Câu 1.  Trình bày bộ điều khiển mờ lý lưởng ? Cho ví dụ minh họa?

- Trên góc độ điều khiển thì con người có khả năng tuyệt vời của bộ điều khiển mờ hoàn chỉnh.

- Ví dụ người lái xe

           + Đại lượng điều khiển thứ nhất là con đường trước mặt. Người lái xe có nhiệm vụ điều khiển chiếc xe đi đúng phần đường quy định, tức là phải luôn giữ cho xe nằm trong phần đường bên phải kể từ vạch phân cách, trừ trường hợp vượt xe khác, tránh các phương tiện lưu thông khác trên đường...

    + Đại lượng điều khiển thứ hai là tốc độ của xe. Với nguyên tắc để xe chạy êm và an toàn cũng như tiết kiệm xăng… người lái xe có nhiệm vụ giữ ổn định tốc độ cho xe, tránh phanh gấp hoặc gia tốc đột ngột không cần thiết.

    + Ngoài hai đại lượng cần điều khiển chính như trên người lái xe còn phải theo dõi tình trạng làm việc của xe như nước làm mát có quá nóng, dầu bôi trơn có còn đủ, lượng xăng trong bình, nhiệt độ trong xe, áp suất hơi trong lốp...

    Người lái, xe trong quá trình lái xe, đã thực hiện tuyệt vời chức năng của bộ điều khiển, từ thu thập thông tin, thực hiện thuật toán điều khiển (trong đầu) cho đến đưa ra tín hiệu điều khiển kịp thời mà không cần phải biết chính xác về vị trí, tốc độ, tình trạng… của xe

Câu 2. Em hãy so sánh sự giống và khác nhau giữa tập mờ và tập kinh điển? Vẽ đồ thị minh họa?

+ Giống:   là sự xếp đặt chung lại các vật, các đối tượng có cùng chung một tính chất. Các vật, các đối tượng đó được gọi là phần tử của tập hợp.

+ Khác: - Kinh điển - nhận mọi giá trị

    -  Mờ nhận giá trị từ 0->1

Câu 3.  Trình bày và viết biểu thức các phép toán trên tập mờ?

1. Phép hợp hai tập mờ

        AB(x) = MAX{A(x), B(x)}        

2.  Phép giao hai tập mờ

        A B(x) = MIN{A(x), B(x)}        

Câu 4.  Biến ngôn ngữ là gì? Lấy ví dụ minh họa.

Biến ngôn ngữ là cách thể hiện bằng ngôn ngữ của các biến điều khiển  như vận tốc, nhiệt độ, vị trí... biến ngôn ngữ cũng có các giá trị ngôn ngữ như: rất chậm, chậm, trung bình, nhanh, rất nhanh…; âm, zê rô, dương…

    Mỗi biến điều khiển cũng có một miền giá trị vật lý ví dụ tốc độ động cơ trong khoảng 0 đến 3000 vòng/phút… và như vậy biến ngôn ngữ cũng có miền giá trị vật lý tương ứng.

    Các giá trị của biến ngôn ngữ cũng có miền giá trị vật lý tương ứng

ví dụ tốc độ xe:

    + Rất chậm là khoảng nhỏ hơn 30km/h

    + Chậm là khoảng từ 35km/h đến 45km/h,

    + Trung bình là khoảng từ 40km/h đến 50km/h,

    + Nhanh là khoảng từ 45km/h đến 60km/h

    + Rất nhanh là khoảng lớn hơn 80km/h…

    Các biến ngôn ngữ được thể hiện qua các hàm liên thuộc tương ứng.

    + rất chậm¬¬(x)

    + chậm¬¬(x)

    + trung bình¬¬(x)

    + nhanh(x)

    + rất nhanh(x)

Câu 5. Em hãy nêu khái niệm cơ bản của điều khiển mờ ?

- Khỗi lượng công việc thiết kế giảm đi nhiều do không cần sử dụng mô hình đối tượng trong việc tổng hợp hệ thống.

    - Bộ điều khiển mờ dễ hiểu hơn so với các bộ điều khiển khác và dễ dàng thay đổi.

    - Đối với các bài toán thiết kế có độ phức tạp cao, giải pháp dùng bộ điều khiển mờ cho phép giảm khối lượng tính toán và giảm giá thành sản phẩm.

