xây dựng, phát triển, ứng dụng một số mô hình kết hợp giữa mạng nơron(NN), logic mờ(FL) và thuật giải di truyền(GA) 3

ngày nay hệ thống thông minh đã trở thành thông dụng trong việc giải quyết các bài toán thực tế phức tạp và nó cũng đảm bảo đáp ứng đầy đủ các yêu cầu thực tiễn của bài toán

Chương 1

KẾT HỢP CÁC MÔ HÌNH TÍNH TOÁN THÔNG MINH

Một vài năm gần đây, những kỹ thuật tính toán trong các hệ thống công nghệ ngoài thực tế có xu hướng phát triển với nhiều kỹ thuật mới khác với các kỹ thuật truyền thống, đặc biệt được quan tâm đó là: Tính toán thông minh (Hình 1.1)

từ khi bắt đầu chuyên ngành khoa học máy tính (từ năm 1940) Thuật giải di truyên bắt nguồn từ ý niệm tiến hóa để tổn tại và phát triển trong tự nhiên Những kinh

nghiệm thực tế của con người đã là những ý niệm cơ bản cho lý thuyết mới để giải quyết vấn để Lý thuyết này do John Herry Holland để xướng vào giữa thập niên 70 [5, TLTK], [8, TLTK], [18, TLTK], [28, TUTK] Mang Nơron nhân tạo ra đời đầu tiên

vào năm 1949, Donald Hebb đã đưa ra jý thuyết học Nơron và áp dụng cho mạng xử lý

phân phối song song [5, TUTK], [23, TUTK] Hệ thống mờ dựa trên cơ sở lý thuyết tap

mờ kết hợp với các công cụ kỹ thuật khác, do Lotfi Zadeh[35, TUTK] sáng lập ra Phương pháp này mô phỏng hình thức tư duy của con người đó là: suy luận gần

đúng Cả ba kỹ thuật trên đang được kết hợp qua lại với nhau hình thành những hệ thống kết hợp Nhiều sản phẩm tiện ích đã và đang áp dụng các hệ thống kết hợp trên

Chương này tổng kết một số nghiên cứu đã có về việc kết hợp qua lại giữa ba

kỹ thuật của ¿ính toán thông mình: Thuật giải di truyền, mạng Nơron và Logic mờ

Cụ thể, nó nêu được tính cấp thiết của việc kết hợp, tổng kết các phương thức kết

hợp, tóm tắt một số ví dụ mình họa và đưa ra lớp bài toán thích ứng đối với từng mô hình kết hợp: Di truyền- Mờ, Nơron- Mờ, Di truyền- Nơron, và Di truyền- Nơron-

Mờ Đồng thời, để xuất một số mô hình kết hợp riêng sẽ trình bày trong các chương

2 và chương 3

1.1 Thuật giải di truyền kết hợp với Logic mờ

Việc kết hợp giữa Thuật giải di truyền với Logic mờ là một lĩnh vực mới và ít được khai thác hơn so với việc kết hợp Thuật giải đi truyền hoặc Logic mờ với mạng Nơron Charles Karr là người tiên phong đưa ra kỹ thuật kết hợp Di fruyên- Mờ, thử nghiệm đầu tiên thực hiện vào năm 1989: đàng Thuật giải di truyền để cải tiến bộ

điều khiển mờ Một số ứng dụng trong thực tế đã chứng minh tính khả thi của hệ

thống kết hợp trên Tuy nhiên, nhiều nghiên cứu sau đó đã đưa ra những cải tiến của kỹ thuật kết hợp này[26,TLTK]

Thuật giải di truyền và Logic mờ có một vài đặc điểm chung và riêng Cả hai

kỹ thuật đều thích hợp với việc xử lý bộ dữ liệu dùng cho các hệ thống phi tuyến

Sử dụng hai kỹ thuật này giúp cải tiến hiệu suất của hệ thống: tối kết quả và tốc

