TRƯỜNG ĐẠI HỌC KỸ THUẬT TP. HCM
KHOA ĐIỆN ĐIỆN TỬ
BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG
LUẬN VĂN TỐT NGHIỆP
ĐỀ TÀI :
ỨNG DỤNG NEUROFUZZY
TRONG ĐIỀU KHIỂN NHIỆT
ĐỘ THÔNG QUA KIT AT89C52
GVHD : LÊ TUẤN ANH
SVTH : LÊ PHƯỚC THÀNH
MSSV : 49600822
NIÊN KHÓA 1996 - 2001
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
LỜI CẢM ƠN
Xin chân thành cảm ơn tất cả các thầy cô trong trường ĐH Kỹ Thuật đã dạy dỗ cho
đến ngày hôm nay, đặc biệt là các thầy cô trong bộ môn Điều Khiển Tự Động.
Xin chân thành cảm ơn văn phòng bộ môn, đặc biệt là cô Ngọc đã tạo điều kiện
giúp đỡ trong suốt quá trình thực hiện luận văn tốt nghiệp.
Xin chân thành cảm ơn thầy Lê Tuấn Anh, người đã gợi ý và hướng dẫn thực hiện
luận văn tốt nghiệp.
Và xin cảm ơn tất cả những người đã gián tiếp tạo điều kiện thuận lợi trong quá
trình làm luận văn tốt nghiệp.
Dù đã cố rất gắng nhưng vẫn không tránh khỏi sai sót, xin được học hỏi những lời
chỉ dẫn. Xin cảm ơn rất nhiều.
Người thực hiện
Lê Phước Thành
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 2
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
LỜI TỰA
Đề tài này được thực hiện trong khuôn khổ một môn học do trường ĐH Kỹ Thuật
qui định với số tín chỉ là 10. Thông qua đó, sinh viên có một học kỳ để tự học, tự

Chương 1. Giới thiệu đề tài......................................................10
1. Nhiệm vụ của đề tài...................................................................................11
2. Thực hiện...................................................................................................11
Phần 2. Lý thuyết...................................................12
Chương 1. Logic mờ..................................................................13
1. Sơ lược về logic mờ....................................................................................13
1.1. Quá trình phát triển của logic mờ.............................................................13
1.2. Cơ sở tốn học của logic mờ......................................................................13
1.3. Logic mờ là logic của con người..............................................................16
1.4. So sánh logic mờ với lý thuyết xác suất thống kê.....................................16
2. Các khái niệm dùng trong logic mờ.........................................................17
2.1. Tập hợp mờ và độ phụ thuộc....................................................................17
2.2. Hàm phụ thuộc..........................................................................................18
2.3. Biến ngôn ngữ...........................................................................................18
2.4. Luật mờ.....................................................................................................19
3. Tính tốn mờ...............................................................................................19
3.1. Mờ hóa......................................................................................................19
3.2. Tính luật mờ..............................................................................................19
3.3. Suy luận mờ..............................................................................................20
3.4. Giải mờ.....................................................................................................21
Chương 2. Mạng Neuron..........................................................23
1. Sơ lược về mạng neuron............................................................................23
1.1. Quá trình phát triển...................................................................................23
1.2. Mạng neuron là gì ?..................................................................................24
1.3. Cấu trúc của não.......................................................................................24
2. Mô hình hóa mạng neuron........................................................................26
2.1. Yêu cầu khi lập mô hình một neuron........................................................26
2.2. Lập mô hình neuron..................................................................................26
3. Học hỏi trong mạng neuron......................................................................28
4. Giải thuật học perceptron.........................................................................30

