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) 7

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

KET LUAN VA HUGNG NGHIEN CUU TRONG TUONG LAI

Về mặt ứng dụng, chúng tôi đã hoàn thành một số hệ thống cho phép ứng

dụng trong các lĩnh vực thực tế Cụ thể là ba hệ chương trình: Hệ chứng thực ảnh,

Hệ nhận dạng chữ viết tay và Hệ phân loại ảnh vân tay bị mất mát thông tin Mặc dù còn phải gia công nhiều để các Hệ thống này có thể trở thành sản phẩm, nhưng

bước đầu, chúng đã có được những đánh giá tốt trên một số kết quả thử nghiệm

Về mặt lý thuyết, luận án đạt được một số kết quả mới:

(1) Về việc kết hợp giữa Thuật giải di truyền và Logic mờ

(1.1) Để xuất mô hình ghép cặp giữa Thuật giải di truyền và Logic mờ: ứng dụng trong bài toán chứng thực mẫu (phân biệt THẬT/GIẢ)

(1⁄2) Chứng minh được tính hiệu quả của biến đổi mờ trong quá trình biểu

diễn lại đối tượng ban đầu

(1.3) Chứng minh được hiệu quả của Thuật giải tiến hoá( biến thể của Thuật

giải di truyền) so với phương pháp truyền thống trong bài toán chứng thực mẫu (phân biệt THẬT/GIẢ)

(2) Về việc kết hợp giữa mạng Nơron và Logic mờ

(2.1) Để xuất mô hình kết hợp giữa mạng Nơron và Logic mờ: Dùng Logie mờ

hiểu chỉnh biến đổi toán học của Wøron trong mạng hình thành mang Nơron- Mở và ứng dụng trong bài toán phân lớp mẫu(mẫu là 1 véc tơ) (2.2) Đề xuất Thuật toán học tự tổ chức dành riêng cho mạng Nơron- Mờ

(2.3) Chứng minh được tính hiệu quả của Thuật toán học tự tổ chức trong việc

xác định tự động các Nơron đầu ra: Số lượng MIN- FN trong tầng thứ ba

(2.4) Việc so sánh các kết quả thử nghiệm trên bài toán nhận dạng chữ viết tay thường chỉ ra tính khá thi của mang Noron- Md so với mạng Nơron (3) Về việc kết hợp giữa Thuật giải di truyền và Mạng Nơron

(3.1) Để xuất mô hình sử dụng Thuật giải di truyền kết hợp nhiều mạng Nơron: ứng dụng trong bài toán phân loại mẫu: phân lớp mẫu gồm nhiều véc to

(3.2) Chitng minh dugc tính hội tụ của Thuật: giải di truyền trong quá trình

xác định hệ số tin cậy của từng mạng nơ ron trong sơ đồ kết hợp các

mạng

(3.3) Chỉ ra tính khả thi của mô hình để xuất so với một số phương pháp khác

thông qua ứng dụng thử nghiệm: Nhận dạng chữ viết tay

(4) Về việc kết hợp giữa Thuật giải di truyền với mạng Nơron và Logie mờ (4.1) Dé xuất kỹ thuật sử dụng mạng Kohonen để ấn định trị số thích nghỉ mờ

cho Thuật giải di truyền

(4.2) Đưa ra mô hình kết hợp Di truyền- Nơron- Mờ trong công tác chuẩn bị

dữ liệu của Mạng Nơron

(4.3) Chứng minh tinh hiệu quả của mô hình kết hợp Di truyền- Kohonen- Mờ trong xác định mẫu đồng dạng

(4.4) Để xuất mô hình kết hợp nhiều mợng Nơron- Mờ bằng Thuật giải di truyền và ứng dụng trong phân loại mẫu

(4.5) Chỉ ra tính khả thi của mô hình kết hợp nhiễu mạng Nơron- Mờ bằng Thuật giải di truyễn so với các mô hình đơn lễ và kết hợp khác thông qua

bài toán thử nghiệm: Nhận dạng chữ viết tay

(4.6) Để xuất mô hình kết hợp Di truyền- Nơron- Mờ cho bài toán phân loại

mẫu bị mất mát thông tin

(4.6.LÁp dụng mô hình kết hợp Di truyền- Kohonen- Mờ- AM cho phục hồi

mẫu bị mất mát thông tin

(4.6.2)Ấp dụng mô hình mạng Nơron mờ bốn tầng hoặc mạng Nơron truyền

thẳng ba tầng cho phân loại mẫu bị mất mát thông tin

(4.6.3) So sánh chọn lựa một trong hai mô hình trên bài toán phân loại mẫu

vân tay bị mất mát thông tin

Kết quả luận án mới chỉ là bước đầu trong quá trình nghiên cứu của chúng tôi Một số vấn để còn có thể nghiên cứu hoàn thiện hơn cả về mặt lý thuyết cũng như thực hành Trong tương lai, chúng tôi đặc biệt quan tâm việc cải tiến các kỹ thuật kết hợp sao cho thu được những kết quả thử nghiệm tốt hơn nữa Về mặt thực tiễn, chúng tôi hy vọng có thể nối kết các module phần mềm tính toán thông minh với

các công cụ kỹ thuật khác để hình thành những sản phẩm tiện ích có thể ứng dụng rộng rãi ngoài thị trường