độ thực hiện

Hệ thống mờ được dùng để lưu trữ tri thức của chuyên gia với những cấu trúc

ích trong việc xác định giải pháp của lớp bài toán có cấu trúc tri thức cố định và được định nghĩa tốt Tuy nhiên, rất khó thiết kế hệ thống mờ cho những bài toán lớn

và phức tạp Quá trình thiết kế phải dựa vào phương pháp /h# và sai thủ công, ma trận biểu diễn mối quan hệ giữa các khái niệm và hoạt động là cổng kểnh, những

giá trị tốt nhất của các tham số yêu cầu để mô tả các hàm thành viên rất khó xác

định Hiệu suất của hệ thống rất nhạy đối với những giá trị tham số đặc biệt

Trong trường hợp thiếu hụt một vài đặc trưng của hệ thống mờ, Thuật giải di truyền vẫn cho phép tối ưu hàm thành viên và thậm chí lọc các luột mờ Thuật giải

di truyền hướng tới qui trình tìm kiếm toàn cục, giảm bớt các trường hợp cực tiểu cục bộ bằng việc giới hạn tập giải pháp chuẩn (Bảng 1.1 cho ta thấy các đặc trưng của Logic mờ và Thuật giải di truyền)

Phần nhiều các hoạt động nghiên cứu và ứng dụng cho hệ thống kết hợp Di truyền- Mờ đều tập trung vào việc sử dụng Thuật giải di truyền để tăng cường hiệu suất hệ thống mờ Tuy nhiên, một vài nghiên cứu đã chỉ ra những phương pháp hiệu quả cho phép cdi ti€n cdc hé thong di truyền nhờ bộ điều khiển mờ bằng cách sử dụng tập luật mờ được kết hợp với một vài kỹ thuật trong quá trình thực hiện Thuật giải di truyền

Đóng góp khác của Logic mờ đối với hệ thống kết hợp Di ruyên- Mờ là: ứng dụng nó cho việc xác định trị số của hàm lượng giá trong Thuật giải di truyền

Bảng 1.1 So sánh đặc điểm giữa Logic mờ và Thuật giải di truyền (-: Yếu, Ä:Mạnh)

Các mục tiếp theo sẽ trình bày tổng quan về phương pháp kết hợp Di /ruyên-

Mờ: Phân loại kỹ thuật kết hợp, một số ví dụ về kỹ thuật kết hợp Di truyên- Mờ, tóm tắt một số ứng dụng thực tế của hệ kết hợp Di :ruyên- Mờ, tổng kết và kết luận 1.1.1 Phân loại kỹ thuật kết hợp

Bảng 1.2 đưa ra một vài phương pháp khả thi cho việc kết hợp giữa Thuật giải

di truyền với Logic mờ Chỉ tiết của phương pháp được trình bày trong các mục kế

tiếp thông qua một vài ví dụ cụ thể

Bảng 1.2 Phân loại việc kết hợp giữa các hệ thống Di truyén va Mo

Ghép cặp | kết nối mô dun Di truyén và mé dun Mo

hiệu chỉnh giá tri thành viên

¡ xác định bộ luật mờ

_ sửa đổi hàm thành viên

vận hành ¡ áp dụng bộ điều khiển logic mờ

hệ thống di truyền | ding hệ thống mờ trong lượng giá hàm thích nghi

các hệ thống kết hợp ' máy học, phân lớp dữ liệu

Thiết kế hê thống mờ bằng Thuât giải di truyền

Kỹ thuật kết hợp Di :ruyên- Mờ cũng được minh họa trong các ứng dụng của

thiết kế bộ luật mờ giúp tăng hiệu suất thực hiện của hệ thống Thủ tục tổng quát

cho việc dùng Thuật giải di truyền để tỉnh chỉnh hệ thống mờ được chỉ ra trong Hình

1.2 (xem chỉ tiết trong [36,TLTK])

Thuật giải di truyền

Xây dựng mô hình suy điễn mờ nhờ cơ chế học ứng dụng Thuật giải di truyền

Park, Kandel và Langholz

Kết hợp mô đưn Di truyền- Mờ vào trong những ứng dụng kỹ thuật phức tạp để

đạt mục tiêu: Cải tiến bộ luật điều khiển mờ giúp tăng hiệu suất của hệ thống, đồng thời chứng minh tính khả thi của hệ ?hống kết hợp trong một lớp các bài toán ứng

a THY Vi

dụng Vùng ứng dụng điển hình của hệ thống này là những bài toán kỹ thuật gắn liền với các nhiệm vụ thiết kế, đặt cấu hình máy, thiết bị lên kế hoạch và lập lịch

