Chương 1 : Tổng quan về mạng nơron nhân tạo và hệ mờ Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 2 Chương 2 : Mô hình mạng ANFIS và khả năng ứng dụng Chương 3 : Ứng dụng mô hình ANFIS cho bài toán dự báo sản lượng tiêu thụ điện năng và thử nghiệm. Do các yêu cầu trên nên em chọn làm đề tài “Mạng ANFIS và ứng dụng cho dự báo sản lượng tiêu thụ điện năng của tỉnh Bắc Giang” cho luận văn tốt nghiệp của mình. Đề tài này, em trình bày một hệ thống suy luận mờ dựa trên mạng thích nghi ANFIS để dự báo mức tiêu thụ điện lâu dài, dự báo nhu cầu điện hàng năm, phục vụ cho phát triển kinh tế xã hội của tỉnh Bắc Giang. Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 3 CHƢƠNG I TỔNG QUAN VỀ MẠNG NƠ-RON NHÂN TẠO VÀ HỆ MỜ 1.
Cấu trúc và mô hình mạng nơron nhân tạo 1. Mô hình một nơron sinh học Qua quá trình nghiên cứu về bộ não, người ta thấy rằng: bộ não con người bao gồm khoảng 1011 nơron tham gia vào khoảng 1015 kết nối trên các đường truyền. Mỗi đường truyền này dài khoảng hơn một mét. Các nơron có nhiều đặc điểm chung với các tế bào khác trong cơ thể, ngoài ra chúng còn có những khả năng mà các tế bào khác không có được, đó là khả năng nhận, xử lý và truyền các tín hiệu điện hóa trên các đường mòn nơron, các con đường này tạo nên hệ thống giao tiếp của bộ não [1].
Cấu trúc của một nơron sinh học điển hình Mỗi nơron sinh học có 3 thành phần cơ bản: • Các nhánh vào hình cây ( dendrites) • Thân tế bào (cell body) Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 4 • Sợi trục ra (axon) Các nhánh hình cây truyền tín hiệu vào đến thân tế bào.Thân tế bào tổng hợp và xử lý cho tín hiệu đi ra. Sợi trục truyền tín hiệu ra từ thân tế bào này sang nơron khác. Điểm liên kết giữa sợi trục của nơron này với nhánh hình cây của nơron khác gọi là synapse.Liên kết giữa các nơron và độ nhạy của mỗi synapse được xác định bởi quá trình hóa học phức tạp.Một số cấu trúc của nơron được xác định trước lúc sinh ra.Một số cấu trúc được phát triển thông qua quá trình học.Trong cuộc đời cá thể, một số liên kết mới được hình thành, một số khác bị hủy bỏ. Như vậy nơron sinh học hoạt động theo cách thức sau: nhận tín hiệu đầu vào, xử lý các tín hiệu này và cho ra một tín hiệu output.
Tín hiệu output này sau đó được truyền đi làm tín hiệu đầu vào cho các nơron khác. Dựa trên những hiểu biết về nơron sinh học, con người xây dựng nơron nhân tạo với hy vọng tạo nên một mô hình có sức mạnh như bộ não. Mô hình một nơron nhân tạo Mô hình toán học của mạng nơron sinh học được đề xuất bởi McCulloch và Pitts, thường được gọi là nơron M-P, ngoài ra nó còn được gọi là phần tử xử lý và được ký hiệu là PE (Processing Element) [1]. Mô hình nơron có m đầu vào x1, x2,., xm, và một đầu ra yi như sau: Hình 1.
Mô hình một nơron nhân tạo Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 5 Giải thích các thành phần cơ bản: Tập các đầu vào: Là các tín hiệu vào của nơron, các tín hiệu này thường được đưa vào dưới dạng một vector m chiều. Tập các liên kết (các trọng số): Mỗi liên kết được thể hiện bởi một trọng số (thường được gọi là trọng số liên kết). Trọng số liên kết giữa tín hiệu vào thứ j cho nơron i thường được ký hiệu là w ij. Thông thường các trọng số này được khởi tạo ngẫu nhiên ở thời điểm khởi tạo mạng và được cập nhật liên tục trong quá trình học mạng.
Bộ tổng (Hàm tổng): Thường dùng để tính tổng của tích các đầu vào với trọng số liên kết của nó. Ngưỡng: Ngưỡng này thường được đưa vào như một thành phần của hàm truyền. Hàm truyền: Hàm này dùng để giới hạn phạm vi đầu ra của mỗi nơron. Nó nhận đầu vào là kết quả của hàm tổng và ngưỡng đã cho.
Thông thường, phạm vi đầu ra của mỗi nơron được giới hạn trong đoạn [0,1] hoặc [-1,1]. Các hàm truyền rất đa dạng, có thể là các hàm tuyến tính hoặc phi tuyến. Việc lựa chọn hàm truyền tùy thuộc vào từng bài toán và kinh nghiệm của người thiết kế mạng. Đầu ra: Là tín hiệu đầu ra của một nơron, với mỗi nơron sẽ có tối đa một đầu ra.
