / 30 (100 x) / 50 x 20 x 100 20 x 50 50 x 100 trungbỡnh 0.4 E 20 50 80 100 120 1.1.3 Cỏc khỏi nim liờn quan Gi s A l m trờn v tr U, cú hm thuc A thỡ ta cú cỏc khỏi nim sau: Giỏ ca A, ký hiu supp(A) l mt rừ bao gm tt c cỏc phn t x U cho A (x) > Nhõn ca A l mt rừ bao gm tt c cỏc phn t x U cho A (x) = Biờn ca A l mt rừ bao gm tt c cỏc phn t x U cho < A (x) < cao ca A, ký hiu height(A) l cn trờn ỳng ca A (x) A ( x) height(A)= sup xU Tp m A c gi l m chun tc (normal fuzzy set) nu height(A)=1 Tc l m chun tc cú nhõn khỏc rng ( x) x Biờn Nhõn Biờn Giỏ Logic m, h m 1.1.4.Cỏc phộp toỏn trờn m Gi s A v B l cỏc m trờn v tr U thỡ ta cú cỏc nh ngha sau: 1.1.4.1 Quan h bao hm A c gi l bng B v ch x U, A (x) = B (x) A c gi l ca B, ký hiu A B v ch x U, A (x) B (x) 1.1.4.2 Phn bự Phn bự ca m A cú v tr U v hm liờn thuc àA(x) l mt m AC xỏc nh trờn cựng v tr U vi hm liờn thuc: a) àAc(x) = - àA(x) àA(x) (1) x àAc(x) x b) C Tp bự A ca m A a) Hm liờn thuc ca m A b) Hm liờn thuc ca m AC 1.1.4.3 Phộp Hp Hp ca hai m A v B cú cựng v tr U l mt m cng xỏc nh trờn v tr U vi hm liờn thuc: àAB(x) = MAX{àA(x), àB(x)}, (2) àA(x) àB(x) x Hm liờn thuc ca hp hai m cú cựng v tr Cú nhiu cụng thc khỏc c dựng tớnh hm liờn thuc àAB(x) ca hp hai m nh: Logic m, h m max{à A ( x), B ( x )} neỏu min{à A ( x), B ( x)} = A B ( x) = neỏu min{à A ( x), B ( x )} àAB(x) = min{1, àA(x) + B(x)} (Phộp hp Lukasiewicz ), ( x) + ( x) A B A B ( x) = + ( x) + ( x) A B (Tng Einstein), àAB(x) = àA(x) + àB(x) - àA(x).àB(x) a) àA(x) b) , (Tng trc tip), àB(y) x àA(x, y) x MìN x MìN àAB(x,y) c) y y àB(x, y) y x MìN Phộp hp hai m khụng cựng v tr: a) Hm liờn thuc ca hai m A, B b) a hai m v chung mt v tr M ì N c) M) Hpvhai v Do tr M N v tr Cú hai m A (tp v tr B (tpm v trờn tr N) haiìtp y M v N c lp vi nờn hm liờn thuc àA(x), x M ca m A s khụng ph thuc vo N v ngc li àB(y), y N ca m B cng s khụng ph thuc vo M iu ny th hin ch trờn v tr mi l tớch M ì N hm àA(x) phi l mt mt cong dc theo trc y v àB(y) l mt mt cong dc theo trc x Tp m A c nh ngha trờn hai v tr M v M ì N phõn bit c chỳng, ký hiu A s c dựng Logic m, h m ch m A trờn v tr M ì N Tng t, ký hiu B c dựng ch m B trờn v tr M ì N, vi nhng ký hiu ú thỡ: àA(x, y) = àA(x), vi mi y N v àB(x, y) = àB(y), vi mi x M Sau ó a c hai m A, B v chung mt v tr l M ì N thnh A v B thỡ hm liờn thuc àAB(x, y) ca m A B c xỏc nh theo cụng thc (4) 1.1.4.4 Phộp Giao àAB(x) àA(x) àB(x) Giao hai m cựng c s x Giao ca hai m A v B cú cựng v tr U l mt m cng xỏc nh trờn v tr U vi hm liờn thuc: àAB(x) = MIN{àA(x), àB(x)}, (3) Trong cụng thc trờn ký hiu c vit hoa thnh MIN ch biu hin rng phộp tớnh ly cc tiu c thc hin trờn m Bn