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) 9

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

TÀI LIỆU THAM KHẢO (TLTK)

Tiếng Việt

[H

(2]

(3)

[4]

(5]

[6]

[1

[8]

Bùi Công Cường (2001), “Kiến thức cơ sở của hệ mờ”, Hệ mờ, mạng nơron và

ứng dụng, Nhà xuất bản khoa học và kỹ thuật, Hà nội, tr 9-35

Bùi Công Cường (2003), “Một số lớp mạng nơron nhân tạo và ứng dụng vào nhận dạng”, Trường thu”Hệ mờ và ứng dụng”, lần thứ ba, Hà nội, tháng 8, phần I— II

Nguyễn Đình Cử, Nguyễn Cao Văn (1991), Giáo trình Lý Thuyết xác suất và thống kê toán, Trường Đại Học Kinh Tế Quốc Dân Hà Nội, Việt nam

Hoàng Kiếm, Nguyễn Ngọc Kỷ, Bạch Hưng khang, Quách Tuấn Ngọc, Lê Tự

Thành, Lương Chi Mai (1992), Nhận dạng: Các phương pháp và ứng dụng,

NXB Thong Kê, Việt nam

Hoàng Kiếm, Lê Hoàng Thái (2000), Thuật Giải Di Truyên: Cách giải tự

nhiên các bài toán trên máy tính , ÑXB Giáo Dục,Việt nam

Lê Quang Phúc (2003), “Một thuật toán tìm luật để phân lớp dựa vào mạng

nơron mờ”, Trường thu” Hệ mờ và ứng dụng”, lần thứ ba, Hà nội, tháng 8 Nguyễn Doãn Phước, Phan Xuân Minh (2001), “Nhập môn điều khiển mờ”,

Hệ mờ, mạng nơron và ứng dụng, Nhà xuất bản khoa học và kỹ thuật, Hà nội,

tr.104 -132

Nguyễn Đình Thúc (2001), Lập trình tiến hoá: Cấu trúc đữ liệu +Thuật Giải

Di Truyền= Chương trình tiến hóa, NXB Giáo Dục,Việt nam

(9] Nguyễn Thanh Thủy, Nguyễn Hữu Đức, Trần Ngọc Hà (2001), “Tích hợp các

kỹ thuật tính toán mềm và mạng nơron trong xử lý dữ liệu”, Hệ mờ, mạng nơron và ứng dụng, Nhà xuất bản khoa học và kỹ thuật, Hà nội, tr.160 -170

Tiếng Anh

[10]

(11)

(12]

[13]

[14]

[5]

Arica, N., Yarman-Vural, F T (2002), “Optical Character Recognition for

Cursive Handwriting “ IEEE Transations on Pattern Analysis and Machine

Intelligence, 24(6), June, pp 801-813

Banzhaf, W.,Nordin, P., Keller, R.E., and Francone, F.D (1998), Genetic Programming- An Introduction, Morgan Kaufmann

Benediktsson, J.A and Swain, P.H (1992), “Consensus theoretic

classification methods”, JEEE Trans On System and Man Cybernet, Vol.22, pp

418 — 435

Bentley, P.J., and Corne, D.W., editors (2001), Creative Evolutionary Systems, Morgan Kaufmann

Bishop, J M., Bushnell, M J., Usher, A , and Westland, S (1993), “Genetic

optimization of neural network architectures for colour recipe prediction”, Artificial Neural Networks and Genetic Algorithms, Springer - Verlag, NewYork, pp 719- 725

Cai, J., Liu, Z.Q (2000), “Off-line Unconstrained Handwritten Word

Recognition”, International Journal of Pattern Recognition and Artificial Intelligence, 14(3), pp 259- 280

[16] Gupta, M M., and Ding, H (1994), “Foundation of Fuzzy Neural Computations”, Soft computing: Fuzzy logic, Neural Networks, and Distributed Artificial Intelligence, PTR Prentice Hall, Englewood Cliffs, New Jersey

