3. ðột biến (Mutation)
1.5.1 Kết hợp mạng nơ-ron nhân tạo và logic mờ (neuro-fuzzy)
Những ưu nhược điểm của mạng nơron và điều khiển mờ:
Tính chất Mạng Nơron Bộ điều khiển mờ Thể hiện tri thức Thơng qua trọng số được
thể hiện ẩn trong mạng
ðược thể hiện ngay tại luật hợp thành
Nguồn của tri thức Từ các mẫu học Từ kinh nghiệm chuyên gia
Xử lý thơng tin
khơng chắc chắn ðịnh lượng
ðịnh lượng và định tính
Lưu giữ tri thức
Trong nơron và trọng số của từng đường ghép nối
nơron
Trong luật hợp thành và hàm thuộc
Khả năng cập nhật và nâng cao kiến
thức Thơng qua quá trình học Khơng cĩ Tính nhạy cảm với
những thay đổi của
Mạng nơ-ron cĩ khuyết điểm lớn là tính chất “hộp đen” của nĩ. Dữ liệu được đưa vào mạng, quá trình tính tốn xảy ra và cho kết quả ở ngõ ra. Tuy vậy, ta khơng biết một cách chính xác chuyện gì đã xảy ra.
Logic mờ thì ngược lại, các tập luật của chúng rất gần gũi với tri thức con
người. Tuy nhiên, logic mờ lại khơng cĩ được khả năng tự học của mạng nơ-ron. Các luật mờ và hàm liên thuộc chỉ cĩ thể được điều chỉnh bằng tay. Vì thế, sự kết hợp mạng nơron và điều khiển mờ đã vơ hình chung xĩa bỏ những khuyết điểm của chúng, tạo ra bộ điều khiển mờ - nơron cĩ ưu điểm vượt trội.
Hệ thống nơ-ron mờ sử dụng thuật tốn học của mạng nơ-ron nhiều lớp để chỉnh định thơng số và cấu trúc của bộ mờ. ðiều này cĩ nghĩa là bộ mờ cĩ thể tự xây dựng chính nĩ (khơng cần kiến thức chuyên gia về đối tượng mà nĩ mơ hình hĩa) khi được cung cấp những tập mẫu dữ liệu giàu thơng tin. Cấu trúc xây dựng xong cĩ thể dễ dàng “biên dịch” sang ngơn ngữ luật gần gũi với con người.
ðây là sự kết hợp đầy hiệu quả trong kỹ thuật tính tốn mềm