cht phộp tớnh khụng cú gỡ thay i Cú nhiu cụng thc khỏc c dựng tớnh hm liờn thuc àAB(x) ca giao hai m nh: min{à A ( x), B ( x )} neỏu max{à A ( x), B ( x )} = , neỏu max{à A ( x), B ( x )} 1 A B ( x) = àAB(x) = max{0, àA(x) + àB(x) - 1} (Phộp giao Lukasiewicz), ( x) ( x) A B A B ( x) = ( ( x) + ( x)) ( x) ( x) A B A B (Tớch Einstein), àAB(x) =àA (x)àB(x) (Tớch i s), Cụng thc trờn cng ỏp dng c cho hp hai m khụng cựng v tr bng cỏch a c hai m v chung mt v tr l tớch ca hai v tr ó cho Chng hn cú hai m A nh ngha trờn v tr M v B nh ngha trờn v tr N Do hai v tr M v N c lp vi nờn hm liờn thuc àA(x), x M ca m A s khụng ph thuc vo N v ngc li àB(y), y N ca m B cng s khụng ph thuc vo M Logic m, h m Trờn v tr mi l tớch M ì N hm àA(x) l mt mt cong dc theo trc y v àB(y) l mt mt cong dc theo trc x Tp m A (hoc B) c nh ngha trờn hai v tr M (hoc N) v M ì N phõn bit, ký hiu A (hoc B) s c dựng ch m A (hoc B) trờn v tr mi l M ì N Vi nhng ký hiu ú thỡ àA(x, y) = àA(x), vi mi y N v àB(x, y) = àB(y), vi mi x M àAB(x, y) x Mì N Phộp giao hai m khụng cựng v tr y 1.1.4.5 Tớch cỏc Gi s A1 , A2 , , An l cỏc m trờn cỏc v tr U , U , , U n tng ng Tớch -cỏc ca A1 , A2 , , An l m A = A1 ì A2 ì ì An trờn khụng gian tớch U ì U ì ì U n vi hm thuc c xỏc nh bi: A ( x1 , x , , xn ) = min( A ( x1 ), A ( x ), , A ( xn )) x1 U , x U , , xn U n n (4) 1.1.4.6 Phộp chiu Gi s A l m trờn khụng gian tớch U ì U Hỡnh chiu ca A trờn U l m A1 vi hm thuc c xỏc nh bi: A (x) = max A (x, y) (5) yU nh ngha trờn cú th m rng cho trng hp khụng gian tớch n chiu 1.1.4.7 M rng hỡnh tr Gi s A1 l m trờn v tr U M rng hỡnh tr ca A1 trờn khụng gian tớch U ì U l m A vi hm thuc c xỏc nh bi: A (x, y) = A (x) (6) 10 Logic m, h m Bõy gi cỏc bin ó c t tờn, v cỏc hm thuc cú hỡnh dng thớch hp v tờn, bn ó sn sng vit cỏc lut gi Rule Editor, vo menu Edit v chn Rules , hoc ỏnh ruleedit t dũng lnh The Rule Editor 45 Logic m, h m Xõy dng cỏc lut s dng giao din Rule Editor l hin nhiờn Da trờn mụ t ca cỏc bin u vo v u nh ngha vi FIS Editor, Rule Editor cho phộp bn xõy dng cỏc lut t ng bng cỏch nhp chut v chn mt mc mi hp bin u vo , mt mc u ra, v mc kt ni Ni quy cú th c thay i, xúa, hoc thờm vo, bng cỏch nhp vo nỳt thớch hp Cỏc Editor Rule cng cú mt s im mc quen thuc, tng t nh FIS Editor v hm thuc, bao gm trỡnh n v dũng trng thỏi nh dng pop-up menu cú sn t menu Options kộo xung t trỡnh n u trang - iu ny c s dng thit lp cỏc nh dng cho mn hỡnh Cỏc s ngoc n i din cho trng lng cú th c ỏp dng cho tng lut nu mun Bn cú th ch nh trng lng bng cỏch gừ mt s bn mun gia s v cỏc thit lp lut Nu bn khụng ch nh ú, cỏc trng s c gi nh l Ti thi im ny, h thng suy lun m ó c hon