07632, pp.165- 199

[17] Ho, T.K (1992), A theory of multiple classifier systems and its application to visual word recognition, Ph.D Disertation, University of Buffalo

[18] Holland, J.H (1992), Adaptation in Natural and Artificial Systems Univ of

Michigan press, Ann Arbor

[19] Kadaba, N., Nygard, K.E , and Juell, P.J (1991), “Integration of adaptive

machine learning and knowledge- Cased systems for rauting and scheduling

applications”, Expert Systems With Application, vol 2, no.1, pp.15- 27

[20] Kiem, H., Thuc, N D., Nhon, D V.(2000), Evolution Algorithms for Function Analysis, Preprints of RESCCE’2000, July, pp 205- 213

(21] Knuth, D E (1997), The Art of Computer Programming, vol.1, Addison Wesley

Longman, Inc

[22] Krzyzak, A., Dai, W., Suen, C.Y (1990), “Unconstrained handwritten character classification using modified back probagation model”, Proc 1* Internat Workshop on Frontiers in Handwriting Recognition, Montreal,

Canada, pp 155- 166

[23] Lin, C T., and Lee, C.S.G (1996), Neural- Fuzzy Systems : A Neuro — Fuzzy synergism to Intelligent Systems, Prentice- HALL International, Inc

[24] Mandanne, F., Carrére, F , Ehinger, A., and Schoenauer, M (1999),

“Evolutionary algorithms as fitness function debuggers”, In Z.W Ras and

A.Skowron, editors, Foundation of Inteligent Systems, ISMIS99, LNCS 1609 Springer Verlag

[25] Martin, G.L., Pittman, J.A (1990), “Recognizing hand- printed letters and digits”, Adv Neural Inform Process System 2, pp 405- 414

[26] Medsker, L R (1996), Hybrid Intelligent Systems, KLUWER ACADEMIC PUBLISHERS, Boston/Dordrech/London

(27] Meghan, F., Shannon, and Joan (1997), Machine Learning, McGraw-Hill Companies, Inc, United States of America

[28] Michalewicz, Z (1992), Genetic Algorithms +Data Structures= Evolution Programs, Springer Verlag

[29] Miihlenbein, H and Mahnig, T (2002), “Theoretical Analysis of Evolutionary

Computation”, in K Giannakolou, D.Tsahalis, J Periaux, K.Papailiou and

T.Fogarty, editors, Evolutionary Methods for design, Optimisation and Control,

CIMNE, Barcelona, Spain, pp 27- 34

(30] Miihlenbein, H., and Mahnig, T.-(2001), “Evolutionary computation and beyond”, in Y Uesaka, P Kanerva, and H Asoh, editors, Foundation of Real- World Intelligence, Stanford, California, CSLI Publications, pp 123- 188

[31] Park, H.S., Sin, B.K., Moon, J.S., Lee, S.W (2001), “A 2-D HMM Method for Offline Handwritten Character Recognition”, International Journal of Pattern Recognition and Artificial Intelligence, 15(1), pp 91-105

[32] Schoenauer, M., and Sebag, M (2002), “Using domain knowledge in Evolutionary system identification”, in K Giannakolou, D.Tsahalis, J Periaux, K.Papailiou and T.Fogarty, editors, Evolutionary Methods for Design,

[33] Whitley, D., Dominic, S., Das, R., and Anderson, C W (1993), “Genetic

reinforcement learning for neurocontrol problems” Machine Learning, vol 13,

no 2- 3, pp 259- 284

[34] Xu, L., Krzyzak, A., Suen, C.Y (1992), “Methods of combining multiple

classifiers and their applications to handwriting recognition”, JEEE Trans Syst

ManCybernet 22, pp 688-704

(35] Zadeh, L.A (1965), “Fuzzy sets”, Information and Control, vol 8, pp 338-353

(36] Zeng, S., and He, Y.(1994), “Learning and turning fuzzy logic controllers

through genetic algorithms”, Proceedings of the IEEE International Conference

on Neural Networks, vol Il, IEEE World Congress on computational Intelligence, Orlando, FL, pp 1632- 1637