Về mặt toán học, cấu trúc của một nơron i được mô tả bằng cặp biểu thức sau: n yi f (net i i ) và net i wij x j (1.1) j 1 trong đó: x1, x2, …xm là các tín hiệu đầu vào, còn wi1, wi2,…,wim là các trọng số kết nối của nơron thứ i, neti là hàm tổng, f là hàm truyền, i là một ngưỡng, yi là tín hiệu đầu ra của nơron. Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 6 Như vậy, tương tự như nơron sinh học, nơron nhân tạo cũng nhận các tín hiệu đầu vào, xử lý (nhân các tín hiệu này với trọng số liên kết, tính tổng các tích thu được rồi gửi kết quả đến hàm truyền), và cho một tín hiệu đầu ra (là kết quả của hàm truyền) [5]. Hàm truyền có thể có các dạng sau: 1 khi x 0 Hàm bước y (1.2) 0 khi x 0 Hàm giới hạn chặt (hay còn gọi là hàm bước) 1 khi x 0 y sgn( x) (1.3) 1 khi x 0 Hàm bậc thang 1 khi x 1 y sgn( x) x khi 0 x 1 (1.4) 0 khi x 0 Hàm ngưỡng đơn cực 1 y với λ>0 (1.5) 1 e x Hàm ngưỡng hai cực 2 y 1 với λ>0 (1.6) 1 e x Đồ thị các dạng hàm truyền được biểu diễn như sau: Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Đồ thị các dạng hàm truyền 1.
Cấu trúc và phƣơng thức làm việc của mạng nơ-ron nhân tạo Mạng nơ-ron nhân tạo (Artificial Neural Network) là một cấu trúc mạng được hình thành nên bởi số lượng các nơ-ron nhân tạo liên kết với nhau.Mỗi nơ-ron có các đặc tính đầu vào, đầu ra và thực hiện một số chức năng tính toán cục bộ [3]. Với việc giả lập các hệ thống sinh học, các cấu trúc tính toán, mạng nơ- ron có thể giải quyết được các lớp bài toán nhất định như: Bài toán xếp loại, bài toán lập lịch, bài toán tìm kiếm, bài toán nhận dạng mẫu. Các bài toán phức tạp cao, không xác định.Tuy nhiên, sự liên kết giữa một bài toán bất kỳ trong thực tế với một giải pháp mạng nơ-ron lại là một việc không dễ dàng. Xét một cách tổng quát, mạng nơ-ron là một cấu trúc xử lý song song thông tin phân tán mang các đặc tính nổi bật sau: - Là một mô hình tính toán dựa trên bản chất của nơ-ron - Bao gồm một số lượng rất lớn các nơ-ron liên kết với nhau - Mạng nơ-ron có khả năng học, khái quát hóa tập dữ liệu học thông qua việc gán và hiệu chỉnh các trọng số liên kết Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 8 - Tổ chứctheo kiểu tập hợp mang lại cho mạng nơ-ron khả năng tính toán rất lớn, trong đó không có nơ-ron nào mang thông tin riêng biệt 1.
Mạng truyền thẳng Mạng nơron truyền thẳng một lớp Mô hình mạng nơ-ron truyền thẳng một lớp là mô hình liên kết cơ bản và đơn giản nhất. Các nơ-rn tổ chức lại với nhau tạo thành một lớp, đường truyền tín hiệu được truyền theo một hướng nhất định nào đó. Các đầu vào được nối với các nơ-ron theo các trọng số khác nhau, sau quá trình xử lý cho ra một chuỗi các tín hiệu ra. Mạng nơ-ron là mô hình LTU thì nó được gọi là mạng Perception, còn mạng nơ-ron là mô hình LGU thì nó được gọi là mạng Adaline [1].
Mạng truyền thẳng một lớp Với mỗi giá trị đầu vào x = [ x1,x2,. Qua quá trình xử lý của mạng ta sẽ thu được một bộ tương ứng các giá trị đầu ra là y = [y1,y2,.,yn]T được xác định như sau: m yi fi ( wij x j θ i ).7) j 1 trong đó: m: số tín hiệu vào n : số tín hiệu ra WiT = [ wi1, wi2,.,win]T là véc tơ trọng số của nơ ron thứ i. fi : hàm kích hoạt của nơ ron thứ i i : là ngưỡng của nơ ron thứ i. Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 9 Mạng nơron truyền thẳng nhiều lớp.
Với mạng nơ-ron truyền thẳng một lớp ở trên khi phân tích một bài toán phức tạp sẽ gặp rất nhiều khó khăn, để khắc phục vấn đề này người ta đưa ra mô hình mạng nơ-ron truyền thẳng nhiều lớp bằng việc kết hợp với một số lớp nơ-ron lại với nhau.Lớp nhận tín hiệu vào gọi là lớp vào, lớp đưa ra tín hiệu ra của mạng được gọi là lớp ra.Các lớp ở giữa lớp vào và lớp ra được gọi là các lớp ẩn [1]. lớp vào lớp ẩn lớp ra x1 y1 x2 y2. xm yn Hình 1. Mạng nơron truyền thẳng nhiều lớp 1.
Mạng hồi quy Mạng hồi quy một lớp có nối ngược ( X1 Y1 X2 Y2. XN YM Hình 1. Mạng hồi quy một lớp có nối ngƣợc Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 10 Mạng hồi quy nhiều lớp có nối ngược X1 Y1 X2 Y2. XN YM Hình 1.
Mạng hồi quy nhiều lớp có nối ngƣợc 1. Các luật học Mạng nơ-ron có một số ưu điểm so với máy tính truyền thống. Cấu trúc song song của mạng nơ-ron rất thích hợp cho nhưng ứng dụng đòi hỏi tốc độ nhanh theo thời gian thực. Khả năng huấn luyện của mạng nơ-ron có thể khai thác để phát triển hệ học thích nghi.Mặt khác, với khả năng tổng quát hóa của mạng nơ-ron, nó có thể áp dụng để điều khiển nhiều tham số phức tạp đồng thời từ đó giải quyết dễ dàng một số bài toán NP - đầy đủ (NP - Complete).
Các luật học đóng vai trò quan trọng trong việc xác định một mạng nơ- ron nhân tạo. Một cách đơn giản về khái niệm học của mạng nơ-ron là cập nhật trọng số trên cơ sở các mẫu.