ton xỏc nh, ú cỏc bin, hm thnh viờn, v cỏc lut cn thit tớnh toỏn c t Vo thi im ny, nhỡn vo mt biu suy lun m nh mt 46 Logic m, h m nhng trỡnh by phn cui ca phn trc v xỏc minh rng tt c mi th c hot ng theo cỏch chỳng ta ngh rng nú phi lm Bn cú th s dng Rule Viewer, õy l cụng c giao din tip theo chỳng ta cú th quan sỏt T menu View, chn Rules The Rule Viewer Cỏc Rule Viewer s hin th mt l trỡnh ca quỏ trỡnh suy lun m Nú da trờn s suy lun m c mụ t phn trc Bn nhỡn thy mt ca s s nht vi 18 ụ nh lng ú Ba tỡnh tit nh trờn u cỏc s i din cho cỏc tin v kt qu ca cỏc lut u tiờn Mi lut l mt dóy cỏc ụ, v mi ct l mt bin ba ct u tiờn ca ụ (mu vng) cho thy cỏc hm thuc tham chiu bi tin , hoc cỏc phn-if ca mi lut Ct th t (mu xanh) cho thy hm thuc tham chiu bi nhng h qu, hoc phn-then ú ca lut Nu bn kớch vo mt s ca lut,lut tng ng s c hin th phớa di hỡnh v Ngoi cũn cú cỏc mc bõy gi quen thuc nh cỏc dũng trng thỏi v menu phớa di bờn phi cú mt trng bn vo ú bn cú 47 Logic m, h m th nhp giỏ tr u vo c th Bn cng cú th iu chnh cỏc giỏ tr u vo bng cỏch nhn vo bt c ni no trờn bt k mt ba ụ cho mi u vo iu ny s di chuyn theo chiu ngang dũng ch s mu , n im m bn ó nhp vo Bn cng cú th ch cn nhp v kộo dũng ny thay i cỏc giỏ tr u vo Rule Viewer cho phộp bn gii thớch ton b quỏ trỡnh suy lun m cựng mt lỳc Rule Viewer cng cho thy hỡnh dng ca mt s hm thuc nh hng n kt qu tng th i vi Rule Viewer, nú cú th tr nờn khú s dng cho cỏc h thng c bit ln, nhng, i vi mt s lng tng i nh cỏc yu t u vo v u ra, nú hot ng tt (tựy thuc vo mn hỡnh bao nhiờu khụng gian bn dnh cho nú) cú th lờn n 30 lut v cú n hoc bin xem lut iu khin khụng gian, chn View Surface menu View Ti Listbox Z(output) cú th chn AFF-invest, IC-invest, Ser-invest quan sỏt The Surface Viewer 48 Logic m, h m Kt qu mụ phng: Sau õy l bng c s d liu thc nghim ca mụ hỡnh mc tng GDP: C s lut m ban u ca mụ hỡnh bao gm 18 lut th hin Bng di õy: 49 Logic m, h m B iu khin m trờn Fuzzy Logic Toolbox ca Matlab gm: -Chn lut hp thnh MAX-MIN -Chn phộp kộo theo MIN -Chn phng thc hp MAX -Chn phng thc gii m l phng phỏp ly trng tõm Sau õy l cỏc kt qu ca mụ hỡnh d liu thc nghim : Dng hm thuc l hỡnh thang: Bng kt qu sau chy chng trỡnh d oỏn mc tng GDP vi dng hm thuc hỡnh thang: Record ID AFF-Invest IC-Invest Ser-Invest GDP-Rate 17.73 24.78 54.79 27.6 13.27 26.98 59.76 27.6 13 31 56 27.4 20.36 33.32 46.32 27.7 11.15 26.61 62.25 27.6 12.42 30.86 56.72 27.4 9.74 29.91 60.35 27.4 7.29 49.04 43.67 28 7.56 44.45 47.89 27.7 10 7.66 37.21 55.12 27.4 Dng hm thuc l hỡnh tam giỏc: 50 Logic m, h m Bng kt qu sau chy chng trỡnh d oỏn mc tng GDP vi dng hm thuc hỡnh tam giỏc: Record ID 10 AFF-Invest 17.73 