    - Trong nhiều trường hợp bộ điều khiển mờ làm việc ổn định hơn, bền vững hơn và chất lượng điều khiển cao hơn.

    - Điều khiển mờ có thể sử dụng cho các hệ thống không cần biết chính xác mô hình đối tượng.

    - Vì hệ thống điều khiển mờ gần với nguyên lý điều khiển của con người (con người không có các cảm biến để cảm nhận chính xác đối tượng),  do đó các bộ cảm biến sử dụng có thể không cần độ chính xác cao.

    + Việc nghiên cứu về lý thuyết đối với lý thuyết mờ chưa thật hoàn thiện (tính ổn định, tính phi tuyến, tối ưu…).

    + Cho đến nay chưa có nguyên tắc chuẩn mực cho việc thiết kế cũng như chưa thể khảo sát tính ổn định, tính bền vững, chất lượng, quá trình quá độ cũng như quá trình ảnh hưởng của nhiễu… cho các bộ điều khiển mờ.

Câu 6.  Em hãy trình bày nguyên lý của điều khiển mờ?

Về nguyên lý, hệ thống điều khiển mờ cũng không có gì khác với các hệ thống điều khiển khác. Sự khác biệt ở đây là bộ điều khiển mờ làm việc có tư duy như “bộ não” dưới dạng trí tuệ nhân tạo.

    Hệ thống điều khiển mờ làm việc dựa trên kinh nghiệm và phương pháp rút ra kết luận theo tư duy của con người, sau đó được cài đặt vào máy tính trên cơ sở của logic mờ.

    một hệ thống điều khiển tự động với bộ điều khiển mờ. Bộ điều khiển mờ gồm các khâu chính là:

    + Giao diện đầu vào bao gồm khân mờ hoá, và các khâu phụ trợ để thực hiện các bài toán động như tích phân, vi phân….

    + Thiết bị hợp thành mà bản chất của nó là triển khai luật hợp thành R được xây dựng trên cơ sở các luật điều khiển.

    + Giao diện đầu ra gồm khâu giải mờ, và các khâu giao diện trực tiếp với đối tượng,  có khâu đối tượng, khâu này được điều khiển bằng đại lượng u là tín hiệu đầu ra của bộ điều khiển mờ. Vì các tín hiệu điều khiển đối tượng là “các tín hiệu rõ”, nên tín hiệu ra của bộ điều khiển mờ trước khi đưa ra điều khiển đối tượng phải qua khâu giải mờ. Các tín hiệu ra y của đối tượng được đo bằng cảm biến và được xử lý sơ bộ trước khi đưa vào bộ điều khiển. Các tín hiệu này cùng tín hiệu chủ đạo cũng là các “tín hiệu rõ”, do vậy để bộ điều khiển mờ hiểu được chúng ta phải mờ hoá chúng.

Câu 7.  Em hãy trình bày những nguyên tắc tổng hợp bộ điều khiển mờ?

Để thiết kế bộ điều khiển mờ người thiết kế phải có đầy đủ kinh nghiệm điều khiển thực tế. Khi đã có đủ hiểu biết về hệ thống cần thiết kế ta đi theo các bước sau:

    + Định nghĩa tất cả các biến ngôn ngữ vào ra

    + Định nghĩa tập mờ cho các biến vào ra

    + Xây dựng các luật điều khiển (mệnh đề hợp thành)

    + Chọn thiết bị hợp thành (MAX-MIN, SUM-MIN…)

    + Chọn nguyên lý giải mờ

    + Tối ưu cho hệ thống.

    Để hiểu rõ các bước ta đi phân tích hệ điều khiển mờ để điều khiển nhiệt độ. Vấn đề đặt ra là tổng hợp một bộ điều khiển để điều hoà nhiệt đô cho căn phòng. Thiết bị điều hoà nhiệt độ hai chiều nóng và lạnh với việc chỉnh nhiệt độ mỗi chiều hoàn toàn tuyến tính.

Câu 8  Em hãy nêu các bộ điều khiển mờ cơ bản ?

