Luận văn: Huấn luyện mạng nơron rbf với mốc cách đều và ứng dụng

1. Mở đầu

Mạng nơron nhân tạo được biết đến như một giải pháp tốt cho vấn đề này. Ban đầu, khái niệm “Nơron nhân tạo” được biết đến lần đầu vào khoảng đầu thế kỷ 20 trong nỗ lực của con người nhằm chế tạo ra các bộ máy có khả năng suy nghĩ và học hỏi như loài người bằng việc mô phỏng mạng nơron sinh học trong bộ não của chúng ta. Trải qua nhiều năm phát triển và nghiên cứu, cơ sở lý thuyết và thực nghiệm về mạng nơron nhân tạo đã có nhiều bước tiến đáng kể. Trong khoảng 30 năm trở lại đây, với việc có thêm khả năng tính toán mạnh mẽ từ máy vi tính mà mạng nơron nhân tạo được coi là một trong những công cụ có thể giải quyết tốt bài toán nội suy hàm nhiều biến và trong thực tế hiện nay, mạng nơron nhân tạo đã được ứng dụng rất nhiều trong các ứng dụng nội suy hàm nhiều biến như phân lớp, nhận dạng mẫu …. Mạng nơron nhân tạo có nhiều loại, trong đó có mạng nơron RBF - sau này được gọi tắt là mạng RBF - được coi là một trong những loại nơron nhân tạo tốt nhất để giải quyết bài toán nội suy hàm nhiều biến. Mạng RBF đã được chú trọng nghiên cứu và đã có khá nhiều thuật toán huấn luyện mạng RBF được áp dụng nhiều trong các ứng dụng cho thấy kết quả rất khả quan. 

2. Nội dung

2.1 Bài toán nội suy, xấp xỉ hàm số và mạng nơron rbf

Bài toán nội suy và xấp xỉ hàm số

Mạng nơron nhân tạo

Mạng nơron rbf  

2.2 Thuật toán lặp hdh huấn luyện mạng rbf

Thuật toán lặp hdh hai pha huấn luyện mạng rbf

Thuật toán lặp hdh một pha huấn luyện mạng rbf với bộ dữ liệu cách đều 

2.3 Ứng dụng thuật toán lặp một pha huấn luyện mạng rbf vào việc giải quyết bài toán nội suy xấp xỉ với dữ liệu nhiễu trắng 

Nhiễu trắng và bài toán xấp xỉ nội suy với dữ liệu nhiễu

Phương pháp hồi quy tuyến tính k hàng xóm gần nhất 

Ý tưởng và phương pháp giải quyết bài toán nội suy xấp xỉ với dữ nhiệu nhiễu

2.4 Xây dựng phần mềm mô phỏng

Lập trình sinh nhiễu trắng theo phân phổi chuẩn 

Lập trình giải hệ phương trình của bài toán hồi quy tuyến tính knn

• Giới thiệu phần mềm xấp xỉ nội suy với dữ liệu nhiễu

2.5 Kết quả thí nghiệm 

Thí nghiệm về việc thay đổi kích thước lưới

Thí nghiệm về việc chọn 

Thí nghiệm khi tăng số chiều

So sánh hiệu quả với phương pháp khác

3. Kết luận

Đến đây tôi đã hoàn thành khóa luận tốt nghiệp với đề tài “Huấn luyện mạng nơron RBF với mốc cách đều và ứng dụng” với mục đích mô phỏng phương pháp ứng dụng thuật toán HDH-1 vào việc xây dựng hệ thống nội suy xấp xỉ hàm nhiều biến với dữ liệu nhiễu và nghiên cứu thực nghiệm nhằm tìm ra các đặc điểm, lý giải và đưa ra các cách hoàn thiện phương pháp này

4. Tài liệu tham khảo

Hoang Xuan Huan, Dang Thi Thu Hien and Huu Tue Huynh, A Novel Efficient Algorithm for Training Interpolation Radial Basis Function Networks, Signal Processing 87 ,2708 – 2717, 2007

Hoang Xuan Huan, Dang Thi Thu Hien and Huynh Huu Tue, An efficient algorithm for training interpolation RBF networks with equally spaced nodes, submitted to IEEE Transactions on Neural Networks

T.M. Mitchell, Machine learning, McGraw-Hill, 1997