2.3. Mô tả chức năng các chân.........................................................................57
2.4. Các thanh ghi chức năng...........................................................................59
2.5. Bộ nhớ dữ liệu..........................................................................................61
2.6. Đặc tính bộ dao động................................................................................62
2.7. Chế độ lười...............................................................................................62
2.8. Chế độ hạ nguồn.......................................................................................62
2.9. Trạng thái của một số chân trong chế độ hạ nguồn và chế độ lười..........62
2.10. Các thông số kỹ thuật..............................................................................63
Chương 5. ADC ICL7109CPL.................................................67
1. Sơ lược các phương pháp biến đổi AD....................................................67
1.1. Biến đổi AD dùng bộ biến đổi DA...........................................................67
1.2. Bộ biến đổi Flash AD...............................................................................70
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 5
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
1.3. Bộ biến đổi AD theo hàm dốc dạng lên xuống.........................................71
1.4. Bộ biến đổi AD dùng chuyển đổi áp sang tần số......................................71
1.5. Bộ biến đổi AD theo tích phân hai độ dốc................................................71
2. ICL7109CPL..............................................................................................72
2.1. Cấu tạo chân..............................................................................................73
2.2. Mô tả chức năng các chân.........................................................................73
2.3. Quá trình biến đổi AD..............................................................................75
2.4. Lựa chọn giá trị.........................................................................................76
2.5. Giao tiếp trực tiếp với ICL7109CPL........................................................77
Chương 6. MAX232..................................................................78
1. Chuẩn RS-232-C........................................................................................78
1.1. Các đầu nối...............................................................................................80
1.2. Mô tả chân................................................................................................80
2. MAX232 và họ IC dùng biến đổi TTL⇔RS-232-C................................81
2.1. Cấu tạo chân..............................................................................................81
2.2. Mô tả chức năng chân...............................................................................81

8.2. Chương trình con IN_HEX.....................................................................111
9. Truyền thông nối tiếp..............................................................................112
10. Khối mạch công suất.............................................................................114
11. Nguồn cung cấp.....................................................................................115
12. Cách cân chỉnh mạch............................................................................115
13. Xử lý 16-bit trên vi điều khiển 8-bit.....................................................118
13.1 Chương trình con cộng 16-bit................................................................119
13.2. Chương trình con đổi dấu một số.........................................................119
13.3. Chương trình con nhân số 16-bit cho số 8-bit.......................................119
13.4. Chương trình con chia số 16-bit cho số 8-bit........................................120
Chương 2. Hệ thống................................................................122
1. Thiết kế hệ mờ.........................................................................................122
1.1. Các nguyên tắc trong thiết kế..................................................................122
1.2. Thiết kế hệ mờ cho điều khiển nhiệt độ..................................................125
1.3. Thiết kế hệ luật.......................................................................................126
1.4. Tính luật và giải mờ................................................................................127
2. Thiết kế hệ NeuroFuzzy..........................................................................127
2.1. Tập dữ liệu học.......................................................................................127
2.2. Thay đổi hệ mờ.......................................................................................127
Chương 3. Phần mềm.............................................................129
1. Pha hoạt động..........................................................................................129
1.1. Khuôn dạng luật của hệ..........................................................................130
1.2. Giải thuật điều khiển...............................................................................130
1.3. Xử lý mờ.................................................................................................131
1.4. Tính độ phụ thuộc...................................................................................132
1.5. Giải mờ theo CoM..................................................................................136
2. Pha học.....................................................................................................137
3. Chương trình trên kit AT89C52............................................................137
3.1. Nhập dữ liệu............................................................................................139
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 7