Bộ điều khiển mờ theo luật P

    Bộ điều khiển mờ theo luật tỷ lệ thuộc hệ điều khiển mờ tĩnh. Sơ đồ bộ điều khiển mờ tỷ lệ

    Đầu vào của bộ điều khiển mờ là sai lệch ET giữa tín hiệu chủ đạo và tín hiệu ra của bộ cảm biến được thể hiện bằng ngôn ngữ trong phạm vi xác định. Đầu ra của bộ điều khiển được đưa đến điều khiển đối tượng, tín hiệu ra cũng được thể hiện bằng biến ngôn ngữ trong phạm vi xác định. Để tổng hợp được bộ điều khiển ta phải có các luật điều khiển nếu ET ... thì P.

Bộ điều khiển mờ PI

    Bộ điều khiển mờ PI có thể thiết kế từ bộ điều khiển mờ P (bộ điều khiển mờ tuyến tính) bằng cách mắc nối tiếp một khâu tích phân kinh điển vào trước hoặc sau khối mờ đó. Do tính phi tuyến của hệ mờ, nên việc mắc khâu tích phân trước hay sau hệ mờ hoàn toàn khác nhau. dùng khâu tích phân mắc ở đầu ra của hệ mờ. Với bộ điều khiển mờ thì đầu vào bộ điều khiển mờ vẫn là sai lệch ET đầu ra của bộ điều khiển là tín hiệu điều khiển đối tượng.

Bộ điều khiển mờ PID

    Bộ điều khiển mờ PID thường sử dụng để triệt tiêu sai lệch tĩnh của hệ thống. Bộ điều khiển PID mờ có thể được thiết kế trên cở của bộ điều khiển PD mờ bằng cách mắc nối tiếp ở đầu ra của bộ điều khiển PD mờ một khâu tích phân

Câu 9.  Em hãy trình bày một số ứng dụng thực tế của hệ điều khiển mờ?

Từ những ưu điểm của mình, logic mờ đã được ứng dụng thành công trong một loạt công việc điều khiển cụ thể như:

    + Hệ thống điều khiển mờ cho máy điều hoà không khí. Ở hệ thống này người ta dùng cảm biến nhiệt độ xác định nhiệt độ trong phòng và dùng bộ điều khiển mờ để điều khiển tốc độ quạt gió làm mát để điều hoà không khí trong phòng.

    + Hệ thống điều khiển mờ cho máy giặt. Với hệ thống này chỉ cần cho quần áo vào máy giặt và bật máy, quá trình giặt sẽ được tiến hành tự động. Muốn vậy, trong máy giặt phải có cảm biến trọng lượng để xác định trọng lượng quần áo, cảm biến xác định độ sạch của quần áo thường dùng ánh sáng chiếu qua nước để xác định. Với giá trị trọng lượng quần áo và độ bẩn máy sẽ tự động điều chỉnh lượng nước, lượng bột giặt và thời gian giặt cần thiết.

    + Bộ điều khiển mờ điều khiển tốc độ động cơ một chiều. Để điều khiển tốc độ động cơ ta dùng cảm biến tốc độ và các bộ điều khiển mờ như trên đã trình bày sẽ thực hiện điều khiển được tốc độ động cơ.

    + Bộ điều khiển vị trí sử dụng điều khiển mờ. Có thể dùng bộ điều khiển mờ để thực hiện điều khiển vị trí dùng biến tần động cơ, với hệ này cảm biến xác định vị trí và đưa vào bộ điều khiển mờ để thực hiện quá trình điều khiển.

Câu 10.   Em hãy nêu những khái niệm cơ bản của mạng nơron?

Lịch sử nghiên cứu bộ não con người

        Quá trình nghiên cứu và phát triển mạng nơron nhân tạo có thể chia thành bốn giai đoạn.

Nguyên nhân thúc đẩy nghiên cứu bộ não con người.

         Mô phỏng sinh học, đặc biệt là mô phỏng nơron thần kinh là một ước muốn từ lâu của nhân loại. Với khoảng 1025 nơron ở não người, mỗi nơron có thể nhận hàng vạn tín hiệu từ các khớp thần kinh và được coi là một cơ chế sinh học phức tạp nhất. Não người có khả năng giải quyết những vấn đề như: nghe, nhìn, nói, hồi ức thông tin, phân biệt các mẫu mặc dù dữ kiện bị méo mó, thiếu hụt. Não thực hiện những nhiệm vụ như vậy bởi có những phần tử tính gọi là nơron. Não phân bổ việc xử lý thông tin cho hàng tỷ nơron có liên quan, điều khiển liên lạc giữa các nơron. Nơron không ngừng nhận và truyền thông tin lẫn nhau. Cơ chế hoạt động của nơron bao gồm: Tự liên kết, tổng quát hoá và tự tổ chức. Các nơron liên kết với nhau thành mạng, mỗi mạng gồm hàng vạn các phần tử nơron khác nhau, mỗi phần tử nơron có khả năng liên kết với hàng ngàn các nơron khác.