13.27 13 20.36 11.15 12.42 9.74 7.29 7.56 7.66 IC-Invest 24.78 26.98 31 33.32 26.61 30.86 29.91 49.04 44.45 37.21 51 Ser-Invest 54.79 59.76 56 46.32 62.25 56.72 60.35 43.67 47.89 55.12 GDP-Rate 27.5 27.5 27.2 27.6 27.5 27.2 27.3 28 27.6 27 Logic m, h m Dng hm thuc l hỡnh xung Gauss : Bng kt qu sau chy chng trỡnh d oỏn mc tng GDP vi dng hm thuc hỡnh xung Gauss: Record ID 10 AFF-Invest 17.73 13.27 13 20.36 11.15 12.42 9.74 7.29 7.56 7.66 IC-Invest 24.78 26.98 31 33.32 26.61 30.86 29.91 49.04 44.45 37.21 52 Ser-Invest 54.79 59.76 56 46.32 62.25 56.72 60.35 43.67 47.89 55.12 GDP-Rate 30.5 30.5 30.6 30.4 30.4 30.6 30.5 30 30.4 30.5 Logic m, h m Dng hm thuc l hỡnh Bell: Bng kt qu sau chy chng trỡnh d oỏn mc tng GDP vi dng hm thuc hỡnh Bell: 53 Logic m, h m Record ID 10 AFF-Invest 17.73 13.27 13 20.36 11.15 12.42 9.74 7.29 7.56 7.66 IC-Invest 24.78 26.98 31 33.32 26.61 30.86 29.91 49.04 44.45 37.21 Ser-Invest 54.79 59.76 56 46.32 62.25 56.72 60.35 43.67 47.89 55.12 GDP-Rate 21.8 21.7 21.8 21.5 21.7 21.8 21.8 20.5 21.5 21.8 Trong trng hp thay i phng thc gii m ta cng cú cỏc kt qu th nghim nh sau: Chn phng thc gii m: trung bỡnh cỏc im cc i ta cú (ỏp dng vi dng hm thuc hỡnh thang): Record ID 10 AFF-Invest 17.73 13.27 13 20.36 11.15 12.42 9.74 7.29 7.56 7.66 IC-Invest 24.78 26.98 31 33.32 26.61 30.86 29.91 49.04 44.45 37.21 Ser-Invest 54.79 59.76 56 46.32 62.25 56.72 60.35 43.67 47.89 55.12 GDP-Rate 27 27 27 27 27 27 27 28 27 27 ỏnh giỏ kt qu u so vi thc t: Sai s cũn khỏ ln nhng nguyờn nhõn sau õy: + Vic phõn vựng giỏ tr cho cỏc bin ngụn ng u vo v u cha thc s ti u Vic gỏn cỏc hm thuc cho cỏc bin ngụn ng cng nh bng lut iu khin cha thc s ti u + tng chớnh xỏc cho b iu khin m ny, cn thit phi hiu chnh c ba yu t: nh ngha li cỏc giỏ tr bin ngụn ng u vo/ra , 54 Logic m, h m la chn li hm thuc cho phự hp hn Xõy dng li bng lut iu khin thớch hp hn + Mt gii phỏp a x lý l k thut lai ghộp gia h m v gii thut di truyn Cỏc tham s kt hp vi hm liờn thuc s thay i quỏ trỡnh hun luyn cho h m Nhn xột chung: - Trong nhiu trng hp dng hm liờn thuc hỡnh tam giỏc cho kt qu khụng kộm gỡ dng hm liờn thuc phc hn l dng hỡnh chuụng, b iu khin m ớt nhy vi s thay i hỡnh dng m iu ny lm cho h m khỏ bn vng v d thớch nghi, ú l mtthuc tớnh quan trng mụ hỡnh ln u c kho sỏt Chng V KT LUN Nh vy chỳng ta ó i qua ton b cỏc chng vit ca bi lun vi ch lý thuyt m, mụ hỡnh m cng nh cỏc ỳng dng ca chỳng, mt nhng k thut mi m nhng y tim nng ca cụng ngh tớnh toỏn mm Tri qua nhiu tun thc hin ti, em ó trỡnh by c phn no lý thuyt c bn ca m, logic m, cỏch ng dng logic m mụi trng MATLAB v qua ú cú th rỳt mt s chớnh sau: - Trỡnh by chi tit v khỏi