yếu tố của sự sống.
Tuy nhiên con người ở mỗi thời điểm khác nhau đều có cách nhận thức và xử lý
nhiệt độ khác nhau.
Thời xa xưa, con người không hề có khái niệm về nhiệt độ mặc dù họ biết nóng,
lạnh.
Sau đó, con người có khái niệm về sự tồn tại của nhiệt độ, tìm cách đo nó và so
sánh giữa các loại nhiệt độ khác nhau. Tuy nhiên, họ vẫn cam chịu và tìm cách
chung sống với nhiệt độ : nếu nóng quá thì tìm chỗ tránh nóng ở dưới gốc cây, bên
bờ suối chẳng hạn.
Đến một lúc nào đó, con người nảy sinh ra ý định điều khiển nhiệt độ, bắt nó phải
phục vụ cho mục đích của mình. Ví như trong sinh hoạt hằng ngày, người ta nhận
ra rằng nhiệt độ lý tưởng cho mội trường sống là 25°C. Thế thì bằng mọi cách phải
tạo ra được nhiệt độ 25°C và máy điều hòa nhiệt độ ra đời.
Hay trong nghành công nghiệp, điều khiển nhiệt độ là một vấn đề rất quan trọng.
Trong ngành luyện kim, cần phải đạt đến một nhiệt độ nào đó để kim loại nóng
chảy, và cũng cần đạt một nhiệt độ nào đó để ủ kim loại nhằm đạt được tốt các đặc
tính cơ học như độ bền, độ dẻo, độ chống gỉ sét, … . Trong ngành thực phẩm, cần
duy trì một nhiệt độ nào đó để nướng bánh, để nấu, để bảo quản, … .
Từ đó, điều khiển nhiệt độ trở thành một lĩnh vực của điều khiển tự động. Và theo
đà phát triển của các học thuyết về điều khiển tự động, kết quả của quá trình điều
khiển nhiệt độ ngày càng một tốt hơn.
Trước đây, con người điều khiển nhiệt độ bằng phương pháp PID rất tốt.
Năm 1965, lý thuyết mờ ra đời đem lại nhiều thuận lợi hơn trong điều khiển tự
động, và điều khiển nhiệt độ cũng hưởng được lợi điểm đó. Tuy nhiên việc thiết kế
mờ là đơn giản nhưng việc tối ưu lại là khó.
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 10
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Mạng neuron cũng là một ngành thuộc lĩnh vực trí khôn nhân tạo, nhưng người ta ít
dùng nó trong điều khiển do khó giải thích hành vi mà nó tạo ra mặc dù nó có khả
năng học.

Kể từ đó, logic mờ đã có nhiều phát triển qua các chặng đường sau : phát minh ở
Mỹ, áp dụng ở Châu Âu và đưa vào các sản phẩm thương mại ở Nhật.
1.1.1. Ứng dụng công nghiệp đầu tiên ở Châu Aâu
Ứng dụng đầu tiên của logic mờ vào công nghiệp được thực hiện ở Châu Aâu,
khoảng sau năm 1970. Tại trường Queen Mary ở Luân Đôn – Anh, Ebrahim
Mamdani dùng logic mờ để điều khiển một máy hơi nước mà trước đây ông ấy
không thể điều khiển được bằng các kỹ thuật cổ điển. Và tại Đức, Hans
Zimmermann dùng logic mờ cho các hệ ra quyết định. Liên tiếp sau đó, logic mờ
được áp dụng vào các lĩnh vực khác như điều khiển lò xi măng, … nhưng vẫn
không được chấp nhận rộng rãi trong công nghiệp. Có một số ít ứng dụng dùng nó
nhưng dấu đi cụm từ logic mờ mà thay bằng các từ ngữ như “logic đa giá trị” hay
“logic liên tục”.
Kể từ năm 1980, logic mờ đạt được nhiều thành công trong các ứng dụng ra quyết
định và phân tích dữ liệu ở Châu Aâu. Nhiều kỹ thuật logic mờ cao cấp được
nghiên cứu và phát triển trong lĩnh vực này.
1.1.2. Nhật Bản vươn lên dẫn đầu
Cảm hứng từ những ứng dụng của Châu Aâu, các công ty của Nhật bắt đầu dùng
logic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần cứng chuẩn tính
tốn theo giải thuật logic mờ rất kém nên hầu hết các ứng dụng đều dùng các phần
cứng chuyên về logic mờ. Một trong những ứng dụng dùng logic mờ đầu tiên tại
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 13
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
đây là nhà máy xử lý nước của Fuji Electric vào năm 1983, hệ thống xe điện ngầm
của Hitachi vào năm 1987.
Những thành công đầu tiên đã tạo ra nhiều quan tâm ở Nhật. Có nhiều lý do để giải
thích tại sao logic mờ được ưa chuộng. Thứ nhất, các kỹ sư Nhật thường bắt đầu từ
những giải pháp đơn giản, sau đó mới đi sâu vào vấn đề. Phù hợp với việc logic mờ
cho phép tạo nhanh các bản mẫu rồi tiến đến việc tối ưu. Thứ hai, các hệ dùng logic
mờ đơn giản và dễ hiểu. Sự “thông minh” của hệ không nằm trong các hệ phương
trình vi phân hay mã nguồn. Cũng như việc các kỹ sư Nhật thường làm việc theo tổ,

