Download miễn phí Bài giảng Công nghệ tính toán mềm ( Soft Computing technology )



Có thểnói trong lĩnh vực điều khiển, bộPID được xem nhưmột giải pháp
đa năng cho các ứng dụng điều khiển Analog cũng nhưDigital. Theo một
nghiên cứu cho thấy có khoảng hơn 90% các bộ điều khiển được sửdụng
hiện nay là bộ điều khiển PID. Bộ điều khiển PID nếu được thiết kếtốt có
khảnăng điều khiển hệthống với chất lượng quá độtốt (đáp ứng nhanh, độ
vọt lốthấp) và triệt tiêu được sai sốxác lập.
Việc thiết kếbộPID kinh điển thường dựa trên phương pháp Zeigler-Nichols, Offerein, Reinish Tuy nhiên nếu đối tượng điều khiển là phi
tuyến thì bộ điều khiển PID kinh điển không thể đảm bảo chất lượng điều
khiển tại mọi điểm làm việc. Do đó để điều khiển các đối tượng phi tuyến
ngày nay người ta thường dùng kỹthuật hiệu chỉnh PID mềm (dựa trên
phầm mềm), đây chính là cơsởcủa thiết kếPID mờhay PID thích nghi.


http://s1.liketly.com/flash/edoc/jh2i1fkjb33wa7b577g9lou48iyvfkz6-swf-2014-01-18-bai_giang_cong_nghe_tinh_toan_mem_soft_computing.YkOy34WBKu.swf /tai-lieu/de-tai-ung-dung-tren-liketly-55604/
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí

Tóm tắt nội dung tài liệu:

1)(
Với: λ là hệ số dạng của hàm sigmoid
Hàm dạng S lưỡng cực:
1
1
2)( −
+
==
− ue
ufy λ
1.3.2. Phân loại mạng nơron nhân tạo:
Các loại mạng có thể ñược phân loại dựa trên các tính chất của nó:
• Theo số lớp:
o Mạng một lớp (mạng ñơn nơ-ron): mạng chỉ gồm 1 nơ-ron
o Mạng nhiều lớp (mạng ña nơ-ron): mạng gồm nhiều nơ-ron
Chương 1 : Công nghệ tính toán mềm
Trang 65
o Mạng truyền thẳng (mạng nuôi tiến): các tín hiệu trong mạng
chỉ truyền theo một chiều từ ngõ vào ñến ngõ ra.
o Mạng hồi quy (mạng nuôi lùi): các tín hiệu hồi tiếp từ ngõ ra
trở về ngõ vào.
Mạng truyền thẳng 1 lớp Mạng hồi quy 1 lớp
Mạng truyền thẳng nhiều lớp
Lớp vào Lớp bị che Lớp ra
Mạng hồi quy nhiều lớp
1.3.3. Các phương pháp huấn luyện mạng nơ-ron:
x1
x2
y
Lớp vào Lớp bị che Lớp ra
Chương 1 : Công nghệ tính toán mềm
Trang 66
Có hai kiểu học:

Học thông số (Parameter Learning): dùng ñể cập nhật các trọng số
liên kết giữa các tế bào nơ-ron và ngưỡng phân cực trong mạng.