Trong một số bài toán, Thuật giải di truyền giúp tìm kiếm những giá trị tối ưu của hàm thành viên trong trường hợp chọn lọc giá trị hàm thành viên bằng phương pháp thủ công là khó hoặc tốn nhiễu thời gian Cụ thể, nếu bộ luật mờ đã được thiết lập và các tham số được định nghĩa dưới dạng hàm thành viên thì mô đun Thuật giải

di truyền sẽ tỉnh chỉnh giá trị tham số tương ứng Ví dụ: Xây dựng mô hình suy diễn

mờ nhờ cơ chế học: Ứng dụng Thuật giải di truyền (36,TLTK]

Một nghiên cứu khác là: Dùng Thuật giải đi truyền thiết kế tự động hệ thống điều khiển mờ Lúc này, Thuột giải di truyền sẽ xác định các hàm thành viên được

sử dụng, số lượng /uệt mờ và tham số của những luật liên hệ [36,TLTK]

Bảng 1.4 Ví dụ về hệ thống kết hợp D¿ :ruyên- Mờ ứng dụng giải bài toán

Chen, Berkey và Johnson

Phân lớp mờ trong bộ cảm biến điều khiển từ xa

Chen, Cooley và Zhang

Kết hợp các tập luật điều khiển mờ ứng dụng cho dự báo chấn động

Loskiewicz-Buczak va Uhrig

Điều khiển mờ tự động của hệ thống Thuật giải di truyền

Lee và Takagi, 1993, đề nghị phương pháp: dùng Logic mờ để điều khiển các tham số thiết lập Thuật giải di truyền Một hệ thống cơ sở tri thức mờ được sử dụng cho việc điểu khiển các tham số của Thuật giải đi truyền (xem Hình 1.3) Đồng thời, họ cũng đưa ra kỹ thuật sử dụng Thuật giải đi truyền để thiết kế và tỉnh chỉnh

tự động hệ cơ sở tri thức mờ Các kết quả đạt được cho thấy khả năng xác định tự động các tham số thiết kế của Thuật giải di truyền và cho phép ứng dụng đối với một lớp các bài toán ngoài thực tế

Đầu vào của mô đun cơ sở tri thức mờ là những độ đo hiệu suất hiện tại của hệ

thống Thuật giải di truyền hoặc bộ các tham số cần thiết để thiết lập nên Thuật giải

di truyền Ví dụ : kích cỡ quần thể, tỷ lệ đột biến, và tỷ lệ trị số thích nghi trung bình so với trị số tốt nhất Các đầu ra từ hệ thống cơ sở tri thức mờ đối với Thuật giải di truyền là giá trị được xác định lại của các tham số, ví dụ như: Những thay đổi

Cơ sở tri thức mờ mã hoá các luật như: ảnh hưởng của kích cỡ quần thể đối với

tỷ lệ đột biến và đối với các nhân tố khác quyết định hiệu suất Thuật giải di truyền Logic mờ trong cơ sở trì thức và cơ chế suy diễn đẩm bảo chất lượng việc điều khiển các tham số thiết kế của Thuật giải đi truyền Suy luận mờ chỉ xảy ra giữa các lân tạo sinh, được áp dụng cho những ứng dụng thực tế có hàm thích nghi phức tạp

Mô đun Thuật giải di truyền khác được dùng cho thiết kế hệ thống cơ sở tri thức mờ Lúc này, hàm thành viên được giới hạn và mã hoá thành các cá thể của quân thể di truyền Hàm thích nghỉ phần ánh hiệu suất thực hiện của Thuật giải di truyền đích với các tham số thiết kế được xác định nhờ hệ Cơ sở ri thức mờ và được xác định trên cơ sở: tính trung bình của toàn bộ gid tri lượng giá hiệu suất thực hiện khi chạy thuật giải trong một khoảng thời gian cho trước và trung bình của giá /rị lượng giá hiệu suất tốt nhất khi chạy thuật giải trong cùng khoảng thời gian đó

Kết quả đạt được đã chứng minh rằng: việc phát triển các kỹ thuật kết hợp

giữa Logic mờ và Thuật giải di truyền là khả thi và cho phép cải tiến hiệu suất thực hiện của hệ thống trong một lớp các ứng dụng thực tế

Bảng 1.5 Những ví dụ ứng dụng của hệ thống kế! hợp Di truyền- Mờ[26,TUTK]

Các phản ứng hóa học toả nhiệt

Karr, Sharma, Hatcher va Harper

Hệ thống tự điều khiển trên trạm không gian: Nhận dạng mẫu theo phối cảnh Pal

Vận hành phối hợp trong hệ thống tiến hóa đa tác nhân

viên thay cho các tham số, giúp tăng tính linh động trong trường hợp biểu diễn những tri thức có mức độ phức tạp cao

