5. ðiều khiển mờ trượt
1.3.2. Phân loại mạng nơron nhân tạo:
Các loại mạng cĩ thể được phân loại dựa trên các tính chất của nĩ:
• Theo số lớp:
o Mạng một lớp (mạng đơn nơ-ron): mạng chỉ gồm 1 nơ-ron
o Mạng truyền thẳng (mạng nuơi tiến): các tín hiệu trong mạng chỉ truyền theo một chiều từ ngõ vào đến ngõ ra.
o Mạng hồi quy (mạng nuơi lùi): các tín hiệu hồi tiếp từ ngõ ra trở về ngõ vào.
Mạng truyền thẳng 1 lớp Mạng hồi quy 1 lớp
Mạng truyền thẳng nhiều lớp
Lớp vào Lớp bị che Lớp ra
Mạng hồi quy nhiều lớp 1.3.3. Các phương pháp huấn luyện mạng nơ-ron:
x1 x2
y
Cĩ hai kiểu học:
Học thơng số (Parameter Learning): dùng để cập nhật các trọng số liên kết giữa các tế bào nơ-ron và ngưỡng phân cực trong mạng. Học cấu trúc (Structure Learning): dùng để thay đổi cấu trúc mạng
bao gồm cả tế bào nơ-ron và cách liên kết giữa chúng.
Ta cĩ thể sử dụng riêng rẽ hay đồng thời cả hai kiểu học trên. Tuy nhiên, ở đây ta chỉ đề cập đến kiểu học thơng số. Cĩ 3 luật học thơng số:
Luật học cĩ giám sát:
Cho tập các dữ liệu vào – ra: {x1, d1} , {x2, d2} , … ,{xQ, dQ}
Ban đầu các trọng số của mạng được chọn bất kỳ. Khi cĩ ngõ vào mạng xq , ngõ ra của mạng yq được so sánh với ngõ ra mục tiêu dq. Luật học dựa vào sai số eq = dq – yq hiệu chỉnh trọng số và ngưỡng phân cực của mạng để đưa ngõ ra về gần với mục tiêu.
Luật học củng cố: khơng như học cĩ giám sát được cung cấp mục tiêu trước (mỗi tín hiệu ngõ vào sẽ cĩ một tín hiệu ra tương ứng), luật học củng cố chỉ được cung cấp theo mức (Ví dụ: “đúng” hoặc “sai”). Bởi vì trong thực tế khơng phải lúc nào ta cũng cĩ đầy đủ thơng tin về đối tượng. Vì vậy, kiểu học củng cố sẽ thích hợp nhất cho những ứng dụng điều khiển hệ thống.
Luật học khơng cĩ giám sát: trọng số và ngưỡng phân cực chỉ được
hiệu chỉnh đối với ngõ vào. Khơng cĩ mục tiêu ngõ ra được đặt trước. Cĩ vẻ như điều này thiếu thực tế, vì làm sao huấn luyện được mạng nếu khơng biết nĩ sẽ làm gì? Hầu hết những thuật tốn này sẽ tự phát hiện các đặc điểm, các mối tương quan giữa các mẫu dữ liệu vào và mã hĩa thành dữ liệu ra. ðiều này rất hữu ích trong những ứng dụng như lượng tử hố vector.