Kết quả nhận dạng mơ hình ngược tương tự như mơ hình thuận, được huấn luyện trên tập dữ liệu gồm 2000 mẫu, thực hiện 10 lần thí nghiệm huấn luyện đánh giá để cho được kết quả khách quan. Hình 3.25 thể hiện kết quả huấn luyện 10 lần. Hình 3.26 thể hiện kết quả đánh giá 10 lần trên một tập dữ liệu khác. Sai số đánh giá và sai số khi huấn luyện khác nhau khơng đáng kể.
Hình 3.27 thể hiện hàm mục tiêu khi huấn luyện mơ hình ngược trong 10 lần thí nghiệm và kết quả trung bình của 10 lần thí nghiệm đó. Các trục x và y theo thang logarit.
3.4. HUẤN LUYỆN GHÉP TẦNG MƠ HÌNH FUZZY NHIỀU LỚP ỨNG DỤNG NHẬN DẠNG HỆ PHI TUYẾN ĐA BIẾN NHẬN DẠNG HỆ PHI TUYẾN ĐA BIẾN
3.4.1. nhận dạng tham số mơ hình Fuzzy nhiều lớp bằng phương pháp ghép tầng
Luận án này đề xuất một cách huấn luyện ghép tầng áp dụng cho nhận dạng tham số mơ hình Fuzzy nhiều lớp nhằm giảm chi phí tính tốn và tăng độ chính xác khi sử dụng cùng với các giải thuật tối ưu như DE, GA, PSO, …để xấp xỉ các hàm phi tuyến.
46
Sơ đồ khối quá trình huấn luyện ghép tầng được thể hiện ở Hình 3.28. Trong đó mơ hình đầu tiên được huấn luyện trước, sau đó các mơ hình mới được tạo ra và thêm vào kết hợp với mơ hình đầu tiên. Chỉ có mơ hình mới được thêm vào được huấn luyện trong khi các mơ hình trước đó giữ ngun giá trị khơng thay đổi. Mơ hình Fuzzy T-S có thể được thêm vào lớp ẩn, và có thể mở rộng qui mơ đối với các hệ phức tạp. Quá trình huấn luyện thêm vào tới khi nào giá trị hàm mục tiêu đạt tới được giá trị mong muốn.
First training second training n-th training
Fuzzy T-S Fuzzy T-S Fuzzy T-S sum output MISO Fuzzy T-S Fuzzy T-S sum output Core Core New Fuzzy T-S Fuzzy T-S Fuzzy T-S sum output Core New Fuzzy T-S ... ... ...