Rút ra những thông số giả thiết

Một phần của tài liệu Luận văn thạc sĩ mạng điều khiển fuzzy và neural (Trang 81 - 82)

J TT (3.21) với là m ột ngưỡng nhỏ nào đó Theo cách này sẽ đạt được K v ùng siêu hình

3.5.2 Rút ra những thông số giả thiết

Bất kể ứng dụng thuật toán nào, hai loại thông tin được cung cấp sau quá trình phân chia không gian ngõ vào: số lượng không gian con K,ví dụ. số lượng luật

mờ và với mỗi không gian con, một véctơ mẩu ck thể hiện tâm của không gian

con này. Mỗi không gian con này được đề cập đến như là một tập mờ nhiều

chiều thể hiện tiền đề của một luật mờ. Vì thế, việc tính những thông số giả

thiết của một luật phụ thuộc vào tâm và độ rộng của không gian con tương ứng

(siêu hình chữ nhật, nhóm hình cầu, nhóm elip). Từ không gian con thứ k, một

luật mờ được nhận với những thông số giả thiết được định nghĩa theo cách sau:

 Véctơ ck của tâm của những hàm liên thuộc Gauss ikđồng nhất với tâm

ck =(c1k,…,cnk) của không gian con thứ k;

 độ rộng  aik của những hàm Gauss được định nghĩa theo cách khác, phụ

thuộc vào thuật toán phân chia. Với phân chia cây k-d, độ rộng aik được

gán cho nữa chiều dài của siêu hình chữ nhật thứ k dọc theo chiều i. Với

thuật toán nhóm hình cầu độ rộng đạt được dùng lý thuyết láng giềng gần

với ch là tâm nhóm gần nhất với ck và r là một khoảng thông số chồng nhau

trong khoảng [1.0,2.0]. Trong trường hợp nhóm elip, nơi mà mỗi nhóm không

trực giao với những trục ngõ vào, áp dụng lý thuyết sau:

với Nk là số điểm dữ liệu thuộc về nhòm thứ k.

Hình 3.5 thể hiện việc nhận những thông số giả thiết cho mỗi thuật toán đã đề

cập.

Hình 3.5. Phân chia không gian ngõ vào và nhận những thông số hàm liên thuộc trong trường hợp thuật toán cây k-d (a), nhóm hình cầu (b) và nhóm elip (c).

Một phần của tài liệu Luận văn thạc sĩ mạng điều khiển fuzzy và neural (Trang 81 - 82)

Tải bản đầy đủ (PDF)

(150 trang)