6. Bố cục của luận án
2.6. Tiểu kết Chương 2
Trong chương này Luận án đã nghiên cứu một hướng tiếp cận tích hợp tri thức tiên nghiệm với việc học mơ hình mờ để có thể trích xuất được hệ thống mờ tốt hơn từ dữ liệu huấn luyện. Với các kịch bản khác nhau của việc học mơ hình có sự kết hợp của tri thức tên nghiệm, chúng ta có thể xây dựng các mơ hình mờ hướng dữ liệu trong đó có sự tích hợp các kiểu tri thức tiên nghiệm để cải tiến hiệu quả của mơ hình. Cụ thể trong trường hợp trích xuất mơ hình mờ TSK từ máy học véc-tơ hỗ trợ hồi quy, các tri thức tiên nghiệm về cấu trúc mơ hình (số lượng và phân bố các hàm thành viên) đã được tích hợp trong q trình học mơ hình thơng qua thuật tốn SVM-IF.
Với những kết quả thực nghiệm mơ hình sử dụng thuật tốn SVM-IF trên một số ví dụ cụ thể, kết hợp so sánh với các kết quả thực nghiệm trên các mơ hình khác, như ANFIS, SVM và f-SVM đã chứng tỏ được tính khả thi và hiệu quả của việc tích hợp tri thức tiên nghiệm cải tiến hiệu quả mơ hình mờ hướng dữ liệu.
Với tập luật mờ trích xuất được bằng cách sử dụng thuật tốn SVM-IF đề xuất có số lượng hạn chế, đã được tối ưu hóa phân bố, đảm bảo tính “có thể diễn dịch được”, những chuyên gia trong lĩnh vực ứng dụng cụ thể dễ dàng diễn dịch ngữ nghĩa cho các luật này. Trên cơ sở phân tích ngữ nghĩa các tập luật mờ trích xuất từ dữ liệu, các chuyên gia trong lĩnh vực dự báo có thể điều chỉnh loại bỏ các luật không phù hợp, bổ sung các luật chuyên gia thích hợp để tăng hiệu quả dự báo của mơ hình.
Vấn đề xây dựng mơ hình dự báo sử dụng thuật tốn trích xuất mơ hình mờ từ dữ liệu ứng dụng cho một bài tốn dự báo trong thực tế sẽ được trình bày ở chương tiếp theo. Những vấn đề phát sinh trong bài dự báo thực tế như kích thước dữ liệu lớn, tính nhiễu của các tập dữ liệu sẽ được đề cập và giải quyết.
Chương 3. LAI GHÉP KỸ THUẬT PHÂN CỤM VỚI MƠ HÌNH MỜ HƯỚNG DỮ LIỆU
Chương này trình bày bài tốn dự báo, đặc biệt là bài toán dự báo dữ liệu chuỗi thời gian, những giải pháp cho bài toán dự báo chuỗi thời gian. Trên cơ sở giải pháp xây dựng một mơ hình lai ghép dựa trên kỹ thuật phân cụm và mơ hình mờ trích xuất từ máy học véc-tơ hỗ trợ cho bài toán dự báo dữ liệu chuỗi thời gian, Luận án trình bày thực nghiệm cho bài tốn dự báo giá cổ phiếu.