Từ những nghiên cứu về nơron sinh vật ta có thể xây dựng mô hình nơron nhân tạo nhưhình 2.7.
2.5 Một số ứng dụng mạng nơron nhân tạo
+ Mạng nơron nhân tạo có khả năng nhận dạng (ảnh, vật thể, tiếng nói...), xử lý thông tin có nhiễu, không đầy đủ, không chắc chắn, mờ [TL7], [TL18].
+ Mạng nơron có khả năng xử lý song song với tốc độ xử lý nhanh do vậy nó là công cụ mới đầy hứa hẹn trong khoa học tính toán, nhận dạng, điều khiển tự động cũng như nhiều lĩnh vực khác. Các hệ thống sử dụng nó có thể tăng tốc độ xử lý và tính toán theo thời gian thực [TL18].
+ Mạng nơron nhân tạo có khả năng học thích nghi, nó sẽ thích ứng với quá trình tự chỉnh trong quá trình điều khiển tự động.
51
+ Mạng nơron có khả năng tổng quát hoá do đó có thể áp dụng để dự báo lỗi hệ thống tránh được những sự cố đáng tiếc mà các hệ thống điều khiển có thể gây ra [TL5], [TL7].
+ Mạng nơron có thể phối hợp cả nhận dạng và điều khiển đối tượng do đó nó có thể được thực hiện như một bộ điều khiển thích nghi.
Việc nghiên cứu để đưa mạng nơron nhân tạo áp dụng vào quá trình điều khiển tự động đã được nhiều nhà khoa học thực hiện và đã đưa ra được nhiều kết quả quan trọng.
+ Theo Hunt (1992) thì mạng Hopfield có thể dùng làm bộ điều khiển cho hệ thống học tuyến tính [TL15]. Trong trường hợp này người ta dùng các phần tử của cấu trúc nơron thay đổi được để xây dựng bộ điều khiển. Bộ điều khiển đưa ra chứa đựng sự thích nghi và đạt độ bền tốt.
+ Theo Chu thì mạng Hopfield có thể dùng làm một phần của cơ chế thích nghi trong nhận dạng hệ tuyến tính. Trong trường hợp này, mạng tham gia vào vòng thích nghi và được dùng để tối thiểu tốc độ sai số bình phương tức thời của tất cả các trạng thái. Các đầu ra của mạng được dùng để thể hiện các tham số của mô hình đối tượng dạng tuyến tính có tham số thay đổi theo thời gian hoặc tham số bất biến.
+ Chang, Zhang và Sami cho biết mạng Hopfield cũng có thể kết hợp với mạng Gabor để nhận dạng hệ phi tuyến. Trong trường hợp này, mạng bao gồm ba lớp. Lớp thứ nhất gọi là bộ tạo hàm sử dụng mạng Gabor để tạo hàm phi tuyến cơ sở Gabor. Lớp thứ hai dùng mạng Hopfield để tối ưu các hệ số trọng chưa biết. Lớp thứ ba được gọi là mạng điều khiển để tính sai số ước lượng và điều khiển hoạt động của các lớp mạng thứ nhất và lớp mạng thứ hai. Hệ không yêu cầu phải ổn định tiệm cận mà chỉ cần các đầu vào-ra giới hạn và ổn định đối với các kết quả được coi là hợp lý theo miền vào-ra lớn. Thành công của phương pháp ở chỗ đã đạt được lý luận của phương pháp và cho kết quả mô phỏng.