sản xuất Mỹ trong lĩnh vực này buộc phải dùng kỹ thuật thiết kế logic mờ.
Điều này tạo ra nhiều phân khúc thị trường cho Mỹ, như là dùng logic mờ trong các
hệ ra quyết định, bộ nhớ, bộ điều khiển đĩa cứng, cũng như các giải thuật nén dùng
cho âm thanh và hình ảnh. Và các ứng dụng trong truyền thông như loại bỏ tiếng
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 14
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
ồn, tìm đường trong mạng, hay nhận dạng tiếng nói cũng thu được nhiều kết quả từ
logic mờ.
1.2. Cơ sở tốn học của logic mờ
Logic mờ và xác xuất thông kê đều nó về sự không chắn chắn. Tuy nhiên mỗi
lĩnh vực định nghĩa một khái niệm khác nhau về đối tượng.
1.2.1. Sự không chắc chắn theo thống kê : liên quan đến sự xuất hiện của một sự
kiện chắc chắn. Xét phát biểu sau :
Xác suất trúng đích là 0,8
Bản thân của sự kiện này (trúng đích) đã được định nghĩa rõ ràng. Sự không chắc
chắn ở đây là có trúng đích hay không, và được định lượng bởi mức độ xác suất
(trong trường hợp này là 0,8). Loại phát biểu này có thể được xử lý và kết hợp với
các phát biểu khác bằng phương pháp thống kê, như là xác suất có điều kiện chẳng
hạn.
1.2.2. Sự không chắc chắn trong ngữ nghĩa : liên quan đến ngôn ngữ của con
người, tức là liên quan đến sự không chính xác trong các từ ngữ mà con người dùng
để ước lượng vấn đề và rút ra kết luận. Ví dụ như các từ mô tả nhiệt độ như :
“nóng”, “lạnh”, hay “ấm” – không có một giá trị chính xác để gán cho các từ này –
bao nhiêu độ là lạnh : 2°C hay -2°C ? … và các khái niệm này cũng khác nhau đối
với những người khác nhau : người này lạnh nhưng người khác thì không.
Mặc dù các khái niệm không được định nghĩa chính xác nhưng con người vẫn có
thể sử dụng chúng cho các ước lượng và quyết định phức tạp. Bằng sự trừu tượng
và óc suy nghĩ, con người có thể giải quyết câu nói mang ngữ cảnh phức tạp mà rất
khó có thể mô hình bởi tốn học chính xác. Xét phát biểu :
Có thể chúng ta sẽ thành công trong năm học này

