ˆ ˆ ( ) ( ( ), ( ), )ˆ
4.6 Kết luận chương
- Xây dựng được cấu trúc mạng nơron hồi tiếp liên tục để nhận dạng bể xử lý nước thải. Mạng CTRNN hoàn toàn phù hợp với cấu trúc mô hình của đối tượng động học phi tuyến.
- Lập được chương trình huấn luyện mạng theo thuật toán lan truyền ngược và kỹ thuật loại bỏ các mẫu học bị nhiễu. Kết quả được kiểm chứng qua các tín hiệu ngẫu nhiên, tín hiệu sin.
- Khi có ảnh hưởng của nhiễu thì mạng vẫn giữ được những đặc tính. Khi có chương trình loại nhiễu thì làm giảm sai số của mạng.
KẾT LUẬN
Luận văn đã đạt được các nội dung như sau:
Đã nghiên cứu tổng quan về mạng nơron và các ứng dụng của nó để có cái nhìn tổng quát về cấu trúc, các luật học cũng như việc ứng dụng mạng nơron trong nhận dạng và điều khiển.
Bằng phương pháp phân tích, so sánh về cấu trúc, các luật học và khả năng ứng dụng thực tiễn của các loại mạng nơron, luận văn đã chọn ra mạng hồi tiếp với hàm phi tuyến để nhận dạng và điều khiển đối tượng có tính động học phi tuyến. Kết quả đã viết chương trình dùng các hàm của Matlab để nhận dạng và điều khiển đối tượng bể xử lý nước thải.
Để việc huấn luyện mạng được hiệu quả và ta có thể chủ động quy trình huấn luyện mạng. Tác giả đã viết chương trình huấn luyện mạng hồi tiếp thời gian liên tục để nhận dạng đối tượng động học phi tuyến và kết quả được kiểm chứng bằng các tín hiệu vào khác nhau nhưng mạng vẫn đạt dc sai số rất nhỏ khoảng ±2.10-4.
30
Mạng còn có khả năng lọc những mẫu học được quan sát là nhiễu để giảm sai số trong quá trình huấn luyện mạng. Ý nghĩa thực tiễn của phương pháp này rất lớn vì nó có thể loại được những mẫu học bị sai số trong quá trình đo lường và truyền dẫn tín hiệu.
