Áp dụng quy trình tính toán mềm hệ mờ, mạng neural và thuật giải di truyền xây dựng mô hình dự đoán tỉ giá hối đoái luận văn ths công nghệ thông tin 1 01 10

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRẦN ĐẠI HỒN ÁP DỤNG QUY TRÌNH TÍNH TỐN MỀM: HỆ MỜ, MẠNG NEURAL VÀ THUẬT GIẢI DI TRUYỀN XÂY DỰNG MƠ HÌNH DỰ ĐỐN TỈ GIÁ HỐI ĐỐI Ngành : Công nghệ thông tin Mã số : 1.01.10 LUẬN VĂN THẠC SỸ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TSKH BÙI CÔNG CƯỜNG HÀ NỘI – 2006 Mục lục ii MỤC LỤC LỜI CẢM ƠN DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ DANH MỤC CÁC BẢNG MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ LÔGIC MỜ - HỆ MỜ LÝ THUYẾT TẬP MỜ .4 1.1 Tập mờ 1.2 Các phép toán tập mờ 1.2.1 Phép phủ định .6 1.2.2 Phép hợp hai tập mờ .6 1.2.3 Phép giao hai tập mờ 1.2.4 Luật De Morgan .7 1.2.5 Phép kéo theo CÁC QUAN HỆ MỜ VÀ SUY LUẬN XẤP XỈ, SUY DIỄN MỜ 2.1 Các quan hệ mờ 2.2 Suy luận xấp xỉ Suy diễn mờ HỆ MỜ 11 3.1 Bộ mờ hoá: 11 3.2 Hệ luật mờ: 12 3.3 Động suy diễn: .12 3.4 Bộ giải mờ: 13 3.5 Ví dụ minh hoạ: 14 CHƯƠNG 2: MẠNG NEURAL NHÂN TẠO .16 GIỚI THIỆU VỀ MẠNG NEURAL 16 KIẾN TRÚC MẠNG NEURAL NHÂN TẠO 18 2.1 Kiến trúc Neural 18 Mục lục iii 2.2 Mạng neural nhân tạo 20 2.3 Mạng truyền thẳng nhiều tầng Back Propagation .22 2.3.1 Kiến trúc mạng .22 2.3.2 Cơ chế hoạt động phương thức học mạng .23 2.3.3 Thuật toán Back Propagation .25 2.3.4 BackPropagation với chế cập nhật tham số Online Batching 27 2.3.5 BackPropagation với Momentum 27 CHƯƠNG 3: THUẬT GIẢI DI TRUYỀN 28 THUẬT GIẢI DI TRUYỀN VÀ THUYẾT TIẾN HOÁ SINH HỌC 28 TÍNH CHẤT QUAN TRỌNG CỦA THUẬT GIẢI DI TRUYỀN 28 CÁC TOÁN TỬ DI TRUYỀN 30 3.1 Toán tử chọn lựa - Selection .30 3.2 Toán tử lai ghép - Crossover .31 3.3 Toán tử đột biến – Mutation .32 3.4 Hàm thích nghi - Fitness Function 33 CÁCH THỨC ÁP DỤNG THUẬT GIẢI DI TRUYỀN 34 HUẤN LUYỆN MẠNG NEURAL BẰNG THUẬT GIẢI DI TRUYỀN .36 CHƯƠNG 4: XÂY DỰNG MƠ HÌNH HỆ MỜ, HỆ MỜ NEURON DỰ ĐOÁN TỈ GIÁ HỐI ĐOÁI 37 TỈ GIÁ HỐI ĐOÁI 37 XÂY DỰNG HỆ MỜ 38 2.1 Dữ liệu đầu vào tiền xử lý liệu .38 2.2 Mờ hoá liệu 39 2.3 Xây dựng luật mờ 41 2.4 Xây dựng động suy diễn phương thức giải mờ 44 2.5 Điều chỉnh thông số hệ mờ 45 2.6 Tối ưu hoá hệ luật mờ .49 HỆ MỜ NEURAL – NEURON FUZZY SYSTEM 51 3.1 Lý tích hợp hệ mờ mạng neural 51 Mục lục iv 3.2 Hệ mờ Neuro – NFS (Neuron Fuzzy Systems) 53 3.2.1 Hệ mờ neuro gì? 53 3.2.2 Kiến trúc NFS 54 3.2.3 Nguyên tắc hoạt động chế học NFS 55 3.2.4 Học cấu trúc thông số NFS 57 CHƯƠNG 5: CÁC KẾT QUẢ THỬ NGHIỆM 67 Chương trình thử nghiệm 68 1.1 Nguồn liệu 68 1.2 Mạng Neural 69 1.3 Hệ mờ neuron – Neuron Fuzzy System 69 1.4 Đào tạo thử nghiệm 70 1.4.1 Mạng Neural 70 1.4.2 Hệ mờ neuron 71 Nhận xét 72 KẾT LUẬN 73 CÁC KẾT QUẢ LIÊN QUAN ĐÃ CÔNG BỐ 75 PHỤ LỤC : MINH HOẠ TẬP SỐ LIỆU THỬ NGHIỆM 76 TÀI LIỆU THAM KHẢO .79 ... MẠNG NEURAL BẰNG THUẬT GIẢI DI TRUYỀN .36 CHƯƠNG 4: XÂY DỰNG MƠ HÌNH HỆ MỜ, HỆ MỜ NEURON DỰ ĐOÁN TỈ GIÁ HỐI ĐOÁI 37 TỈ GIÁ HỐI ĐOÁI 37 XÂY DỰNG HỆ MỜ 38 2 .1 Dữ... 3: THUẬT GIẢI DI TRUYỀN 28 THUẬT GIẢI DI TRUYỀN VÀ THUYẾT TIẾN HỐ SINH HỌC 28 TÍNH CHẤT QUAN TRỌNG CỦA THUẬT GIẢI DI TRUYỀN 28 CÁC TOÁN TỬ DI TRUYỀN 30 3 .1 Toán tử chọn lựa... XỈ, SUY DI? ??N MỜ 2 .1 Các quan hệ mờ 2.2 Suy luận xấp xỉ Suy di? ??n mờ HỆ MỜ 11 3 .1 Bộ mờ hoá: 11 3.2 Hệ luật mờ: 12 3.3 Động suy di? ??n: