ˆ ˆ ( ) ( ( ), ( ), )ˆ
4.5.2 Kiểm chứng khả năng loại các mẫu học bị nhiễu.
Nếu thực hiện chương trình loại nhiễu sử dụng 1000 mẫu học thì thời gian tính toán sẽ rất lớn vì vậy ta thực hiện chương trình với 500 mẫu học.
Không mất tính tổng quát ta giả sử tín hiệu nhiễu tác động vào mô hình simulink ở đầu ra như sau.
Hình 4.10: Màu đỏ : Tín hiệu sai lệch e(t)=ym-y
Màu xanh: Tín hiệu ym; Màu đen là tín hiệu y
27
Khi chưa có chương trình loại mẫu bị nhiễu.
Nhận xét:
- Ta thấy dạng đồ thị với tín hiệu ym bị bột biến thi bắt đầu có nhiễu tác động vào và khi kết thúc nhiễu. Nhưng tín hiệu đầu ra của mạng nơron CTRNN không bị biến động theo mẫu, Nói như vậy hệ đã có khả năng chống nhiễu, tức là mạng đã học được tri thức cơ bản của mô hình mẫu.
Hình 4.12: Tín hiệu đầu ra mẫu ym khi có nhiễu tác động từ 10 -30 s
28
- Tại những thời điểm mẫu bị ảnh hưởng của nhiễu thì sai số lớn, vì vậy đánh giá kết quả sai số của mạng cho toàn bộ các mẫu học sẽ lớn. Ta sẽ loại bỏ những mẫu.
Khi có chương trình loại mẫu bị nhiễu.
Kết quả chạy chương trình huấn luyện mạng như sau:
Sai số nhỏ nhất của toàn bộ quá trình học: Emin = 1.2013e-008
Hình 4.14: Số lượng mẫu học còn lại là 193/500 mẫu
29
Nhận xét:
Chương trình đã loại bỏ được những mẫu học gây sai số lớn, do đó đã giảm được quá trình sai số của mạng do tác động của nhiễu đo lường.
Điều đó khẳng định chương trình luyện được mạng cho dù có tác động của nhiễu.
Bộ trọng số của mạng khi chưa có nhiễu tác động và khi có nhiễu tác động không có sự thay đổi đáng kể.