nim m, cho thy m l s tng quỏt húa khỏi nim rừ v c xỏc nh y bng hm thuc - S i ca m cho phộp biu din cỏc tớnh cht khụng chớnh xỏc, khụng rừ rng, m,iu m rừ khụng lm c - Cỏc khỏi nim c bn lý thuyt m nh cỏc phộp toỏn trờn m, quan h m, phộp hp thnh u c m rng mt cỏch t nhiờn t cỏc khỏi nim tng ng trờn rừ - Logic m cú th c xem l: o Mt cỏch biu din mc khụng chớnh xỏc logic o Mt cỏch s dng ngụn ng t nhiờn logic 55 Logic m, h m Thờm vo ú, em ó mụ phng h thng m bng phn mm MatLab t ú cú th quan sỏt c ỏp ng hay cht lng ca h thng Trong thi gian l ỏn, em ó rt c gng nghiờn cu, thit k cú c nhng kt qu nờu trờn Tuy nhiờn thi gian v kin thc ca em cú hn nờn ỏn cũn nhiu hn ch: - Mi ch trin khai c mụ hỡnh tham kho l mụ hỡnh d oỏn GDP da vo cụng c Fuzzy Logic Toolbox ca phn mm Matlab cho kt qu u l cỏc s rừ nhng cha cú quỏ trỡnh ti u kt qu l gn vi thc t - Cha xõy dng c mt mụ hỡnh m trờn mt ngụn ng lp trỡnh c th kt hp vi vic ti u mụ hỡnh bng phng phỏp s dng gii thut di truyn ó c tỡm hiu phn thc chuyờn nghnh trc ú Hng phỏt trin ca ti: Xõy dng mụ hỡnh mu cú th quan sỏt v kim tra li lý thuyt bng thc nghim Em rt mong nhn c nhng ý kin úng gúp quý bỏu ca cỏc thy cụ v cỏc bn Mt ln na, em xin chõn thnh cm n thy giỏo Ths Phan Anh Phong cựng cỏc thy cụ giỏo khoa Cụng ngh thụng tin Trng i Hc Vinh ó tn tỡnh hng dn v giỳp em hon thnh ỏn ny Vinh thỏng nm 2011 Thut ng approximate reasoning center of gravity Confidence Conjuntive Core crisp set defineable set Defuzzier Disjunctive elementary set suy lun xp x trng tõm tin cy phộp hi nhõn ca m, l rừ gm cỏc phn t cú giỏ tr hm thuc = rừ cú th xỏc nh b gii m phộp tuyn c bn, c s, v tr ú m c nh ngha 56 Logic m, h m Fuzzier fuzzy inference engine fuzzy logic fuzzy rule base fuzzy set max-min max-prod b m hoỏ b suy din m logic m c s lut m m phng phỏp tớnh lut modus-ponens m dựng T-norm v S-norm max phng phỏp tớnh lut modus-ponens m dựng T-norm tớch v S-norm max hm thuc, hm thnh viờn Multi h m nhiu u vo v nhiu u membership function MIMO(Multi Input Output) MISO(Multi Input Single h m nhiu u vo v mt u Output) precise set chớnh xỏc product fuzzy conjunction giao m tớch rule aggregation kt hp lut SISO(Single Input Single h m mt u vo v mt u Output) S-norm S-chun hay T-i chun, l hm tng quỏt húa t hm max Support giỏ ca m, l rừ gm cỏc phn t cú giỏ tr hm thuc > T-norm T-chun, l hm tng quỏt húa t hm weighted sum tng cú trng s 57 Logic m, h m Ti liu tham kho 58 i GS, TSKH Hong Kim, giỏo trỡnh Phng phỏp toỏn tin hc, HQG Tp HCM 2005 ii GS, TSKH Hong Kim, giỏo trỡnh Cụng ngh tri thc v ng dng, HQG Tp HCM 2004 iii PGS, TS Nguyn Trng Thun, iu khin logic & ng dng, Tp 1, NXB Khoa Hc v K