con người. Tuy nhiên, logic mờ cho phép ta rút ra kết luận khi gặp những tình
huống không có mô tả trong luật nhưng có sự tương đương. Vì vậy, nếu ta mô tả
những mong muốn của mình đối với hệ thống trong những trường hợp cụ thể vào
luật thì logic mờ sẽ tạo ra giải pháp dựa trên tất cả những mong muốn đó.
1.4. So sánh logic mờ với lý thuyết xác suất thống kê
Không thể làm phép so sánh giữa hai lĩnh vực này bởi vì sự không chắc chắn theo
thống kê và sự không chắc chắn theo ngữ vựng có bản chất khác nhau. Mỗi lĩnh
vực có một đối tượng phục vụ của riêng nó, được con người tạo ra nhằm phục vụ
cho mục đích của con người.
2. CÁC KHÁI NIỆM DÙNG TRONG LOGIC MỜ
2.1. Tập hợp mờ và độ phụ thuộc
Nếu như con người không có một giá trị ngưỡng xác định cho “lạnh” hay “nóng”
thì làm sao có thể ước lượng nó ?
Thực ra thì người ta sẽ làm một phép so sánh giữa giá trị nhiệt độ hiện tại với hai
giá trị nhiệt độ được cho là “rất nóng” và “rất lạnh”. Từ kết quả so sánh đó, con
người ước lượng được mức độ của “nóng” hay “lạnh”.
Làm sao mô hình hóa điều này theo tốn học ?
Dựa trên lý thuyết tập hợp, đầu tiên ta mô tả một tập các nhiệt độ được cho là “rất
nóng”, sau đó định nghĩa một hàm phụ thuốc cho phép ta xác định một nhiệt độ nào
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 16
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
đó có thuộc tập hợp này hay không. Khác với tốn học cổ điển – nơi mà hàm phụ
thuộc chỉ xác định duy nhất một phần tử có thuộc hay không, hàm phụ thuộc
trong logic mờ cho phép xác định một phần tử phụ thuộc tập hợp nhiều hay ít, tức
là biên giới giữa “rất nóng” và “rất lạnh” không phải là một đường phân biệt rõ
ràng mà là một vùng các giá trị liên tục. Trong hình trên, mức độ xám cho phép ta
thấy được vùng biên giới này và cũng cho thấy độ phụ thuộc của một giá trị nhiệt
độ nào đó.
Độ phụ thuộc của một phần tử trong tập hợp mờ có giá trị trong khoảng [0,1]. Theo
hình trên, nếu như ta cho rằng 0°C là “rất lạnh” và 100°C là “rất nóng” thì độ phụ

Baogồm ba bước chính như sau :
3.1. Mờ hóa
Mờ hóa có nghĩa là dùng những hàm phụ thuộc của các biến ngôn ngữ để tính mức
độ phụ thuộc cho từng tập mờ đối với một giá trị cụ thể của đầu vào.
Ví dụ nhiệt độ hiện tại đo được là 80°C thì kết quả của phép mờ hóa là :
Rất lạnh có độ phụ thuộc bằng 0,00.
Hơi lạnh có độ phụ thuộc bằng 0,00.
Trung bình có độ phụ thuộc bằng 0,00.
Hơi nóng có độ phụ thuộc bằng 0,20.
Rất nóng có độ phụ thuộc bằng 0,80.
Về mặt ngôn ngữ, nhiệt độ là 80°C được xem như là hầu như rất nóng, chỉ một ít
hơi nóng.
Mờ hóa là bước đầu tiên trong quá trình tính tốn của hệ mờ. Kết quả của nó được
dùng làm đầu vào để tính các luật mờ.
3.2. Tính luật mờ
Hầu hết các hệ thống hoạt động dựa trên nền tảng logic mờ đều dùng luật để biểu
diễn mối quan hệ giữa các biến ngôn ngữ và để rút ra hành động tương ứng đối với
đầu vào. Một luật bao gồm hai phần : phần điều kiện (phần If) và phần kết luận
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 18
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
(phần Then). Phần điều kiện có thể gồm nhiều điều kiện, kết hợp với nhau bằng các
liên từ như And, Or.
Cho rằng chúng ta dùng quạt máy để điều hòa nhiệt độ. Quạt này có 5 nút bấm
đánh số từ 1 đến 5 tương ứng tốc độ quạt tăng dần. Thế thì ta có những luật :
If nhiệt độ = rất lạnh Then nút bấm = 1
If nhiệt độ = hơi lạnh Then nút bấm = 2
If nhiệt độ = trung bình Then nút bấm = 3
If nhiệt độ = hơi nóng Then nút bấm = 4
If nhiệt độ = rất nóng Then nút bấm = 5
Phần If trong ví dụ này chỉ có một điều kiện, bây giờ giả sử như ta đo được sự thay

