CHƢƠNG 5 : BÀI TOÁN XẤP XỈ HÀM TRONG KHÍ TƢỢNG THỦY VĂN
5.2. Một vài phƣơng pháp áp dụng
5.2.1. Phƣơng pháp địa phƣơng
Các phƣơng pháp địa phƣơng thƣờng lƣu lại các mẫu (các điểm đã biết). Các mẫu này đƣợc lƣu lại cho đến khi một tập mẫu mới cần đƣợc phân lớp. Mỗi lần bắt gặp một phân lớp mẫu mới, mối quan hệ với các mẫu đã đƣợc lƣu trữ trƣớc đây lại đƣợc kiểm tra để gán cho hàm mục tiêu một giá trị tƣơng ứng với trƣờng hợp mẫu mới này.
Các phƣơng pháp địa phƣơng có thuận lợi là thay vì chỉ ƣớc lƣợng hàm mục tiêu một lần cho toàn bộ không gian mẫu, thì các phƣơng pháp này có thể ƣớc lƣợng hàm mục tiêu một cách cục bộ cho mỗi tập mẫu mới đƣợc phân lớp.
Tuy nhiên các phƣơng pháp địa phƣơng cũng có những hạn chế. Hầu hết các tính toán đều xảy ra ở lúc phân lớp hơn là khi lần đầu tiên bắt gặp các mẫu huấn luyện, điều này khiến cho chi phí tính toán cao và đôi khi không đáp ứng kịp với yêu cầu đặt ra (nhƣ yêu cầu về thời gian). Hạn chế tiếp theo là các phƣơng pháp địa phƣơng xem xét điển hình mọi thuộc tính của các ví dụ khi cố gắng tìm ra các ví dụ huấn luyện tƣơng tự đã đƣợc lƣu trữ. Nếu khái niệm mục tiêu chỉ dựa trên một vài trong nhiều thuộc tính có giá trị thì các ví dụ mà thật sự tƣơng tự có thể cách nhau một khoảng cách lớn.
5.2.2. Mạng MLP
Mạng MLP có ƣu điểm là với số nơron tầng ẩn thích hợp, có thể xấp xỉ hàm tùy ý với sai số trung bình bình phƣơng < cho trƣớc. Tuy nhiên mạng MLP khi
đƣa vào bài toán này có hạn chế là thời gian huấn luyện lâu (trong trƣờng hợp số lƣợng mốc huấn luyện lớn và cần đƣa ra kết quả nhanh thì MLP khó đáp ứng đƣợc). Trong kiến trúc mạng MLP, số nơron tầng ẩn chƣa tìm đƣợc phƣơng pháp phù hợp để xác định, kết quả nội suy phụ thuộc nhiều vào giá trị khởi tạo ban đầu.
5.2.3. Dùng RBF và phƣơng pháp lặp
Đề tài trình bày một phƣơng pháp tiếp cận, giải quyết bài toán nội suy đƣa ra ở trên thông qua mạng nơron RBF. Mạng nơron RBF này đƣợc cải tiến, tối ƣu tốc độ hội tụ và độ sai số bằng đề xuất “Thuật toán học lặp cho mạng RBF”.
Mạng RBF đề xuất đƣợc huấn luyện bằng một thuật toán 2 pha với hàm cơ sở bán kính dạng Gauss. Trong pha thứ nhất, tham số ảnh hƣởng của hàm cơ sở bán kính đƣợc xác với sự cân đối giữa đặc tính tổng quát hóa và tốc độ hội tụ của pha sau. Tiếp theo, các trọng số tầng ra đƣợc xác định nhờ tìm điểm bất động của ánh xạ co. Nhờ ƣu điểm của ánh xạ co, thuật toán có thời gian chạy nhanh, dễ ƣớc lƣợng sai số và song song hóa. Thực nghiệm cho kết quả tốt kể cả khi số mốc nội suy lớn.
Mạng RBF này đƣợc trình bày trong Chƣơng 3 của đề tài. Trong chƣơng tiếp theo, đề tài giới thiệu một chƣơng trình máy tính để kiểm tra hoạt động của mạng RBF đƣợc xây dựng theo đề xuất ở trên và đƣợc áp dụng cho bài toán nội suy mốc quan trắc đƣợc phát biểu trong chƣơng hiện tại.