Hình 3.30. Dữ liệu đánh giá mơ hình.
3.4.3. Huấn luyện mơ hình
Sau khi có được tập dữ liệu nhận dạng và tập dữ liệu dùng đánh giá mơ hình. Giải thuật DE được dùng để tối ưu tham số mơ hình Fuzzy nhiều lớp. Trong đó mỗi ngõ ra của mơ hình nhiều lớp được mơ tả bằng mơ hình Fuzzy nhiều ngõ vào một ngõ ra (MISO). Với mơ hình bồn nước đơi như ở mục 3.2, có 2 ngõ ra là mực nước ở bồn thứ
48
2 và thứ 4, và 2 ngõ vào điều khiển động cơ bơm 1 và 2. Cho nên, mơ hình Fuzzy nhiều lớp được xây dựng gồm 2 mơ hình Fuzzy MISO. Với mỗi mơ hình MISO có 4 mơ hình Fuzzy T-S nhỏ bên trong, với 2 mơ hình ở lớp vào và 2 mơ hình ở lớp ẩn. Ngõ ra của mỗi mơ hình MISO là tổng của tất cả các mơ hình con bên trong. Điều này có ý nghĩ rằng lớp vào thể hiện sự tác động của ngõ vào so với ngõ ra, con lớp ẩn thể hiện sự tác động chéo của các ngõ vào.
Bước tiếp theo, giải thuật tối ưu như DE, GA và PSO được áp dụng để tối ưu tham số mơ hình Fuzzy MISO với phương pháp huấn luyện ghép tầng. Mơ hình MISO bao gồm 4 ngõ vào (u1[n], u2[n], x2[n-1], x2[n-2]) và một ngõ ra (x2[n]). Sau khi huấn luyện xong, mơ hình MISO sẽ được đánh giá với một tập dữ liệu khác so với tập dữ liệu dùng huấn luyện. Hàm mục tiêu được chọn theo tiêu chí trung bình bình phương sai số giữa ngõ ra thực tế và ngõ ra của mơ hình Fuzzy. Kết quả được so sánh giữa 3 giải thuật với nhau và so sánh phương pháp huấn luyện ghép tầng với cách huấn luyện thông thường.
3.4.4. Kết quả huấn luyện
Kết quả tối ưu được so sánh giữa phương pháp huấn luyện thông thường và phương pháp huấn luyện ghép tầng. Trong luận án, nghiên cứu sinh thực hiện phương pháp huấn luyện ghép tầng với 3 tầng, thực hiện với 3 thuật toán PSO, GA, và DE. Mỗi quá trình huấn luyện bao gồm 300 thế hệ. Như vậy, tổng cộng có 900 thế hệ. Các giải thuật được thực hiện trên laptop với CPU core i5-3210m.
Các tham số của mơ hình Fuzzy nhiều lớp được nhận dạng với phương pháp ghép tầng được so sánh với phương pháp huấn luyện thông thường. Với cùng số lượng các tham số và số thế hệ bằng với tổng số thế hệ của phương pháp huấn luyện ghép tầng.
Các tham số của giải thuật tối ưu được thể hiện ở Bảng 3.2. Trong đó các tham số c1,
c2 là hệ số huấn luyện và w là hệ số quên của giải thuật PSO. Trong giải thuật GA
tham số CP là hệ số lai ghép và MP là hệ số đột biến. Các tham số được chọn theo
phương pháp thử-sai, có thể không phải là tốt nhất nhưng phù hợp trong bài toán so sánh kiểm chứng chất lượng của giải thuật nhận dạng ghép tầng được đề xuất.
49
Bảng 3.2. Tham số của các giải thuật tối ưu.
PSO GA DE
c1 0.001 CP 0.9 f 0.4
c2 0.05 MP 0.01 cr 0.7
w 0.8
Hình 3.31 cho thấy kết quả huấn luyện và kết quả đánh giá của lần huấn luyện ghép tầng đầu tiên. Trong lần đầu tiên huấn luyện, chỉ có 2 mơ hình Fuzzy T-S được tạo ra và huấn luyện với tổng số 42 biến. Hình 3.32 cịn cho thấy kết quả so sánh giá trị hàm mục tiêu lần huấn luyện ghép tầng đầu tiên của 3 giải thuật GA, PSO và DE. Trong lần huấn luyện ghép tầng đầu tiên, giải thuật DE cho kết quả tốt nhất trong 3 giải thuật được sử dụng.