Công nghệ tri thức và ứng dụng
MỤC LỤC
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 1
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
CHƯƠNG I. TỔNG QUAN VỀ CÔNG NGHỆ TRI
THỨC VÀ ỨNG DỤNG
1 Công nghệ tri thức
• Công nghệ tri thức (Knowledge Engineering): có thể xem là một nhánh nghiên cứu của
trí tuệ nhân tạo, phân tích tri thức lĩnh vực và chuyển nó thành những mô hình tính toán
đưa vào máy tính để phục vụ những nhu cầu cần thiết. (John F.Sowa. Knowledge
representation: Logical, philosophical, and Computational Foundations. Copyright
@2000 by Brooks/Cole. A division of Thomson Learning)
• Công nghệ tri thức (Knowledge Engineering): là các phương pháp, kỹ thuật được
những kỹ sư tri thức (knowledge engineers) dùng để xây dựng những hệ thống thông
minh như: hệ chuyên gia, hệ cơ sở tri thức, hệ hổ trợ quyết định, etc. (Dr Dickson
Lukose. Department of Mathematics, Statistics and Computer Science - The University
of New England. Dr Rob Kremer Department of Computer Science The University of
Calgary Calgary, Alberta, T2N 1N4 Canada. Courses: KNOWLEDGE ENGINEERING,
PART A: Knowledge Representation. July 1996)
• Công nghệ tri thức là những phương pháp, kỹ thuật dùng để:
 Tiếp nhận, biểu diễn tri thức.
 Xây dựng các hệ cơ sở tri thức.
 Khám phá tri thức.
Tham khảo và trích dẫn từ giáo trình “Công nghệ tri thức và
ứng dụng” của GS.TSKH Hoàng Văn Kiếm
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 2
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
2 Vai trò của công nghệ tri thức
• Cùng với sự phát triển nhanh chóng, vượt bậc của ngành công nghiệp máy tính, nhu cầu

các tập hợp chứ không phải dựa trên sự ngẫu nhiên.
• Lôgic mờ cho phép độ liên thuộc có giá trị trong khoảng đóng 0 và 1, và ở hình thức
ngôn từ, các khái niệm không chính xác như "hơi hơi", "gần như", "khá là" và "rất". Cụ
thể, nó cho phép quan hệ thành viên không đầy đủ giữa thành viên và tập hợp. Tính chất
này có liên quan đến tập mờ và lý thuyết xác suất. Lôgic mờ đã được đưa ra lần đầu vào
năm 1965 bởi GS. Lotfi Zadeh tại Đại học California, Berkeley.
• Mặc dù được chấp nhận rộng rãi và có nhiều ứng dụng thành công, lôgic mờ vẫn bị phê
phán tại một số cộng đồng nghiên cứu. Nó bị phủ nhận bởi một số kỹ sư điều khiển vì
khả năng thẩm định và một số lý do khác, và bởi một số nhà thống kê - những người
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 4
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
khẳng định rằng xác suất là mô tả toán học chặt chẽ duy nhất về sự không chắc chắn
(uncertainty). Những người phê phán còn lý luận rằng lôgic mờ không thể là một siêu
tập của lý thuyết tập hợp thông thường vì các hàm liên thuộc của nó được định nghĩa
theo các tập hợp truyền thống.
Tham khảo và trích dẫn từ “ />%E1%BB%9D”
4 Ứng dụng của Logic mờ
• Lôgic mờ có thể được sử dụng để điều khiển các thiết bị gia dụng như máy giặt (cảm
nhận kích thước tải và mật độ bột giặt và điều chỉnh các chu kỳ giặt theo đó) và tủ lạnh.
• Một ứng dụng cơ bản có thể có đặc điểm là các khoảng con của một biến liên tục. Ví dụ,
một đo đạc nhiệt độ cho phanh (anti-lock brake) có thể có một vài hàm liên thuộc riêng
biệt xác định các khoảng nhiệt độ cụ thể để điều khiển phanh một cách đúng đắn. Mỗi
hàm ánh xạ cùng một số đo nhiệt độ tới một chân giá trị trong khoảng từ 0 đến 1. Sau đó
các chân giá trị này có thể được dùng để quyết định các phanh nên được điều khiển như
thế nào.
Hình 1.2.1: miền chân trị
• Trong hình, cold (lạnh), warm (ấm), và hot (nóng) là các hàm ánh xạ một thang nhiệt
độ. Một điểm trên thang nhiệt độ có 3 "chân giá trị" , mỗi hàm cho một giá trị. Đối với
nhiệt độ cụ thể trong hình, 3 chân giá trị này có thể được giải nghĩa là 3 miêu tả sau về