Câu 11.   Em hãy trình bày mô hình nơron sinh học của mạng nơron?

Mô hình một nơron sinh vật

- Các khớp: có nhiều loại khớp khác. Mỗi loại khớp lại cản các loại xung khác bằng những lực khác. Nên một khớp chỉ cho đi qua một số loại xung nhất định. Mỗi lần một xung đi qua sức cản của khớp giảm đi một ít làm cho lần sau dễ dàng hơn.

- Truyền xung tín hiệu: xung điện phát ra từ nơron trước khớp. Nếu lực cản của khớp nhỏ xung truyền qua. Các nhánh của nơron nhận và truyền về thân (soma) gây ra quá trình hoá học, làm tăng hoặc giảm điện thế bên trong của nơron nhận. Nếu  điện thế lớn hơn ngưỡng nơron phát hoả (fire),  một xung sẽ được gửi ra sợi trục (axon) qua các sợi nhánh tới chỗ kết thúc - gọi là khớp - để truyền tiếp đến các nơron sau khớp. Các khớp cho xung đi qua tác động làm tăng khả năng phát hoả của nơron nhận gọi là khớp ức chế.

- Quá trình học: Khi có xung kích thích từ bên ngoài tới, các khớp cản lại khác nhau, cho đi qua hoặc không và sẽ kích thích hay ức chế các nơron tiếp theo. Do đó hình thành một con đường dẫn truyền xung nhất định. Học là làm cho con đường này được lặp lại nhiều lần, nên sức cản các khớp nhỏ dần, tạo điều kiện cho các lần sau lặp lại dễ dàng hơn.

Câu 12.   Em hãy trình bày nô hình của mạng nơron nhân tạo?

Mô hình một nơron nhân tạo

Từ những cơ sở nghiên cứu về nơron sinh vật chúng ta có thể xây dựng mô hình nơron nhân tạo theo ngôn ngữ và ký hiệu chung nhất như

Mô hình một nơron nhân tạo có thể được cấu tạo từ ba thành phần chính đó là: Phần tổng các liên kết đầu vào, phần động học tuyến tính H(.), phần phi tuyến không động học g(.).

Câu 13.   Em hãy nêu các luật học cơ bản của mạng nơron?

Học là quá trình xác định cấu trúc hoặc tham số của mạng nơron.

+ Học cấu trúc: Xác định số lớp, số nơron trong mỗi lớp.

+ Học tham số: xác trọng wị, các tham số kích hoạt a(.)

Quá trình học có thể được thực hiện có hoặc không co tín hiệu để so sánh:

+ Có tín hiệu để so sánh: học có giám sát (học có thầy giáo)

+ Có nhưng không chi tiết (ví dụ:"đúng, sai”,"được không"): học tăng cường.

+ Không có tín hiệu để giám sát: học không giám sát (học không thầy giáo).

Câu 14.   Em hãy nêu mô hình nơron nhân tạo M-P  (Mc. Culloch, Pitts, 1943)?

Sơ đồ

Trong đó :

xj(t): Đầu vào thứ j ở thời điểm (t)

y(t+ ): đầu ra của nơron

 : Thời gian xử lí tín hiệu

wj: trọng nối từ đầu vào thứ j   

: Ngưỡng       

f(.): hàm tích hợp   

a(.): Hàm kích hoạt.

Phương trình mô tả: 

Y(t+ ) =                     

Câu 15.   Em hãy trình bày mạng Percetron 1 lớp (Rosenblatt, 1962)?

Xét mạng Percetron với m-1 đầu vào, n đầu ra. Thêm vào đầu vào xm = -1 cùng với các trọng W1m= 1, W2m= 2,..., Wnm= n để biểu diễn không tường minh véctơ ngưