3 Một số ứng dụng của mạng mờ tự mã hóa
1.12 Mô phỏng hàm thuộc Gauss
Trong đó c là kỳ vọng và σ là phương sai của bộ dữ liệu. Hàm này còn được gọi là hàm thuộc Gauss trong logic mờ. Đồ thị của hàm được biểu diễn dưới dạng phân phối chuẩn, tập trung ở giữa đoạn và giảm dần sang 2 bên theo đúng luật của phân phối chuẩn
Trong quá trình khai phá dữ liệu, các hàm mờ đóng vai trò tiền xử lý dữ liệu, chuyển đổi đầu vào từ dạng mờ thành dạng có ý nghĩa hơn để máy tính xử lý, với kỳ vọng thu được kết quả chính xác hơn
1.4.3 Luật mờ và hệ suy diễn mờ
Luật mờ
Luật kéo theo mờ, hay luật suy diễn mờ, có dạng "Nếu A thì B", với A và B là 2 thuộc tính mờ có thể mờ hóa bằng các phương pháp mờ. Luật mờ thường được ứng dụng trong các hệ hỗ trợ, giúp cho con người đưa ra quyết định trong một số tình huống thường là bất biến, ví dụ như "Nếu mức lũ là cao và cấp hồ chứa là trung bình thì lượng xả là cao" [3]
Một dạng khác của luật suy diễn mờ, được đề xuất bởi Takagi và Sugeno [49][50], là sử dụng các công thức toán học tường minh làm đầu ra cho đầu vào mờ. Nghĩa là chuyển các tập mờ đầu vào cho các công thức tường minh tương ứng để thực hiện những tính toán tiếp theo. Ví dụ như: "Nếu vận tốc cao thì Lực = k(vận tốc)2. Hệ mờ, được định nghĩa bao gồm một tập nhiều mờ, có thể có hoặc không liên kết với nhau, là tiền đề hình thành cơ sở tri thức mờ. Một kho dữ liệu cho phép con người tìm kiếm và trích rút các luật mờ
Hệ suy diễn mờ
Hệ suy diễn mờ tương tác với cơ sở tri thức mờ, là nơi mờ hóa yêu cầu, trả về kết quả luật mong muốn dưới dạng có thể hiểu được cho con người, cấu trúc cơ bản của một hệ suy diễn mờ bao gồm [24]: