tailieunhanh - Kỹ thuật điều khiển hệ mờ & nơron: Phần 2

Nối tiếp phần 1, phần 2 của tài liệu "Hệ mờ & nơron trong kỹ thuật điều khiển" tiếp tục trình bày các nội dung chính sau: Mạng Perceptrons; Mạng tuyến tính; Hệ mờ-nơron; Thông tin thêm về ANFIS và bộ soạn thảo ANFIS EDITOR GUI. Mời các bạn cùng tham khảo để nắm nội dung chi tiết. | Chương 4 MẠNG PERCEPTRONS . MỞ ĐẨU Chương này với mục tiêu đầu tiên là Giới thiệu về các luật học các phương pháp để diễn giải những sự thay đổi tiếp theo mà nó có thể được làm trong một mạng vì sự huấn luyện là một thủ tục mà nhờ đó mạng được điều chỉnh để làm một công việc đặc biệt. Tiếp theo đó ta tìm hiểu về các hàm công cụ để thiết lập mạng Perceptron đơn giản đồng thời chúng ta cũng khảo sát các hàm để khởi tạo và mô phỏng các mạng tương tự. Ta sử dụng mạng Perceptron như là một phương tiện biểu lộ của các khái niệm cơ bản. Rosenblatt đã thiết lập nhiều biến thể của mạng perceptron. Một trong các dạng đơn giản nhất là mạng lớp đơn mà hàm trọng và độ dốc của nó có thể được huấn luyện để đưa ra một véc tơ đích chính xác khi có véc tơ vào tương ứng được gửi tới. Kỹ thuật huấn luyện được gọi là luật học perceptron. Perceptron làm phát sinh nhiều cơ hội quan trọng cho khả năng khái quát hoá từ các véc tơ huấn luyện chúng và sự học từ điều kiện đầu phân bổ các mối quan hệ một cách ngẫu nhiên. Perceptron đặc biệt phù hợp cho những vấn đề đơn giản trong phân loại sản phẩm. Chung là những mạng nhanh và tin cậy cho những vấn đề chúng có thể giải quyết. Hơn nữa sự thông hiểu hoạt động của Perceptron sẽ tạo cơ sở cho sự hiểu biết các mạng phức tạp hơn. Trong chương này ta sẽ định nghĩa luật học giải thích mạng Perceptron và luật học của nó làm thế nào để khởi tạo và mô phỏng mạng Perceptron. Các vấn đề nêu ra ở đây chỉ là những vấn đề tóm lược cơ bản để hiểu sâu hơn ta cần đọc trong 10 . . Mô hình nơron perceptron Một nơron Perceptron sử dụng hàm chuyển hardlim được chỉ ra trên hình . Mỗi đầu pi có hàm trọng với trọng liên kết wlj và tổng các đầu vào kể cả độ dốc b là n wl j b được gửi đển hàm chuyển bước nhảy hard-limit Hình . Đầu ra của nơron perceptron có giá trị 1 nếu n lớn hơn hoặc bằng 0 và có giá trị bằng 0 nếu n nhỏ hơn không 98 Hình b. Nơron với R đầu vào a Mô hình nơron b Hàm chuyển bước nhảy Với hàm chuyển hard-limit cho phép Perceptron .