λµλµλµ
i
ni
i
ni
Min – Avg :
1,0,)(min)1(
1
..1
=






+−=
∑
=
=
λ
µ
λµλµ
n
i
i
i
ni
n
Gamma :

n
i
i
n
i
i
Tùy theo giá trị của γ hay λ mà ta có các trường hợp đặc biệt sau :
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 19
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Min-Max, λ = 0 : MIN lấy nhỏ nhất (minimum), tương ứng với AND,
Min-Max, λ = 1 : MAX lấy lớn nhất (maximum), tương ứng với OR.
Min-Avg, λ = 1 : AVG lấy trung bình (average).
Gamma, γ = 0 : PRODlấy tích (product).
3.3.2. Tổng hợp luật dựa trên kết quả của từng luật đã tính ở trên, người ta tổng
hợp chúng lại để có kết quả cuối cùng của các tập mờ đầu ra. Phương pháp thường
dùng trong bước này là Max-Min hay Max-Prod.
Ví dụ có hai luật đã tính kết quả :
If nhiệt độ = rất lạnh And thay đổi = đang giảm Then nút bấm = 1
If nhiệt độ = rất lạnh And thay đổi = không thay đổi Then nút bấm = 1
Luật thứ nhất cho kết quả có độ phụ thuộc bằng 0,4 và luật thứ hai cho kết quả có
độ phụ thuộc bằng 0,6. Sử dụng phương pháp Max-Min (hay Max-Prod), ta có độ
phụ thuộc cho tập mờ 1 của nút bấm là max(0,4;0,6) = 0,6.
Một khi đã tính xong các luật, người ta tiến hành giải mờ để tạo ra kết quả phù hợp
với thế giới thực.
3.4. Giải mờ
Kết quả được tạo thành sau khi tính tốn các luật vẫn còn ở dạng mờ và thiết bị chấp
hành của bộ điều khiển thì lại không hiểu những giá trị như thế.
Do đó, người ta cần chuyển đổi những giá trị mờ đó thành giá trị rõ cho thiết bị
chấp hành.
Có nhiều phương pháp được dùng trong bước này :

*
µ
µ
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 20
µ
z
z*
µ
z
z*
µ
z
z1 z2 z
z2z1
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Phương pháp trung bình theo trọng số (CoM – Center of Maximum) : là
một biến dạng của phương pháp trọng tâm khi thay dấu tích phân bằng dấu
sigma, được dùng nhằm đơn giản hóa sự tính tốn, phù hợp với các điều khiển
nhỏ.
Các tập mờ ra có dạng singleton :
∑
∑
=
)(
).(
*
z
zz
z
µ

µ1
µ
z
z1 z2
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
2
2
MẠNG NEURON
MẠNG NEURON
1. SƠ LƯỢC VỀ MẠNG NEURON
1.1. Quá trình phát triển
Mạng neuron được xem như một mô hình tốn học đơn giản của bộ não con người,
có chức năng xử lý song song. Trái với máy tính hoạt động dựa trên chương trình
do con người viết sẵn, mạng neuron hoạt động dựa trên những gì con người dạy nó
trước đó.
Mạng neuron có thể học các kết hợp mới, các chức năng mới hay nhận biết các mẫu
mới. Mặc dù máy tính có thể thực hiện những việc hiện tại với độ chính xác và tốc
độ cao, nhưng mạng neuron hứa hẹn một thế mới trong lĩnh vực xử lý thông tin.
Quá trình nghiên cứu mạng neuron bắt đầu khoảng hơn 50 năm trước, đầu tiên là
McCulloch & Pitts (1943), rồi đến Hebb qua công trình nổi tiếng Tổ chức của
hành vi (1949).
Tuy nhiên, buổi ban đầu của trí tuệ nhân tạo không suôn sẻ một chút nào. Ở đây có
sự chia rẽ giữa những người tin rằng các hệ thông minh có thể thực hiện tốt những
gì đang được thực hiện trên máy tính và những người như Minsky và Papert (1969)
tin rằng sự thông minh được xử lý tốt trên máy von Neumann.
Vì nhiều lý do khác nhau, nhánh thứ hai chiếm ưu thế trong thập kỷ 70. Nhưng đến
thập kỷ 80 thì ưu thế thuộc về nhánh thứ nhất với sự tái sinh của mạng neuron :
1982 Hopfield đưa ra nền tảng tốn học để có thể hiểu các lớp quan trọng của
mạng.
1984 Kohonen phát triển mạng học không giám sát để ánh xạ đặc điểm thành