Học cấu trúc (Structure Learning): dùng ñể thay ñổi cấu trúc mạng
bao gồm cả tế bào nơ-ron và cách liên kết giữa chúng.
Ta có thể sử dụng riêng rẽ hay ñồng thời cả hai kiểu học trên. Tuy nhiên, ở
ñây ta chỉ ñề cập ñến kiểu học thông số. Có 3 luật học thông số:
 Luật học có giám sát:
Cho tập các dữ liệu vào – ra: {x1, d1} , {x2, d2} , … ,{xQ, dQ}
Ban ñầu các trọng số của mạng ñược chọn bất kỳ. Khi có ngõ vào mạng xq ,
ngõ ra của mạng yq ñược so sánh với ngõ ra mục tiêu dq. Luật học dựa vào
sai số eq = dq – yq hiệu chỉnh trọng số và ngưỡng phân cực của mạng ñể ñưa
ngõ ra về gần với mục tiêu.
 Luật học củng cố: không như học có giám sát ñược cung cấp mục
tiêu trước (mỗi tín hiệu ngõ vào sẽ có một tín hiệu ra tương ứng), luật học
củng cố chỉ ñược cung cấp theo mức (Ví dụ: “ñúng” hay “sai”). Bởi vì
trong thực tế không phải lúc nào ta cũng có ñầy ñủ thông tin về ñối tượng.
Vì vậy, kiểu học củng cố sẽ thích hợp nhất cho những ứng dụng ñiều khiển
hệ thống.
Chương 1 : Công nghệ tính toán mềm
Trang 67
 Luật học không có giám sát: trọng số và ngưỡng phân cực chỉ ñược
hiệu chỉnh ñối với ngõ vào. Không có mục tiêu ngõ ra ñược ñặt trước. Có vẻ
như ñiều này thiếu thực tế, vì làm sao huấn luyện ñược mạng nếu không biết
nó sẽ làm gì? Hầu hết những thuật toán này sẽ tự phát hiện các ñặc ñiểm,
các mối tương quan giữa các mẫu dữ liệu vào và mã hóa thành dữ liệu ra.
ðiều này rất hữu ích trong những ứng dụng như lượng tử hoá vector.
1.3.4. Mạng truyền thẳng một lớp (mạng perceptron ñơn giản):
Thuật toán học perceptron:
Vào cuối những năm 1950, Frank Rosenblatt và một số nhà nghiên
cứu khác ñã phát triển một loại mạng neutron gọi là perceptron. Rosenblatt
ñã giới thiệu một luật học ñể huấn luyện mạng perceptron giải quyết một số
vấn ñề nhận dạng kiểu mẫu. Mạng perceptron sẽ học từ những ñáp ứng mà
ta ñưa vào. Nó cũng có thể học khi ñựơc cho những giá trị trọng số và phân
cực ngẫu nhiên.
Ngày nay, mạng perceptron vẫn ñược xem là một mạng quan trọng vì tính
nhanh và chính xác ñối với những vấn ñề mà nó có thể giải quyết.
1. Cấu trúc mạng perceptron
Mạng perceptron tổng quát có cấu trúc như hình :
Perceptron có hàm kích hoạt là hàm hardlim (hàm giới hạn cứng):
Chương 1 : Công nghệ tính toán mềm
Trang 68
Ma trận trọng số:
Ngõ ra của mạng:
Nhận xét:
Mỗi nơ-ron trong mạng sẽ chia không gian ngõ vào thành 2 miền: một
miền bao gồm các ngõ vào sao cho ngõ ra bằng 1 và một miền bao gồm các
ngõ vào sao cho ngõ ra bằng 0. Vì vậy, ta cần khảo sát ñường phân chia
giữa những miền này.
2. Cách xác ñịnh ñường phân chia ranh giới:
Có 2 cách xác ñịnh :

Cách 1: Dựa vào phương trình ñường phân chia: Ti iw p + b 0=
Ví dụ 1.9:
Khảo sát mạng Mạng Perceptron ñơn neutron như hình
Ngõ ra của mạng là:
Chương 1 : Công nghệ tính toán mềm
Trang 69
Phương trình ñường phân chia :
Ta chọn trọng số và ngưỡng phân cực:
ðường phân chia lúc này là:
ðể tìm ñường thẳng này, có thể tìm giao ñiểm của nó với trục p1 và p2.
Tìm giao ñiểm với trục p2, ñặt p1=0:
Tìm giao ñiểm với trục p1, ñặt p2=0:
Khi ñó, ta tìm ñược ñường phân chia như hình sau:
Miền tương ứng với ngõ ra bằng 1 ñược xác ñịnh bằng cách kiểm tra thử
một ñiểm.Với p=[2 0]T, ngõ ra sẽ là:
Vậy ngõ ra của mạng sẽ bằng 1 ở miền bên trên và bên phải của ñường phân
chia. Miền này ñược tô ñậm ở hình trên