Thuật giải di truyền hoạt động tốt trong những môi trường tương tự với những môi trường dùng cho các hệ thống mờ, nhằm giải quyết các bài toán phi tuyến hoặc những bài toán đòi hỏi hiệu suất cao Hơn nữa, Thuật giải di truyền có thể kết hợp với Logic mờ để tối ưu hiệu suất thực hiện của hệ thống Hệ thống kế! hợp Di truyền- Mờ là một phương cách tự nhiên để giải quyết hầu hết các bài toán khó trong thực tế, đồng thời nó cũng nâng.cao hiệu suất thực hiện cho các phương pháp truyền thống khi giải quyết bài toán Kỹ thuật kết hợp trên là một ưu điểm trong quá trình thiết kế phát triển ứng dụng cũng như giúp tăng khả năng học của hệ

Miễn ứng dụng hứa hẹn của hệ thống kế: hợp Di truyền- Mờ là: các hệ thống điều khiển cho quá trình xử lý vật lý

Một miễn ứng dụng khác là sử dụng các hệ thống kết hợp Di truyền- Mờ cho

xử lý thống kê truyền thống trong phân tích dữ liệu

Việc dùng công nghệ di truyền tăng hiệu suất của các bộ điều khiển mờ đang nhận được sự quan tâm đáng kể trong giai đoạn ứng dụng hiện nay Một số ứng dụng dựa theo kỹ thuật kế: hợp Di truyên- Mờ đã và đang được triển khai và tiếp tục

phát triển

Hướng phát triển trong tương lai đòi hỏi phải tìm ra lớp bài toán trong đó việc kết hợp Thuật giải di truyền với Logic mờ là duy nhất hoặc là cách tốt nhất để giải quyết lớp bài toán đó Nhiều nghiên cứu đòi hỏi việc so sánh bộ kết hợp Logic mờ- Thuật giải di truyền với phương pháp kết hợp Logic mờ và kỹ thuật tối ưu truyền thống hay với thuật giải học mạng Nơron

Thuật giải di truyền cho phép kết hợp các luật cố định với những tiêu chuẩn

khác: vấn để chỉ phí và hiệu suất hệ thống, những tiêu chuẩn này không dễ dàng biểu diễn dưới dạng luật Nghiên cứu, thử nghiệm và so sánh để chọn lựa kỹ thuật kết hợp Di truyền- Mờ là rất có giá trị trong việc đẩy mạnh các ứng dụng thực tế của hệ thống này

Mục 2.1(chương 2) sẽ để xuất một kỹ thuật kế: hợp Di truyên- Mờ: Mô hình kết hợp giữa Logic mờ và Thuật giải tiến hoá (EA- biến thể của Thuật giải di truyền (Phụ lục A)) riêng Mô hình để xuất thuộc lớp kỹ thuật : Ghép cặp hai mô đun Logic

mờ và Thuật giải tiến hóa để hình thành nên một hệ thống ứng dụng và tạm đặt tên

là mô hình FL_ EA

12 Mạng Nơon kết hợp với Logic mờ

Phương pháp kết hợp giữa mạng Nơron với Logie mờ ra đời từ đầu thập niên

1990 và hình thành trên nguyên tắc: khai thác ưu điểm của hai kỹ thuật riêng lẻ Mạng Nơron và Logic mờ có một vài điểm chung Chúng đều đóng vai trò như những hàm tính toán động, mà có thể điều chỉnh hoặc huấn luyện cho việc cải tiến hiệu suất hoạt động Chúng đều được thực hiện dựa trên nguyên lý xử lý song song Mạng Nơron bao gồm tập hợp các liên kết qua lại bên trong giữa cdc nut (Noron) trên nguyên tắc: đầu ra của mỗi Møron được liên kết thông qua các trọng số đến các Nơron khác hoặc tới chính nó Hệ ;hống “mờ” xử lý các luật, những luật này sẽ liên kết tập các đầu ra “mờ” với tập các đầu vào “zờ” Nhược điểm chính của các hệ thống “mờ” là: rất khó thiết kế cơ sở luật mờ khi tổn tại một số lượng lớn các đầu vào và đầu ra của hệ thống Các luật mờ được biểu diễn như một ánh xạ từ tập các biến ngôn ngữ đầu vào đến tập các biến ngôn ngữ đầu ra của hệ thống Tuy nhiên,