Công nghệ tri thức và ứng dụng
CHƯƠNG III. HỆ THỐNG MỜ
5 Các khái niệm cơ bản
1Tập rõ và hàm thành viên
Tập rõ crisp set) là tập hợp truyền thống theo quan điểm của Cantor (crisp set). Gọi A
là một tập hợp rõ, một phần tử x có thể có x Î A hoặc x Ï A, Có thể sử dụng hàm c để
mô tả khái niệm thuộc về. Nếu x Î A, c (x) = 1, nguợc lại nếu x Ï A, c (x) = 0. Hàm c
được gọi là hàm đặc trưng của tập hợp A.
Hình 3.1.1.1: miền chân trị tập rõ
2Tập mờ và hàm thành viên
Khác với tập rõ, khái niệm thuộc về được mở rộng nhằm phản ánh mức độ x là phần
tử của tập mờ A. Một tập mờ fuzzy set): A được đặc trưng bằng hàm thành viên m và
cho x là một phần tử m (x) phản ánh mức độ x thuộc về A.
Ví dụ: Cho tập mờ Young Lan 16 tuổi, µ(Lan)=1, Hùng 25 tuổi, µ(Hùng)=0.5
Hình 3.1.1.2: miền chân trị tập mờ
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 7
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.1.1: tập rõ và tập mờ
3Các dạng của hàm thành viên
a Dạng S tăng
µ (x)=S(x, α , β , γ ) =
0 nếu x <= α
2(x- α )/(γ - α ) nếu α < x <= β
1 -[2(x- α )/(γ - α )] nếu β < x < γ
1 nếu x >= γ
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 8
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.1.3.1: Hàm S tăng

nhanh
(X)
Khi ta gán µ
nhanh
(20) = 0 nghĩa là tốc độ 20 Km/g được xem như là không
nhanh.
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 11
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.3.1.1: biểu đồ minh họa
theo nguyên tắc đó tập mờ nhanh = { (20,0), (50,0.5), (80,0.6), 100, 1) } hay vắn
tắt hơn Nhanh = { 0,0.5,0.6,1 }
Vậy hàm thành viên đánh giá mức độ đúng của các tốc độ trong tập vũ trụ E với
khái niệm nhanh. Hàm này có tính chủ quan và do kinh nghiệm hay do thực
nghiệm.
b./ Xét tập mờ trung-bình với hàm thành viên xác định như sau:
Hình 3.3.1.2: biểu đồ minh họa
thì tập Trung Bình = { 0.3,1,0.5,0 }
2Hàm thành viên trong không gian các biến liên tục
Chẳng hạn như các tập mờ Nhanh và Trung bình ở trên có thể định nghĩa như là
các hàm
µ
nhanh
(x) = (x/100)
2
Trong phần sau chỉ xét các hàm thành viên có biến liên tục
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 12
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
8 Xử lý bài toán mờ

10 Bộ điều khiển mờ
• Giá trị đầu vào gồm 2 tham số: 2 giá trị này được đo thông qua các cảm biến quang.
 Dirtiness (độ bẩn): được đo qua độ trong của nước.
 Greasy (dầu mỡ): được xác định bởi thời gian bảo hòa, do dầu mỡ khó hòa tan hơn các
loại chất bẩn khác.
Hình 4.2.1: sơ đồ xử lí bài toán
11 Giải quyết bài toán
• Với tham số đầu vào Độ bẩn có các tập mờ
 Bẩn ít (D.Small)
 Bẩn vừa (D.Medium)
 Bẩn nhiều (D.Large)
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 14
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
• Với tham số đầu vào Độ dầu mỡ có các tập mờ
 Mỡ ít (K.NotGreasy)
 Mỡ vừa (K.Medium)
 Mỡ nhiều (K.Greasy)
• Với tham số đầu ra xác định thời gian giặt có các tập mờ
 Giặt rất nhanh (T.VeryShort)
 Giặt nhanh (T.Short)
 Giặt vừa (T.Medium)
 Giặt lâu (T.Long)
 Giặt rất lâu (T.Very Long)
3.1. Xây dựng tập luật
• Gọi x: chỉ Độ bẩn (0 <= x <= 100)
y: chỉ Loại chất bẩn (0 <= y <= 100)
z: Thời gian giặt (0 <= z <= 60)
• Ta có:
 if x is Large and y is Greasy then z is VeryLong;

