Luận văn thạc sĩ: Nghiên cứu tính giải nghĩa của hệ mờ theo ngữ nghĩa thế giới thực

• Tác giả: Nguyễn Thu Anh
• Người hướng dẫn: TS. Trần Thái Sơn
• Trường học: Học viện Khoa học và Công nghệ
• Chuyên ngành: Cơ sở toán học cho tin học
• Đề tài: Nghiên Cứu Tính Giải Nghĩa Của Hệ Mờ Trong Ngữ Nghĩa Thực Tế
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: NHỮNG KIẾN THỨC CƠ SỞ
• 1.1. Tập mờ và các phép toán trên tập mờ
• 1.2. Các phép toán trên tập mờ
• 1.2.1. Phép khử mờ
• 1.2.2. Phép kết nhập
• 1.2.3. Phép kéo theo mờ
• 1.2.4. Phép hợp thành các quan hệ mờ. Biến ngôn ngữ. Phân hoạch mờ. Mô hình mờ. Hệ dựa trên luật mờ (Hệ mờ)
• 1.3. Các thành phần của hệ mờ
• 1.4. Các mục tiêu khi xây dựng FRBS
• 1.5. Ứng dụng của hệ mờ
• 1.6. Đại số gia tử
• 1.6.1. Khái niệm Đại số gia tử
• 1.6.2. Một số tính chất của Đại số gia tử tuyến tính
• 1.6.3. Độ đo tính mờ của các giá trị ngôn ngữ
• 1.6.4. Khoảng tính mờ
• 1.6.5. Định lượng ngữ nghĩa của giá trị ngôn ngữ
• 1.7. Kết luận chương 1
• 2. CHƯƠNG 2: TÍNH GIẢI NGHĨA ĐƯỢC CỦA KHUNG NHẬN THỨC NGÔN NGỮ TRONG CÁC HỆ MỜ NGÔN NGỮ
• 2.1. Tính giải nghĩa được của LRBSs ở mức từ ngôn ngữ
• 2.2. Lược đồ giải bài toán tính giải nghĩa được của biểu diễn tính toán khung nhận thức ngôn ngữ
• 2.3. Ràng buộc về tính giải nghĩa được của việc biểu diễn ngữ nghĩa của các từ của biến
• 2.4. Bổ sung ràng buộc trên biểu diễn tính toán của các khung NTNN
• 2.5. Giải nghĩa tính toán của LFoCs với tập mờ tam giác/ hình thang
• 2.6. Kết luận chương 2
• 3. CHƯƠNG 3: TÍNH GIẢI NGHĨA ĐƯỢC THEO NGỮ NGHĨA THẾ GIỚI THỰC CỦA CÁC BIỂU THỨC NGÔN NGỮ
• 3.1. Tính giải nghĩa được theo ngữ nghĩa thế giới thực của miền từ các biến ngôn ngữ
• 3.2. Khái niệm mới về tính giải nghĩa được theo ngữ nghĩa thế giới thực (RWS) của các lý thuyết hình thức
• 3.3. Tính giải nghĩa được ngữ nghĩa thế giới thực của ngôn ngữ tự nhiên của con người và đại số gia tử các biến ngôn ngữ
• 3.4. Tính giải nghĩa được ngữ nghĩa thế giới thực của các thành phần cấu thành của các hệ mờ
• 3.5. Tính giải nghĩa được theo ngữ nghĩa thế giới thực của các khung nhận thức ngôn ngữ LFoCs
• 3.6. Khả năng giải nghĩa được theo ngữ nghĩa thế giới thực đối với biểu diễn tính toán của LRB và ARM
• 3.7. Về tính giải nghĩa được theo ngữ nghĩa thế giới thực của các biểu thức, phương pháp luận hay các lý thuyết ngôn ngữ mờ
• 3.8. Kiểm tra tính giải nghĩa được theo ngữ nghĩa thế giới thực của một số biểu thức mờ của lý thuyết tập mờ
• 3.9. Phương pháp biểu diễn đồ thị của các cơ sở luật ngôn ngữ và tính giải nghĩa được theo ngữ nghĩa thế giới thực của nó
• 3.10. Phương pháp lập luận xấp xỉ thực hiện trên biểu diễn đồ thị của các cơ sở luật ngôn ngữ
• 3.11. Kết luận chương 3
• KẾT LUẬN CỦA LUẬN ÁN
• CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN

