KHOẢNG
Cho cặp dữ liệu vào-ra (x( )t ,y( )t ), mô hình cần được xây dựng sao cho sai số giữa đầu ra của mô hình f(x(t))và đầu ra cho trước y( )t là nhỏ nhất. Do đó, huấn luyện tham số với N cặp dữ liệu huấn luyện dựa trên việc cực tiểu hóa hàm sai số: [f x y ] t n et ( t ) t , 1,2,... 2 1 () () ) ( = − =
Để xây dựng mô hình mờ, ngoài xác định các tham số của tập mờ giả thiết, ta cần tính toán cả các tham số k
i
c ( i = 0,1,2; k= 1..9) của hàm đầu ra f(x) trong mỗi luật.
Có thể xây dựng các tham số của tập mờ giả thiết cũng như tham số của hàm đầu ra trong mỗi luật theo hai cách sau:
1. Xây dựng tham số của các tập mờ giả thiết và của hàm đầu ra theo hai giai đoạn riêng biệt. Đầu tiên, ta xây dựng các tập mờ giả thiết sử dụng phương pháp gom nhóm mờ đã được trình bày ở chương 4. Dựa vào các tập mờ giả thiết vừa được xây dựng, sử dụng tập dữ liệu huấn luyện để điều chỉnh tối ưu các tham số của hàm đầu ra k
i
c .
2. Xác định trước dạng hàm thuộc sơ cấp sử dụng trong mô hình. Sử dụng tập dữ liệu huấn luyện để điều chỉnh tối ưu cả các tham số của tập mờ giả thiết và tham số của hàm đầu ra trong mỗi luật.
Ưu điểm của các thứ hai là kết quảđầu ra của mô hình là tốt hơn do cả tập mờ giả thiết và hàm đầu ra đều được điều chỉnh để tối ưu sai số. Tuy nhiên, chính vì quá trình huấn luyện điều chỉnh cả tham số của tập mờ giả thiết mà hàm đầu ra nên thời gian huấn luyện mô hình chậm. Cách thứ nhất kết hợp giữa thuật toán gom nhóm mờ để xây dựng tập mờ giả thiết nên giúp đơn giản hóa quá trình tối ưu mô hình. Do đó, xây dựng mô hình theo cách thứ nhất nhanh hơn sử dụng cách thứ hai tuy nhiên sai số không tốt bằng. Vì vậy, tùy thuộc vào yêu cầu cụ thể của bài toán mà ta có thể chọn một trong hai cách để xây dựng mô hình mờ.
Tiếp theo sẽ trình bày phương pháp xác định tham số của mô hình mờ theo hai cách trên.