52
+ Mạng phản hồi Hopfield được dùng để tổng hợp hệ điều khiển tuyến tính có phản hồi thông qua đặt cực. Trong trường hợp này mạng nơron có khả năng giải những bài toán quy hoạch lồi. Để thu được ma trận phản hồi trạng thái K thông qua đặt cực, người ta dùng mạng nơron phản hồi kiểu Hopfield. So với các phương pháp đặt cực truyền thống khác, phương pháp này có ưu điểm là phương pháp tổng hợp on-line và tự điều chỉnh thông qua mạng nơron phản hồi. So với phương pháp sử dụng mạng nơron khác dùng để tổng hợp hệ tuyến tính, phương pháp này có ưu điểm là tự động cả đặt cực và tối thiểu chuẩn mà không cấn huấn luyện trước. Phương pháp này sử dụng bản chất vốn dĩ về tính toán song song và phân bổ của mạng nơron phản hồi nên có thể dùng trực tiếp trong các ứng dụng theo thời gian thực. Các tác giả này đang định hướng nghiên cứu phương pháp này để đặt cực trong tổng hợp hệ phi tuyến.
+ Mạng nơron phản hồi có thể dùng làm bộ nhớ liên kết. Bộ nhớ liên kết có thể sử dụng như bộ suy diễn mờ. Như vậy có sự kết hợp giữa mạng nơron và các luật mờ tạo nên bộ điều khiển nơron mờ. Phần điều kiện trong trường hợp này có thể sử dụng mạng 'học lượng tử véc tơ'. Luật if...then... dùng bộ nhớ liên kết với mạng Hopfield hoặc mạng liên kết hai chiều.
+ Yun-Ki Lei và các đồng tác giả đã sử dụng mạng nơron truyền thẳng ba lớp lấy tín hiệu sai số để điều chỉnh tham số của PID là các hệ số Ki, Kp, Kd. Đầu vào hiệu chỉnh mạng nơron trong trường hợp này sử dụng độ lệch giữa sai số chuẩn g(t) và sai số thực của hệ điều khiển. Tuy nhiên, hệ điều khiển được xây dựng chưa được chứng minh đảm bảo ổn định.
+ Abiev (1994) cũng đã nêu sơ đồ chỉnh định trực tiếp các hệ số PID. Trong trường hợp này, mạng nơron ba lớp truyền thẳng chứa các tình huống điều khiển để đưa ra tín hiệu điều khiển cho hệ. Mạng nơron lúc đó được mô tả theo các luật mờ if...then...Phương pháp đã được áp dụng để điều khiển nhiệt độ trong công nghệ hoá dầu ở Bacu.
+ Allon Gues cũng đã nêu một phương pháp tuyến tính hóa quanh điểm cân bằng của mạng Hopfield liên tục nhằm xác định hệ số của mô hình bằng
53
cách rút ra và giải n(n+1) phương trình và bất phương trình, (trong đó n là số phần tử nơron). Phương pháp Liapunov trực tiếp sử dụng ở đây để xác định nghiệm ổn định tiệm cận cho mạng. Các vùng ổn định của mạng dùng làm các vùng điều chỉnh các tham số của bộ điều chỉnh PD. Đây là một phương pháp tổng hợp mạng kết hợp với tiêu chuẩn ổn định Liapunov để xác định các hệ số trọng của mạng liên tục cho từng phần tử nơron, mỗi nơron chỉnh một tham số của bộ PD.
+ Năm 1996, vấn đề nhận dạng tham số và điều khiển hệ servo với bộ điều chỉnh PID đã được đưa ra. Sơ đồ sử dụng mạng Hopfield liên tục để nhận dạng, sử dụng mạng Hopfield rời rạc bậc ba theo phương pháp điều khiển gián tiếp để điều chỉnh tham số của bộ điều khiển PID theo tình huống, đồng thời ứng dụng nó để điều khiển rô bốt.
+ Mạng nơron RBF, với khả năng ứng dụng trong điều khiển thích nghi phi tuyến. Trên cơ sở phân tích ưu điểm của mạng nơron RBF là khả năng sinh và diệt nơron tác giả đưa ra nhận định khả năng ứng dụng nó vào quá trình điều khiển thích nghi các hệ thống phi tuyến có cấu trúc thay đổi.
