TAILIEUCHUNG - Đề tài khoa học và công nghệ cấp cơ sở: Nghiên cứu giải pháp tích hợp các kiểu khác nhau của tri thức để cải tiến mô hình mờ TSK trích xuất từ máy học véc-tơ hỗ trợ

Mục tiêu nghiên cứu đề tài là nghiên cứu giải pháp tích hợp các kiểu khác nhau của tri thức với mô hình mờ TSK hướng dữ liệu (data-driven models) trích xuất từ máy học véc-tơ hỗ trợ cho bài toán dự báo hồi quy nhằm cải tiến hiểu quả của mô hình. | ĐẠI HỌC ĐÀ NẴNG TRƯỜNG CĐ CÔNG NGHỆ THÔNG TIN BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP CƠ SỞ NGHIÊN CỨU GIẢI PHÁP TÍCH HỢP CÁC KIỂU KHÁC NHAU CỦA TRI THỨC ĐỂ CẢI TIẾN MÔ HÌNH MỜ TSK TRÍCH XUẤT TỪ MÁY HỌC VÉC-TƠ HỖ TRỢ Mã số T2016-07-02 Xác nhận của cơ quan chủ trì đề tài Chủ nhiệm đề tài Nguyễn Đức Hiển Đà Nẵng 12 2016 i M C C C C . i NH C H NH . iii NH C NG I . iv NH CC C I . v HÔNG IN K Q NGHIÊN CỨ . vi Ở ĐẦ . 1 1. ổng quan . 1 2. ính cấp thiết của đề tài . 2 3. ục tiêu đề tài . 3 4. Cách tiếp cận và phương pháp nghiên cứu . 3 5. Đối tượng và phạm vi nghiên cứu . 4 6. Nội dung nghiên cứu . 4 Chương C Ở H Ô H NH K À HỌC C- . 6 . ô hình mờ. 6 . ô hình mờ amdani . 8 . ô hình mờ akagi-Sugeno. 9 . Cơ sở lý thuyết áy học éc-tơ hỗ trợ . 10 . áy học éc-tơ hỗ trợ . 10 . áy học éc-tơ hỗ trợ cho vấn đề tối ưu hóa hồi qui . 12 . ự tương tự giữa máy học éc-tơ hỗ trợ và mô hình mờ . 13 . rích uất luật mờ t dữ li u dựa trên sự kết hợp máy học và mô hình . 15 Chương 2 IỆC HỌC Ô H NH ỚI RI HỨC IÊN NGHIỆ . 17 2 ai trò của tri thức tiên nghi m . 17 2 2 Học dựa trên sự giải thích EBL . 18 2 3 Học dựa trên sự thích hợp R . 19 2 4 Học quy nạp dựa trên tri thức K I . 20 Chương 3 ÍCH HỢP RI HỨC IÊN NGHIỆ ÀO Q R NH HỌC . 22 3 Điều ki n đảm bảo tính có thể diễn dịch được của mô hình mờ . 22 32 ích hợp tri thức tiên nghi m trong mô hình mờ dựa trên máy học véc-tơ hỗ trợ . 24 Chương 4 Ộ ỐK Q HỰC NGHỆ . 27 ii 4 í dụ hồi quy phi tuyến tính . 27 4 2 Chuỗi thời gian hỗn loạn ackey-Glass . 29 4 3 H thống orenz . 32 K ẬN À KI N NGHỊ . 35 ÀI IỆ H KH O . i iii DANH M C HÌNH VẼ Hình 1. Cấu trúc của một mô hình mờ . 6 Hình 2. Hình ảnh phân lớp với SVM . 11 Hình 3. Sự tương đương giữa SVM và Mô hình mờ . 14 Hình 4. Sơ đồ khối thuật toán f-SVM . .16 Hình 5. Mô hình học EBL. 18 Hình 6. Mô hình học RBL. 19 Hình 7. Mô hình học KBIL . 20 Hình 8. Thuật toán SVM-IF . 25 Hình 9. Kết quả mô hình đã tối ưu hóa RMSE . 28 Hình 10. Kết quả dự đoán trên 200 mẫu dữ .

TÀI LIỆU LIÊN QUAN
TAILIEUCHUNG - Chia sẻ tài liệu không giới hạn
Địa chỉ : 444 Hoang Hoa Tham, Hanoi, Viet Nam
Website : tailieuchung.com
Email : tailieuchung20@gmail.com
Tailieuchung.com là thư viện tài liệu trực tuyến, nơi chia sẽ trao đổi hàng triệu tài liệu như luận văn đồ án, sách, giáo trình, đề thi.
Chúng tôi không chịu trách nhiệm liên quan đến các vấn đề bản quyền nội dung tài liệu được thành viên tự nguyện đăng tải lên, nếu phát hiện thấy tài liệu xấu hoặc tài liệu có bản quyền xin hãy email cho chúng tôi.
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.