I. Giới thiệu về hệ mờ và ngữ nghĩa thực tế

Hệ mờ là một công cụ mạnh mẽ trong việc mô phỏng khả năng lập luận của con người. Hệ mờ cho phép xử lý thông tin không chắc chắn và có tính mơ hồ, điều này rất quan trọng trong các lĩnh vực như y tế, tâm lý học và kinh tế. Ngữ nghĩa của các từ trong hệ mờ thường không rõ ràng, dẫn đến việc cần thiết phải nghiên cứu về tính giải nghĩa của chúng. Theo logic mờ, các từ mờ được biểu diễn bằng các hàm từ tập vũ trụ vào đoạn [0, 1]. Điều này giúp chuyển đổi các khái niệm ngôn ngữ thành các đối tượng toán học có thể tính toán được. Việc xây dựng các hệ mờ cần đạt được sự cân bằng giữa độ chính xác và tính giải nghĩa được, hai mục tiêu thường xung đột nhau trong quá trình thiết kế.

1.1. Tính chất của hệ mờ

Hệ mờ có khả năng xử lý thông tin không chắc chắn và mơ hồ, điều này giúp mô phỏng hành vi con người trong việc ra quyết định. Tính không chắc chắn trong ngữ nghĩa của các từ mờ là một thách thức lớn. Các nhà nghiên cứu đã chỉ ra rằng, để đảm bảo tính giải nghĩa được, cần phải thiết lập các ràng buộc cho các thành phần của hệ mờ. Điều này bao gồm việc xác định rõ ràng các khái niệm và mối quan hệ giữa chúng trong ngữ cảnh thực tế. Việc áp dụng đại số gia tử trong nghiên cứu này giúp làm rõ hơn về ngữ nghĩa của các từ và mối quan hệ giữa chúng trong hệ thống mờ.

II. Tính giải nghĩa được của hệ mờ

Tính giải nghĩa được của hệ mờ là một khía cạnh quan trọng trong việc phát triển các hệ thống thông minh. Tính giải nghĩa không chỉ đơn thuần là khả năng hiểu được các luật mờ mà còn liên quan đến việc người dùng có thể kiểm tra và hiểu được các thành phần của hệ thống. Các nghiên cứu gần đây đã chỉ ra rằng, tính giải nghĩa được có thể được đánh giá thông qua các yếu tố như độ phức tạp và ngữ nghĩa. Việc thiết lập các ràng buộc cho tính giải nghĩa được là cần thiết để đảm bảo rằng các hệ thống mờ có thể hoạt động hiệu quả trong các tình huống thực tế.

2.1. Các yếu tố ảnh hưởng đến tính giải nghĩa được

Có hai hướng tiếp cận chính để đánh giá tính giải nghĩa được của hệ mờ. Hướng thứ nhất dựa trên độ phức tạp, tập trung vào việc giảm thiểu số lượng luật và biến trong mô hình. Hướng thứ hai dựa trên ngữ nghĩa, đảm bảo rằng các nhãn ngôn ngữ được sử dụng trong hệ thống có tính toàn vẹn và phù hợp với ngữ nghĩa thực tế. Việc áp dụng các phương pháp đánh giá này giúp cải thiện khả năng giải nghĩa của các hệ thống mờ, từ đó nâng cao hiệu quả trong việc ra quyết định.

III. Ứng dụng của hệ mờ trong ngữ nghĩa thực tế

Hệ mờ đã được áp dụng rộng rãi trong nhiều lĩnh vực khác nhau, từ y tế đến kinh tế. Hệ thống thông tin dựa trên luật mờ (FRBS) đã chứng minh được tính hiệu quả trong việc giải quyết các bài toán phức tạp. Việc sử dụng khái niệm mờ trong các ứng dụng này giúp mô phỏng hành vi con người một cách chính xác hơn. Các nghiên cứu đã chỉ ra rằng, việc áp dụng các phương pháp mới như đại số gia tử có thể cải thiện đáng kể tính giải nghĩa được của các hệ thống này, từ đó nâng cao khả năng ra quyết định trong các tình huống thực tế.

3.1. Tính ứng dụng trong các lĩnh vực

Trong lĩnh vực y tế, hệ mờ được sử dụng để phân tích và đưa ra quyết định trong các tình huống không chắc chắn. Tương tự, trong kinh tế, các mô hình mờ giúp dự đoán xu hướng và hành vi của thị trường. Việc áp dụng tính giải nghĩa được trong các hệ thống này không chỉ giúp người dùng hiểu rõ hơn về các quyết định mà còn tạo ra sự tin tưởng trong quá trình ra quyết định. Các nghiên cứu cho thấy rằng, khi người dùng có thể hiểu được các thành phần của hệ thống, họ sẽ dễ dàng hơn trong việc chấp nhận và áp dụng các kết quả mà hệ thống đưa ra.