PDF Giáo trình một số phương pháp tính toán mềm, Nguyễn Bá Nghiễn, Vương Quốc Dũng, Trần Hùng Cường

Giáo trình một số phương pháp tính toán mềm, Nguyễn Bá Nghiễn, Vương Quốc Dũng, Trần Hùng Cường

 

MỤC LỤC
Trang
LỜI NÓI ĐẦU 3
Chương 1. GIỚI THIỆU CHUNG VÈ TÍNH TOÁN MÈM 9
1.1. Khái niệm về tính toán mềm 9
1.2. Sự khác nhau giữa tính toán cứng và tính toán mềm 12
1.3. Các tính chất đặc trưng và ứng dụng của tính toán mềm 13
1.4. Các kỹ thuật cơ bản của tính toán mềm 13
Chương 2. LOGIC MỜ 17
2.1. Giới thiệu 17
2.2. Tập mờ và hàm thuộc 18
2.3. Một sổ thuộc tính của tập mờ 21
2.4. Một số phép toán trên tập mờ 22
2.4.1. Phép hợp (union) 22
2.4.2. Phép giao (intersection) 24
2.4.3. Phép bù (complement) 25
2.4.4. Tích đềcác (Cartesian product) 25
2.5. Quan hệ mờ và một số phép toán trên quan hệ mờ 27
2.5.1. Khái niệm quan hệ mờ 27
2.5.2. Phép hợp 28
2.5.3. Phép giao 29
2.5.4. Phép bù 29
2.5.5. Phép chuyển vị 30
2.5.6. Phép hợp thành _ 30
2.6. Biến ngôn ngữ 32
2.7. Hệ thống điều khiển mờ 34
2.8. Hệ thống suy diễn mờ 36
2.8.1. Suy diễn Mamdani 36
2.8.2. Suy diễn Takagi - Sugeneo 45
2.9. Giải mờ 48
2.10. Xây dựng hệ thống mờ sử dụng phần mềm Matlab 52
BÀI TẬP CHƯƠNG 2 58
Chương 3. MẠNG NƠRON NHÂN TẠO 62
3.1. Giới thiệu 62
3.2. Mô hình một nơron nhân tạo 63
3.3. Hàm truyền đạt 65
3.4. Phân loại mạng nơron nhân tạo 67
3.4.1. Mạng nơron một lớp 67
3.4.2. Mạng nơron nhiều lớp 69
3.4.3. Mạng có phản hồi (recurrent networks) 71
3.5. Các phương pháp huấn luyện mạng nơron nhân tạo 72
3.6. Mạng truyền thẳng một lớp (perceptrons) 73
3.6.1. Mô hình một nơron perceptrons 73
3.6.2. Kiến trúc của mạng perceptron 76
3.6.3. Luật học perceptron 77
3.6.4. Các hạn chế và khuyến nghị 80
3.7. Mạng ADALINE (Adaptive Linear Neuron Networks) 81
3.7.1. Mô hình nơron ADALINE 81
3.7.2. Mạng ADALINE 81
3.7.3. Trung bình bình phương sai số (mean square error) 84
3.7.4. Thuật toán trung bình bình phương sai sổ nhỏ nhất
(Least Mean Square Error Algorithm) 84
3.7.5. Hạn chế và khuyến nghị 87
3.8. Mạng lan truyền thẳng nhiều lớp 88
3.8.1. Kiến trúc của mạng 88
3.8.2. Giải thuật lan truyền ngược (Backpropagation algorithm) 90
3.9. Mạng Radial Basic Function Networks (RBFN) 101
3.9.1. Mô hình nơron 101
3.9.2. Kiến trúc mạng 102
3.9.3. Thiết kế mạng 102
3.10. Mạng Hopfield rời rạc và bộ nhớ kết hợp 106
3.10.1. Mạng Hopfield rời rạc 106
3.10.2. Bộ nhớ kết hợp (Associative memory) 112
3.11. Mạng học không giám sát 117
3.11.1. Các quy tắc học không giám sát 117
3.11.2. Mạng Hamming 119
BÀI TẬP CHƯƠNG 3 123
Chương 4. GIẢI THUẬT DI TRUYÈN 127
4.1. Giới thiệu 127
4.2. Các thành phần cơ bản của giải thuật di truyền 130
4.2.1. Biểu diễn nhiễm sắc thể (chromosome) 130
4.2.2. Hàm thích nghi (fitness function) 132
4.2.3. Phép chọn lọc tự nhiên (natural selection) 133
4.2.4. Phép lai (crossover) 137
4.2.5. Phép đột biến (mutation) 139
BÀI TẬP CHƯƠNG 4 141
Chương 5. MỘT SỐ ỨNG DỤNG CỦA TÍNH TOÁN MÈM 143
5.1. Một số ứng dụng của tính toán mờ 143
5.1.1. Xấp xỉ hàm số 143
5.1.2. Xây dựng hệ thống mờ 146
5.1.3. Sử dụng logic mờ xây dựng mò hình dự đoán
cho chuỗi dữ liệu 149
5.2. Một số ứng dụng của mạng nơron nhân tạo 152
5.2.1. Xấp xỉ hàm số 152
5.2.2. Xây dựng mô hình dự đoán chuỗi dữ liệụ 153
5.2.3. Nhận dạng ký tự chữ và số 153
5.3. Một số ứng dụng của giải thuật di truyền 155
5.3.1. Tìm cực trị của hàm số 155
5.3.2. Bài toán người du lịch 164
BÀI TẬP CHƯƠNG 5 166
TÀI LIỆU THAM KHẢO 167