• Các luật áp dụng trong bài toán máy giặt
 R1 : If Dirtiness_Large And Greasy_Large Then Wash_Time_Verylong
 R2: If Dirtiness_Medium And Greasy_Large Then Wash_Time_Long
 R3: If Dirtiness_Small And Greasy_Large Then Wash_Time_Long
 R4: If Dirtiness_Large And Greasy_Medium Then Wash_Time_Long
 R5: If Dirtiness_Medium And Greasy_Medium Then Wash_Time_Medium
 R6: If Dirtiness_Small And Greasy_Medium Then Wash_Time_Medium
 R7: If Dirtiness_Large And Greasy_None Then Wash_Time_Medium
 R8: If Dirtiness_Medium And Greasy_None Then Wash_Time_Short
 R9: If Dirtiness_Small And Greasy_None Then Wash_Time_VeryShort
3.3. Giải bài toán mờ
Giả sử tham số đầu vào:
x =40 (Độ bẩn)
y=60 (loại chất bẩn)
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 19
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Ta được:
µD
.Small
(x) = 1/5
µD
.Medium
(x) = 4/5
µD
.Large
(x) = 0
µK
.NotGreasy
(y) = 0

.Medium
(y0)) = min(4/5, 4/5) = 4/5
W6 = min(µD
.Small
(x0), µK
.Medium
(y0)) = min(1/5, 4/5) = 1/5
W7 = min(µD
.Large
(x0), µK
.NotGreasy
(y0)) = min(0, 0) = 0
W8 = min(µD
.Medium
(x0), µK
.NotGreasy
(y0)) = min(4/5, 0) = 0
W9 = min(µD
.Small
(x0), µK
.NotGreasy
(y0)) = min(1/5, 0) = 0
µC(z) = W2*T.Long(z) + W3*T.Long(z) + W5*T.Medium(z) + W6*T.Medium(z)
µC(z) = 2/5*T.Long(z) + T.Medium(z)
Defuzzy(z) = moment/area
= µC(z) d(z) / (W1 + W2 + W3 + … + W9)
= 705.6 / 19.6
= 36
Với độ bẩn(=40) và độ dầu mỡ(=60) thì thời gian cần giặt là 36 phút.
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 20

Wash_Time_Long
t1 = Dirtiness_Small[dx];
t2 = Greasy_Large[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_long;
//Luat R4: If Dirtiness_Large And Greasy_Medium Then
Wash_Time_Long
t1 = Dirtiness_Large[dx];
t2 = Greasy_Medium[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_long;
//Luat R5: If Dirtiness_Medium And Greasy_Medium Then
Wash_Time_Medium
t1 = Dirtiness_Medium[dx];
t2 = Greasy_Medium[dy];
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 21
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_medium;
//Luat R6: If Dirtiness_Small And Greasy_Medium Then
Wash_Time_Medium
t1 = Dirtiness_Small[dx];
t2 = Greasy_Medium[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_medium;

return f
}
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 22
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
CHƯƠNG V. KẾT QUẢ ĐẠT ĐƯỢC
Do thời gian có hạn nên chương trình còn khá đơn giản và hạn chế. Tuy nhiên đã áp
dụng thành công logic mờ (Fuzzy Logic) trong việc tính thời gian hoạt động của máy giặt
dựa trên độ bẩn và độ dầu mỡ.
Hình 5.1: Giao diện ban đầu
Hình 5.2: Thời gian cần tìm
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 23
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
CHƯƠNG VI. TÀI LIỆU THAM KHẢO
13 Tài liệu giấy:
• Giáo trình “Công nghệ tri thức và ứng dụng” (GS.TSKH Hoàng Văn Kiếm)
• Đôi cánh I - CA – RƠ (những người dịch HOÀNG KIẾM – THANH THỦY – CHI
MAI) nhà xuất bản thống kê HÀ NỘI - 1990
• Giáo trình Các Hệ Cơ Sở Tri Thức, Đại học Quốc gia Tp.HCM, 2002. ( TS. Đỗ Văn Nhơn
– TS. Đỗ Phúc)
• Bài thu hoạch các khóa trước.
14 Tài liệu Web:
• /forumdisplay.php?181-Logic-mờ-amp-mạng-nơ-ron
• />an/dothanhvingan.htm
•
•
• />GVHD : GS.TSKH Hoàng Văn Kiếm Trang 24
HVTH : Mã Tuấn Huy