Thut, 2000 iv Nguyn Hong Phng, Nadipuram R Prasad, Lờ Linh Phong, Nhp mụn trớ tu tớnh toỏn, NXB Khoa Hc v K Thut, 2002 v Nguyn Hong Phng, Bựi Cụng Cng, Nguyn Doón Phc, Phan Xuõn Minh, Chu Vn H, H m v ng dng, NXB Khoa Hc v K Thut, 1998 Logic m, h m 59 vi Bựi Cụng Cng, Nguyn Doón Phc, H m, mng nron v ng dng, NXB Khoa Hc v K Thut, 2001 vii TS inh Mnh Tng, Trớ tu nhõn to, NXB Khoa Hc v K Thut, 2002 viii Trung Tun, H chuyờn gia, NXB Giỏo Dc, 1999 ix Ths Phan Anh Phong, Giỏo trỡnh Chuyờn logic m v lp lun xp x , H Vinh x Vit Trung, Lun tt nghip trng i hc Bỏch Khoa H Ni nm 2009 [...]... dụng rộng rãi nhất trong các hệ mờ 19 Logic mờ, hệ mờ CHƯƠNG II HỆ MỜ 2.1 KIẾN TRÚC CỦA HỆ MỜ TỔNG QUÁT Một hệ mờ tiêu biểu có kiến trúc như hình vẽ Cơ sở luật mờ Tham khảo luật mờ Đầu vào (số) Bộ mờ hoá Đầu vào (tập mờ) Bộ suy diễn mờ Đầu ra (tập mờ) Đầu ra (số) Bộ giải mờ Thành phần trung tâm của hệ mờ là cơ sở luật mờ (fuzzy rule base) Cơ sở luật mờ bao gồm các luật mờ if-then biểu diễn tri thức... đầu vào và đầu ra được số hoá nên ta chỉ cần xem xét các hệ mờ làm việc với các biến số Trường hợp tổng quát, hệ mờ nhận một vector n chiều ở đầu vào và cho ra một vector m chiều ở đầu ra Hệ mờ như thế được gọi là hệ mờ nhiều đầu vào – nhiều đầu ra (MIMO) Nếu m bằng 1, ta có hệ hệ mờ nhiều đầu vào – một đầu ra (MISO) Một hệ mờ nhiều đầu vào – nhiều đầu ra có thể phân tích thành nhiều hệ nhiều đầu vào... chỉ cần tìm hiểu kỹ về hệ mờ nhiều đầu vào – một đầu ra với các biến số Khi chỉ nói về hệ mờ nhiều - một thì ta sẽ ngầm hiểu là một hệ mờ nhiều đầu vào – một đầu ra với các biến số n n Ký hiệu U = ∏ U i ⊂ R ,V ⊂ R , trong đó U i là miền xác định của các biến i =1 vào i, i=1 n và V là miền giá trị của biến ra y, ta có mô hình hệ mờ nhiều đầu vào – một đầu ra như hình vẽ x ∈ U1 y ∈V Hệ mờ nhiều đầu vào... pháp xác định hệ mờ từ tập dữ liệu vào-ra nhưng chúng ta chỉ tìm hiểu phương pháp lập bảng dữ liệu vào THIẾT KẾ HỆ MỜ BẰNG BẢNG DỮ LIỆU VÀO Giả sử ta có tập các cặp dữ liệu vào-ra (xi, yi) i=1 N k Trong đó xi ∈ [a1, b1] x … x [ak, bk] ⊂ R và yi ∈ [c1,c2] ⊂ R Các bước để xây dựng một hệ mờ như sau: Bước 1: Xác định tất cả các biến vào và ra Bước 2: Xác định miền giá trị biến vào và ra và các hàm thuộc... một hệ điều khiển mờ cụ thể thì cơ sở luật mờ chính là tri thức và kinh nghiệm của các chuyên gia trong việc điều khiển khi chưa áp dụng hệ mờ Thành phần quan trọng kế tiếp là bộ suy diễn mờ (fuzzy inference engine) Nhiệm vụ của bộ phận này là kết hợp các luật trong cơ sở luật mờ, áp dụng vào tập mờ đầu vào theo các phương pháp suy diễn mờ để xác định tập mờ đầu ra Dữ liệu đầu vào của hệ điều khiển