5. Bố cục của luận án
2.1.2Khái quát về cấu trúc mạng nơron
Mạng nơron có thể thực hiện các bài toán nhận mẫu, tối ƣu, nhận dạng và điều khiển cho các đối tƣợng tuyến tính và phi tuyến đạt hiệu quả cao hơn so với các phƣơng pháp truyền thống. Mạng nơron bao gồm sự liên kết của nhiều nơron. Đầu ra của mỗi nơron kết nối với các nơron khác thông qua các trọng số, hoặc tự phản hồi trở về đầu vào của chính nó. Cấu trúc của mạng nơron là kiểu kết nối hình
Hệ thống phi tuyến … … … … U X Z F
học của mỗi nơron liên kết trong mạng, đây là một đặc điểm quan trọng của từng mạng nơron, dựa vào đó tiến hành phân loại chúng [3]. Hình 2.3 mô tả một số mạng nơron thƣờng gặp.
Hình 2.3. Cấu trúc của một số mạng nơron thường gặp
(a). Mạng nơron truyền thẳng một lớp; (b). Mạng nơron truyền thẳng nhiều lớp; (c). Mạng nơron chỉ có một nơron tự hồi quy; (d). Mạng nơron hồi quy một lớp;
(e). Mạng có cấu trúc ngang – hạn chế; (f). Mạng nơron hồi quy nhiều lớp.
Qua cấu trúc sáu mạng nơron ở trên, ta thấy mạng nơron truyền thẳng một lớp có cấu trúc đơn giản nhất, còn các mạng nơron có cấu trúc nhiều lớp và có phản
hồi thì kỹ thuật thực hiện sẽ phức tạp hơn, số bƣớc tính toán lặp lớn, dẫn đến gia tăng sai số và thời gian xử lý kéo dài [41], [51]. Đặc biệt với việc sử dụng mạng nơron RBF ta có đƣợc cấu trúc hệ thống nhận dạng đơn giản (truyền thẳng một lớp) mà vẫn đảm bảo đƣợc tính ƣu việt là có khả năng xấp xỉ hầu hết các hàm phi tuyến với độ chính xác bất kỳ nhỏ thua một giá trị cho trƣớc bé tùy ý [35], [64]. Do đó trong luận án này ta lựa chọn phƣơng pháp sử dụng mạng nơron RBF làm cơ sở nhận dạng.