Cách 2: Dựa vào ñồ thị:
Ta chú ý rằng ñường phân chia luôn trực giao với 1w
như hình bên. ðường phân chia ñựơc ñịnh nghĩa là:
ðối với những ñiểm trên ñường phân chia, tích 1wTp
luôn không ñổi. Có nghĩa là những vector ngõ vào p này
phải có cùng hình chiếu lên vector trọng số. Vậy chúng
phải nằm trên cùng một ñường thẳng trực giao với
Chương 1 : Công nghệ tính toán mềm
Trang 70
vector trọng số. Hơn nữa, những vector ở miền tô ñậm của hình trên sẽ có
tích 1wTp lớn hơn –b, còn ở miền còn lại thì tích 1wTp sẽ nhỏ hơn.Vì vậy
vector trọng số 1w sẽ luôn hướng về miền có ngõ ra bằng 1.
Sau khi ñã chọn vector trọng số ñúng hướng, ngưỡng phân cực ñược
tính bằng cách chọn một ñiểm trên ñường biên và cho thoả phương trình
ñường phân chia.
Ví dụ 1.10:
Thiết kế mạng perceptron thực hiện hàm chức năng cổng AND. Các cặp ngõ
vào và mục tiêu của cổng AND là:
Ta chọn một ñường thẳng phân vòng trắng và vòng
ñen ra 2 miền như hình bên.
Tiếp theo ta chọn vector trọng số trực giao với ñường
phân chia:
Cuối cùng, chọn một ñiểm trên ñường phân chia p=[1.5 0]T và tính ngưỡng
phân cực b bằng cách thế vào phương trình:
Có thể kiểm tra lại ñáp ứng của mạng với một cặp ngõ vào/mục tiêu. Nếu
thử với p2, ngõ ra sẽ là:
Ta thấy ngõ ra trùng với mục tiêu t2. Kiểm tra cho tất cả các ngõ vào còn lại,
ta thấy chúng ñều phân loại ñúng.
Chú ý : ñối với mạng perceptron ña nơ-ron, mỗi nơ-ron có một ñường phân
chia. ðường phân chia cho nơ-ron thứ i là:
Một perceptron ñơn neutron có thể phân vector ngõ vào thành 2 loại vì ngõ
ra của nó có thể là 0 hay 1. Mạng perceptron ña neutron có thể phân ngõ
vào thành nhiều loại, mỗi loại ñại diện bởi một ngõ ra khác nhau. Vì mỗi
Chương 1 : Công nghệ tính toán mềm
Trang 71
phần tử của vector ngõ ra có thể bằng 0 hay 1, nên có tổng cộng 2S loại ngõ
vào với S là số neutron.
3. Luật học perceptron
Luật học perceptron thuộc loại luật học có giám sát.
Bài toán thử nghiệm:
Cho các cặp ngõ vào và mục tiêu của bài toán là:
Mạng perceptron dùng ñể giải bài toán này cần có 2 ngõ vào và 1 ngõ ra.
Xây dựng luật học
Trước hết ta gán các giá trị khởi ñầu cho thông số của mạng.
Chọn b = 0 và 1w bất kỳ:
ðưa vector ngõ vào vào mạng perceptron, bắt ñầu với p1:
Ngõ ra chưa ñúng với giá trị mong muốn (t1 = 1),
nghĩa là ñường phân chia không chính xác.Ta cần
thay vector trọng số ñể nó hướng về p1 nhiều hơn.
Ta có thể ñặt 1w = p1. Cách này ñơn giản và ñảm bảo
p1 sẽ ñược ...

---