+ Mạng nơron truyền thẳng nhiều lớp với khả năng xấp xỉ các hàm phi tuyến bất kỳ với độ chính xác tuỳ ý do đó ngày càng được ứng dụng nhiều trong các bài toán điều khiển.
+ Một số tác giả đã tập trung nghiên cứu việc ứng dụng mạng nơron nhân tạo vào điều khiển rô bốt và tay máy [TL13]. Các mạng nơron phản hồi, mạng nơron truyền thẳng cũng đã được sử dụng để hiệu chỉnh tín hiệu điều khiển nhằm đạt được chế độ điều khiển tối ưu.
+ Mạng nơron đã dần được ứng dụng vào các lĩnh vực truyền thông như nhận dạng kênh, mô hình hoá kênh, mã hoá và giải mã, hiệu chỉnh kênh, phân tích phổ, lượng tử hoá véc tơ... ở đây các mạng nơron truyền thẳng, phản hồi, mạng nơron tự tổ chức được ứng dụng trong các lĩnh vực phù hợp.
54
+ Có thể sử dụng mạng nơron để làm bộ biến đổi tương tự-số. Để xác định các trọng và ngưỡng của mạng nơron ta tiến hành so sánh sai số của bộ biến đổi với hàm năng lượng của mạng Hopfield.
+ Mạng nơron được dùng để xấp xỉ các đặc tính phi tuyến của cảm biến dựa trên lý thuyết xấp xỉ hàm một hoặc nhiều biến bằng mạng nơron với độ chính xác tủy ý.
+ Ứng dụng mạng nơron trong xử lý điện não. Trong điện não đồ thì sóng điện não EEG bao gồm bốn sóng là Delta, Theta, Alpha và Beta. Để nhận dạng ra bốn loại sóng đó rồi tiến hành so sánh điện não đồ của người mắc bệnh và người không mắc bệnh giúp cho quá trình chuẩn đoán bệnh được dễ dàng. Mạng nơron có thể thực hiện được việc đó. Mạng nơron Back- propagation có trễ với hàm kích hoạt Sigmoid đã được sử dụng để nhận dạng các thông số của điện não đồ.
+ Các mạng nơron đã được nhiều tác giả nghiên cứu ứng dụng trong xử lý chữ viết, như: nhận dạng ký tự, nhận dạng chữ viết, nhận dạng tiếng nói.
+ Trong các lĩnh vực nghiên cứu về hình ảnh cũng được các tác giả sử dụng mạng nơron để xử lý hình ảnh như nhận dạng, xử lý.
2.6 Kết luận
Trong chương này chúng tôi đã trình bày các nét đặc thù điển hình của mạng nơron và khả năng hiệu chỉnh trọng của nó. Trong đó nổi bật lên mấy vấn đề sau:
+ Cơ sở nghiên cứu mạng nơron nhân tạo là quá trình phỏng cấu hình mạng của nơron sinh vật, từ cấu trúc của một nơron sinh vật đến cấu trúc mạng của nơron nhân tạo cũng như quá trình học.
+ Cấu trúc cơ bản của mạng nơron nhân tạo đã được nêu làm sáng tỏ nguyên lý hoạt động của mạng. Một số cấu trúc mạng truyền thẳng, mạng phản hồi cũng được giới thiệu làm cơ sở cho các nghiên cứu và lựa chọn cấu trúc mạng cho đề tài của luận văn.
55
+ Nguyên lý xấp xỉ theo quan điểm lý thuyết đối với mạng nơron và một số luật học cơ bản cũng được nêu ra cho cách chỉnh trọng của mạng nơron.
Từ những phân tích trên chúng tôi đề ra vấn đề nghiên cứu ứng dụng mạng nơron:
- Để khắc độ tự động thiết bị đo và cảm biến - Xử lý số liệu đo để xác định giá trị thực
- Chỉnh định đường đặc tính của thiết bị đo và cảm biến nằm trong giới hạn sai số cho phép.
56
Chương 3