mờ. .. đây chúng ta hiểu kéo theo mờ P(x) ⇒ Q(y) như quan hệ mờ R được xác định bởi (31), (32) Cách hiểu như thế là sự tổng quát hoá trực 18 Logic mờ, hệ mờ tiếp ngữ nghĩa của kéo theo cổ điển Tuy nhiên, chúng ta cũng có thể hiểu: Kéo theo mờ P(x) ⇒ Q(y) chỉ có giá trị chân lý lớn khi cả P(x) và Q(y) đều có giá trị chân lý lớn, tức là chúng ta có thệ minh hoạ kéo theo mờ (16) như là quan hệ mờ R được xác... | ui − xi |> bi Mờ hóa Hình thang 2.1.2 CƠ SỞ LUẬT MỜ Cơ sở luật mờ của hệ mờ n đầu vào – một đầu ra gồm m luật if-then mờ có dạng: If “x1 là Ak1” và “x2 là Ak2” và … và “xn là Akn” then “y là Bk” , k=1 m (1) Trong đó k là chỉ số của luật (luật thứ k trong tập luật), xi là các biến đầu vào, Aki là các tập mờ trên Ui (i=1 n), y là biến đầu ra và Bk là tập mờ trên V (k=1 m) Các luật mờ dạng (1) được... đề mờ được minh hoạ như tập mờ A trên U và Q(y) là mệnh đề mờ được minh hoạ như tập mờ B trên V Tổng quát hoá từ (12) và (13), chúng ta có thể hiểu được kéo theo mờ (28) như là một quan hệ mờ R trên U × V được xác định bởi (12) hoặc (13) nhưng các phép toán đó là các phép toán trên tập mờ Từ (12) và (13) và định nghĩa của các phép toán lấy phần bù mờ, tích Đềcác mờ và hợp mờ, chúng ta có: µR(x, y) =... hình Hệ thống được cho chạy thử và so sánh với các kết quả có được bởi chuyên gia Nếu kết quả chưa phù hợp thì cần hiệu chỉnh các hàm thuộc và các luật cũng như phương pháp suy diễn và giải mờ 31 Logic mờ, hệ mờ Chương IV TRIỂN KHAI HỆ SUY DIỄN MỜ SỬ DỤNG FIS CỦA MATLAB ĐỂ DỰ BÁO TĂNG TRƯỞNG GDP 4.1 Giới thiệu về MatLab: MatLab vừa là môi trường vừa là ngôn ngữ lập trình được viết dựa trên cơ sở toán học. .. thế hàm min bằng một T-norm bất kỳ 1.1.5.5 Quan hệ mờ Cho U và V là các vũ trụ Khi đó một quan hệ mờ hai ngôi R giữa U và V là một tập mờ trong tích đề-các UxV Như vậy ta có thể xác định hàm thuộc cho quan hệ mờ theo cách tính hàm thuộc cho tích đề-các mờ Khi U = V ta nói R là quan hệ trên U Tổng quát một quan hệ mờ R giữa các tập U 1 , U 2 , …, U n là tập mờ A = A1 × A2 × … × An trên không gian tích ... c nh ngha trờn hai v tr M v M ì N phõn bit c chỳng, ký hiu A s c dựng Logic m, h m ch m A trờn v tr M ì N Tng t, ký hiu B c dựng ch m B trờn v tr M ì N, vi nhng ký hiu ú thỡ: àA(x, y) = àA(x),... bao gm mt cỏc file m dựng cho vic mụ hỡnh hoỏ h tuyn tớnh da trờn s o lng ỏp tuyn tn s ca mt h thng - Fuzzy Logic Toolbox: bao gm mt hon chnh cỏc cụng c giao din vi ngi dựng dnh cho vic thit... l mt giao din ho ngi dựng cho phộp thit k h iu khin tuyn tớnh v phi tuyn s dng k thut ti u thi gian - Simulink: Simulink l phn m rng ca MatLab to thờm mt mụi trng ho dựng cho vic mụ hỡnh hoỏ,