Đang chuẩn bị liên kết để tải về tài liệu:
Một số giải pháp tối ưu tập luật mờ TSK trích xuất từ máy học véctơ hỗ trợ hồi quy

Trích xuất tập luật mờ TSK (Takagi-Sugeno-Kang) từ máy học véctơ hỗ trợ là một trong những hướng tiếp cận để xây dựng mô hình mờ cho các bài toán dự đoán, dự báo. Nghiên cứu đề xuất và thực nghiệm một số giải pháp nhằm rút gọn, tối ưu tập luật mờ TSK trích xuất được nhưng vẫn đảm bảo hiệu quả dự đoán, dự báo của mô hình. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XI về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Hà Nội ngày 09-10 8 2018 DOI 10.15625 vap.2018.00045 MỘT SỐ GIẢI PHÁP TỐI ƯU TẬP LUẬT MỜ TSK TRÍCH XUẤT TỪ MÁY HỌC VÉCTƠ HỖ TRỢ HỒI QUY Nguyễn Đức Hiển Lê Mạnh Thạnh Khoa Công nghệ thông tin Trường Đại học Khoa học Đại học Huế hiencit@gmail.com lmthanh@hueuni.edu.vn TÓM TẮT Trích xuất tập luật mờ TSK Takagi-Sugeno-Kang từ máy học véctơ hỗ trợ là một trong những hướng tiếp cận để xây đựng mô hình mờ cho các bài toán dự đoán dự báo. Những nghiên cứu trước đây theo hướng tiếp cận này cho thấy mô hình mờ được huấn luyện tự động dựa trên tập dữ liệu đầu vào dẫn đến những hạn chế chủ yếu như kích thước tập luật lớn thiếu tính đặc trưng thiếu tính bao phủ. Trong bài báo này nhóm tác giả nghiên cứu đế xuất và thực nghiệm một số giải pháp nhằm rút gọn tối ưu tập luật mờ TSK trích xuất được nhưng vẫn đảm bảo hiệu quả dự đoán dự báo của mô mình. Từ khóa Mô hình mờ TSK Máy học véctơ hỗ trợ Mô hình mờ hướng dữ liệu Mô hình dự báo hồi quy. I. ĐẶT VẤN ĐỀ Mô hình mờ được biết đến như là một mô hình khá hiệu quả trong việc xử lý những thông tin mơ hồ và không chắc đó chắn đồng thời nó cũng thể hiện những lợi thế rõ ràng trong việc biểu diễn và xử lý tri thức. Hoạt động của mô hình mờ phụ thuộc nhiều vào hệ thống các luật mờ và quá trình suy diễn trên tập luật mờ đó. Đã có nhiều tác giả nghiên cứu và đề xuất các phương thức để xây dựng các mô hình mờ hướng dữ liệu 3 4 5 6 7 8 9 10 . Vấn đề trích xuất mô hình mờ từ máy học véctơ hỗ trợ SVM - Support Vector Machine được nhóm tác giả J. H Chiang và P. Y Hao nghiên cứu và công bố lần đầu tiên trong 3 . Một trong những vấn đề của máy học véctơ hỗ trợ là tính chính xác của mô hình thu được tỷ lệ thuận với số lượng support-vector Sv sinh ra điều này đồng nghĩa với việc số lượng luật mờ của mô hình mờ trích xuất được sẽ tăng lên. Nói cách khác là khi tăng hiệu suất của mô hình thì đồng nghĩa với việc làm giảm tính sáng sủa tính có thể diến .