để có được bộ luật mờ phải phỏng vấn từ các chuyên gia, công việc này thường rất

khó khăn và vất vả Hơn nữa, việc tìm ra hàm thành viên chính xác đảm bảo hệ thống đạt được hiệu suất tốt cũng rất khó khăn Mzng Nơron mang lại một số thuận lợi, đó là: khả năng học từ dữ liệu quá khứ và khả năng thích ứng với môi trường khi dữ liệu mới được nạp vào hệ thống Ä⁄4ng Wơron sau khi được huấn luyện bởi các Thuật giải học sẽ có khả năng phân loại dữ liệu và nhận dạng các mẫu phức tạp [2,TLTK] Mặt hạn chế của mang 1a: sự thiếu hụt các Nơron trong mạng hoặc dữ liệu huấn luyện không bảo đảm: bị nhiễu hay không đây đủ

Bảng 1.6 Các đặc điểm của hệ thống “Mờ” và mạng Nơron

thuật mờ sẽ hiệu chỉnh các biến đổi toán học của từng Nơron trong mạng, hoặc sửa đổi Thuật giải huấn luyện mạng sao cho hiệu suất thực hiện của mạng là cao nhất [1;TLTKI

Có thể phân loại việc kết hợp giữa các hệ thống Mờ và Nơron như Bảng 1.7 Bảng 1.7 Phân loại việc kết hợp giữa các hệ thống Mờ và mạng Nơron

ghép cặp kết nối hệ chuyên gia Mo va mang Nơron để hình

thành một hệ thống tính toán thông minh

hiệu suất cao hơn

nhận và xử lý các đầu vào mờ lúc này, một tang mdi trên cùng sẽ được bổ xung để mờ hoá các dữ liệu đầu vào rõ

Mục 2.2 thuộc chương 2 sẽ để xuất mô hình kết hợp Nơron- Mờ riêng của

luận án: mô hình mạng Nơron- Mờ thuộc kiểu kết hợp: kỹ thuật mờ tỉnh chỉnh Mạng Nơron để tạo ra mạng mới với hiệu suất cao hơn

143 Kết hợp giữa Thuật giải di truyền và mạng Noron

Phương pháp kết hợp giữa Thuật giải di truyền với mạng Nơron được hình thành trên nguyên tắc: khai thác ưu điểm của hai kỹ thuật riêng lẻ Phương pháp kết hợp này ra đời từ năm 1980 và đang phát triển rất nhanh chóng Trên thế giới,

đã xuất hiện nhiều dự án tập trung khai thác khả năng kết hợp hai kỹ thuật trên

Vào năm 1990, việc khảo sát các hoạt động của Thuật giải di truyền đã làm đổi mới hướng nghiên cứu và ứng dụng của mạng Nơron Đến năm 1994, Thuật giải

di truyên đã từng được đề cập đến như một phần hỗ trợ của mạng Nơron hoặc hệ chuyên gia trong một vài hội nghị và tạp chí chuyên ngành

Công nghệ Thuật giải di truyền và một số công cụ khác trong Tính toán tiến hoá đã hình thành phương pháp giải quyết vấn để khá hiệu quả trong những ứng dụng thực tế phức tạp Đặc trưng chủ yếu của phương pháp cho phép sử dụng rộng rãi nó cho các hệ thống kết hợp là: khả năng tìm kiếm hiệu quả lời giải trên miền không gian rộng lớn và phức tạp Trong một số bài toán khó, phức tạp, Tính toán tiến hoá cho phép tim ra lời giải tối ưu với chỉ phí nhỏ hơn (chỉ phí thuật giải, chi phí thời gian ) so với các phương pháp truyền thống khác

Thuật giải di truyền kết hợp với mạng Nơron theo nhiễu cách khác nhau và một yêu cầu cho các nghiên cứu là: khai thác hữu ích khả năng kết hợp của phương pháp kết hợp Di :ruyễn- Nơron trong các ứng dụng thực tế