dù neuron là phần tử tính tốn rất chậm so với các cổng logic silicon : trong IC sự
kiện xảy ra với tỷ lệ 10
-10
giây trong khi sự kiện xảy ra trên neuron theo tỷ lệ 10
-3
giây.
Sự hoạt động của hệ thần kinh được chia thành 3 giai đoạn :
- Con người nhận được kích thích từ bên ngồi thông qua các giác quan. Sự kích
thích này được chuyển đổi thành xung điện và được chuyển đến não.
- Bộ não liên tục thu nhận thông tin, xử lý, đánh giá và so sánh chúng với
những thông tin đang lưu trữ để tạo ra các quyết định thích đáng.
- Những mệnh lệnh đưa ra sau khi bộ não xử lý được truyền đến các bộ phận
chấp hành như tay chân cho hành động hay lưỡi cho tiếng nói … dưới dạng
xung điện. Bộ phận thi hành biến đổi xung điện đưa đến thành hành động.
Neuron là phần tử cơ bản của não, có khả năng hoạt động tương tự một đơn vị logic
của máy tính, được chia làm 2 loại :
- Neuron vào ra cục bộ, cách nhau khoảng 100 micron (1 micron = 10
-3
mm)
- Neuron ra kết nối với các vùng khác của não, như kết nối não với bắp thịt hay
kết nối các giác quan với não.
Trong quá trình hoạt động, neuron nhận được nhiều thông tin, và những thông tin
này được cộng lại với nhau theo một hình thức nào đó.
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 23
Ưùng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Mặc dù các neuron có hình dạng và kích thước khác nhau nhưng về căn bản, có thể
chia thành 3 phần :
- Thể soma của neuron.
- Bám soma là những sợi nhỏ gọi là dendrite, hoạt động như là cầu nối với các
neuron, dùng làm kênh vào của neuron.

hay không. Trong trường những cổng này được mở thì các ion được nạp sẽ di
chuyển vào dendrite và làm cho thế năng của dendrite thay đổi thông qua việc cung
cấp một điện thế cho dendrite. Từ dendrite thế năng được truyền vào soma của
neuron nhận.
Học hỏi trong hệ thống sinh vật được hiểu là sự thay đổi hóa học xảy ra ở điểm nối
synapse giữa neuron này với neuron khác. Sự thay đổi làm mở cổng trên dendrite
của neuron nhận.
2. MÔ HÌNH HÓA NEURON
Tri thức thể hiện dưới dạng các trạng thái ổn định hay các ánh xạ được nhúng
vào mạng, có thể gọi lại sau đó để đáp ứng với một tình huống cụ thể.
Phần tử cơ bản của mạng neuron được gọi là neuron nhân tạo, hay đơn giản là
neuron hay node.
2.1. Yêu cầu khi lập mô hình một neuron
Công việc cơ bản của một neuron nhân tạo là cộng các mức kích hoạt ở đầu vào rồi
tạo một mức tác động ở đầu ra nếu tổng các mức kích hoạt ở đầu vào lớn hơn một
giá trị ngưỡng nào đó. Mô hình neuron khi tạo ra phải có những đặc điểm cơ bản
đó :
- Tín hiệu ra của neuron là có hay không (on hay off).
- Tín hiệu ra này chỉ phụ thuộc các tín hiệu vào mà thôi.
2.2. Lập mô hình neuron
Từ những yêu cầu đó, ta thấy rằng đơn vị xử lý do ta lập ra gồm có :
- Mức kích hoạt (đại diện cho trạng thái phân cực của neuron).
- Giá trị ra (đại diện cho mức tác động của neuron).
- Tập các kết nối vào (đại diện cho các synapse và dendrite).
- Giá trị phân cực (đại diện cho mức nghỉ của neuron).
- Tập các kết nối ra (đại diện cho kết nối của axon).
Các giá trị trên được biểu diễn theo tốn học bằng các số thực.
Có khá nhiều mô hình tốn học cho neuron. Ở đây trình bày mô hình thông dụng
nhất, dùng một hàm truyền kết nối các đầu vào để tạo đầu ra :
- Phương tiện kết nối là tổng