Song song với việc biến đổi để tạo ra các cấu trúc mạng mới, em đã thử dụng cấu trục một mạng nơ-ron mờ phổ biến là ANFIS, cài đặt và tối ưu hóa tham số để thử nghiệm cho bài toán được đưa ra
Mạng học sâu ANFIS
Mạng học sâu ANFIS (Hệ suy diễn mờ nơ-ron thích nghi - Adaptive neuro-fuzzy inference system) là một trong nhưng mạng kết hợp giữa mờ và mạng nơ-ron phổ biến nhất [12] [57] . Cấu trúc của mạng được kế thừa từ một mạng truyền thẳng nhiều lớp. Hình 2.2 miêu tả một mô hình gồm 2 đầu vào, 4 luật và một đầu ra [12]
Trong đó, lớp đầu tiên của mạng được dựa theo hệ suy diễn Sugeno [12], với 4 luật được định nghĩa như sau :
• Luật 1: Nếu xlàA1 và y làB1 thì f11 = p11x+q11y+r11
• Luật 2: Nếu xlàA1 và y làB2 thì f12 = p12x+q12y+r12
• Luật 3: Nếu xlàA2 và y làB1 thì f21 = p21x+q21y+r21
• Luật 4: Nếu xlàA2 và y làB2 thì f22 = p22x+q22y+r22
Trong đó A1,A2,B1,B2 là các hàm thuộc của hai biến đầu vào x và y, tương tự pi j,qi j,ri j là các chuỗi tham số tương ứng [12]
Hình 2.2: Mô hình mạng ANFIS [12]
Mô hình mạng ANFIS bao gồm 5 lớp, chi tiết các lớp được mô tả như sau:
Lớp 1: Tất cả các nút mạng trong lớp 1 là các lớp mờ, đánh giá đầu vào dựa trên các hàm thuộc, đầu ra của lớp 1 bao gồm:
O1Ai(x),i=1,2 O1 (y), j=1,2 (2.6)
Lớp 2: Lớp 2 có nhiệm vụ định hình và tính toán tham số dựa trên các hàm thành phần nhận được, công thức biểu diễn của lớp này là:
O2j =W=µAi(x)µBj(y)i, j=1,2 (2.7)
Lớp 3:Lớp 3 thực hiện chuẩn hóa các dữ liệu đầu vào với công thức tổng:
O3j =W= Wi j
W11+W11+W21+W22i,j=1,2 (2.8)
Lớp 4: Mỗi nút trong lớp này thực hiện nhân trọng số với bộ hàm xác định thông qua lớp mờ, công thức cụ thể như sau:
O4j =Wi jfi jWi j(pi jx+qi jy+ri j),i,j =1,2 (2.9)
Lớp 5: Nút cuối cùng của mạng thực hiện tính tổng toàn bộ các thành phần mạng thông qua tổ hợp tuyến tính, trả về tín hiệu đầu ra :
z=O51 = 2 ∑ i=1 2 ∑ j=1 Wi jfi j (2.10) Kiến trúc mạng ANFIS được cấu tạo chứa 2 lớp mờ, lớp 1 và lớp 4. Lớp 1 có các tham số phụ thuộc vào hàm thuộc, Trong khi lớp 4 tính toán các tham số suy diễn từ bộ luật Sugeno [12]. Trong luận văn này, cấu trúc mạng được giữ nguyên từ mô hình lý thuyết. Trong quá trình thực nghiệm, hàm thuộc Gauss được em sử dụng để mờ hóa dữ liệu đầu vào. Khác với mạng mô hình học sâu khác, mô hình ANFIS không nhận đầu vào là chuỗi thời gian, mà nhận các vectơ tuyến tính tìm giá trị đầu vào. Đầu vào của mạng được tiền xử lý giống với phương pháp hồi quy tuyến tính, chứa các thuộc tính tại các thời điểmT −12, T −13, T−1,T −2.