Trong thời gian gần đây, nhiều nghiên cứu đặt ra câu hỏi: khi nào và tại sao Thuật giải di truyền nên kết hợp với mạng Nơron? Mạng Nơron được hiểu như một

hệ thống quyết định phân lớp, vấn để đặt ra là: Bằng cách nào có thể nâng cao hiệu

suất thực hiện của mạng? Để thực hiện yêu cầu trên, mục tiêu Thuật giải di truyền kết hợp với mạng Nơron là: Đảm bảo chất lượng dữ liệu nhập vào mạng, giải thích các trạng thái khác nhau của mạng, khởi tạo bộ trọng số ban đầu giúp giảm bớt chi phí thuật giải trong quá trình tinh chỉnh mạng Xa hơn nữa, Thuật giải di truyền có

thể được dùng để xác định cấu trúc mạng Nơron (số Nơron, số lớp), cũng như xác định tham số mạng[5,TUTK], [9,TUTK], [23,TLTK]

Cũng với mục tiêu: Nâng cao hiệu suất phân lớp của mạng Nơron, gần đây, việc liên kết nhiều mzng Nơron bằng các công cụ tính toán mềm dẻo khác từng

được để cập như một hướng mới giúp xây dựng các hệ thống giải quyết Bời toán

phân lớp với hiệu suất cao

Trong khi các phương pháp thông thường chọn ra mạng tốt nhất từ các mạng Noron tham dự thì phương pháp kết hợp sẽ giữ lại tất cả các mạng cá thể và áp dụng một chiến lược quyết định tập chung thích hợp

Trong mục 2.3 thuộc chương 2, luận án sẽ để xuất một mô hình liên kết D¡ truyền- Nơron riêng: Thuật giải dị truyền liên kết nhiều mạng Nơron cá thể {6,CTNC], [10,CTNC] Mô hình kết hợp này không những xem xét sự khác nhau về hiệu suất của mỗi mạng khi liên kết, mà còn sử dụng các hệ số (đánh giá mức độ tin cậy của từng mạng cá thể) Thuật giải di truyền sẽ xác định giá trị các hệ số này

và kết hợp các mạng cá thể để thu được một kết quả đầu ra hợp lý

Các mục sau sẽ trình bày tổng quan về mô hình kế: hợp Di truyền- Nơron: Tóm tắt các nghiên cứu về việc kết hợp giữa D¿ ruyên và Nơron; một số ví dụ về

mô hình kết hợp giữa Thuật giải di truyền và mạng Nơron; ứng dụng thực tế và kết luận

1.3.1 Tóm tắt các nghiên cứu về việc kết hợp giữa Di truyền va Noron

Việc kết hợp giữa Thuật giải đi truyền và mạng Nơron có thể tóm tắt trên một vài phương thức khác nhau (bảng 1.8) (xem chỉ tiết trong [5,TLTK]):

© Thuật giải di truyền được ding trong các mô đun độc lập, mà nó sẽ tác động qua lại tới mạng Nơron và những mô đưn tính toán thông minh khác với mục tiêu giải quyết một bài toán thực tế Chức năng mô đun Thuật giải di truyền

thường là ầm kiếm lời giải tối ưu

© Thuột giải di truyền có thể đóng vai trò như bộ tiền xử lý ctia mang Noron: Giới hạn lại không gian lời giải để giảm chỉ phí thuật giải của mạng Nơron

© Thuật giải di truyền phân tích các kết quả đầu ra của mạng Nơron: trợ giúp việc giải thích kết quả để đưa ra quyết định cuối cùng

Thuật giải di truyền được dùng trong việc chuẩn bị dữ liệu đầu vào cho mạng

Nơron Nó được sử dụng để đưa ra một phương thức biểu diễn dữ liệu tối ưu và cũng được dùng để chọn ra bộ dữ liệu thích hợp nhất cho mạng Nhờ đó, với những mạng Nơron có cấu trúc ổn định, Thuật giải di truyền sẽ giúp giảm bớt

xử lý lặp trong quá trình xác định bộ trọng số và tham số

e Cũng có thể sử dụng Thuật giải đi truyền khởi tạo bộ trọng số ban đầu của mạng Nơron, điều này giúp rút ngắn thời gian huấn luyện mạng

Một số chương trình tiến hoá mà nền tẳng là Thuật giải di truyền cho phép xác định cấu trúc, tham số mạng Nơron, tuy nhiên còn đòi hỏi nhiều nghiên cứu và tìm hiểu sâu hơn nữa

Thuật giải di truyền thay thế thuật giải học của mạng Nơron, ứng dụng trong lớp bài toán: trong đó thuật giải lan truyền ngược không hữu ích

Bảng 1.8 Một số phương thức liên kết Thuật giải di truyền với mạng Nơron