VÀ NHỮNG ỨNG DỤNG CỦA CHÚNG TRONG ĐIỀU KHIỂN QUÁ TRÌNH
2.7.4.4 Nhận dạng cấu trúc
Trước khi những thông số luật mờ được tối ưu, cấu trúc của cơ sở luật mờ
cần phải được định nghĩa. Điều này gồm có xác định số lượng luật và tính chất
của không gian dữ liệu, ví dụ số lượng tập mờ được dùng để phân chia mỗi
biến. Trong những hệ thống dựa trên luật mờ, như trong bất kỳ mỹ thuật mô
hình hoá khác, có một sự cân bằng giữa độ chính xác và độ phức tạp. Càng nhiều luật, càng tốt hơn sự xấp xỉ ánh xạ phi tuyến mà có thể đạt được bởi hệ
mờ, nhưng cũng có nhiều thông số hơn cần phải tính toán, vì thế chi phí và độ
phức tạp sẽ tăng lên. Một phương pháp hữu dụng để nhận dạng cấu trúc là thực
hiện tìm kiếm từng bước xuyên qua không gian mô hình mờ. Và một lần nữa,
những chiến lược tìm kiếm này sẽ thuộc một trong hai nhóm sau: chọn lựa theo
chiều thuận(forward selection) và loại bỏ theo chiều lùi(backward elimination).
Chọn lựa theo chiều thuận. Bắt đầu từ một cơ sở luật rất đơn giản,
những luật mờ mới được thêm vào hay mật độ của những tập mờ tăng
dần. Một ví dụ của những kỹ thuật như thế được cho trong (Royas I. et
al., 2000).
Loại bỏ theo chiều lùi. Một cơ sở luật mờ ban đầu, được xây dựng từ
một kiến thức ưu tiên hay bằng cách học từ dữ liệu, được giảm dần, cho đến khi điểm cực tiểu của hàm lỗi được tìm thấy. Vài thuật toán lược bớt đã hổ trợ việc giảm số lượng luật trong khi vẫn duy trì hiệu suất ban đầu được đề xuất trong (Shann J.J. and Fu H., 1995; Castellano G. and Fanelli
A.M.,1996; Chao C.T. et al., 1996; Yen J. and Wang L., 1999; Pal N.R. and Pal T., 1999; Wang X. and Hong J., 1999; Nauck D., 2000). Cấu trúc
của những luật mờ cũng có thể được tối ưu bằng GA để mà đạt được cơ
sở luật mờ chặt (Ishibuchi H. et al., 1995).
Những thuật toán được đề nghị trong (Wu S. and Er M.J., 2000) là một ví dụ
của thích nghi cấu trúc trong những hệ neuro-mờ. Những luật được tuyển và loại bỏ tuỳ thuộc vào tầm quan trọng của chúng đối với hiệu suất hệ thống, để
mà cấu trúc tinh giản nhất với hiệu suất cao được chọn. Sự điều chỉnh cũng có
thể được chọn để tìm cấu trúc tối ưu của những mô hình mở TS trong (Johansen
T.A., 1996).
Khi những luật mờ ban đầu được tạo bằng cách hướng cụm, số lượng cụm
(số luật) nên được chỉ định trước khi nhóm. Nếu không có kiến thức ưu tiên nào đề xuất số lượng cụm, một chương trình tự động có thể được ứng dụng. Ví dụ,
số lượng cụm có thể được tìm thấy bằng cách tính giá trị đã cho, ví dụ một tiêu chuẩn để đánh giá chất lượng của các cụm và chọn số lượng cụm mà tối thiểu
(tối da) những giá trị đã cho. Một phương pháp khác là kết hợp cụm, phương
pháp này bắt đầu với số lượng lớn những cụm và giảm chúng lần lượt bằng
cách kết hợp những cụm tương thích cho đến khi đạt được vài ngưỡng và không có thêm cụm nào có thể kết hợp (Krishnapuram R. and Freg C.-P., 1992; Kaymak U. and Babuska R., 1995).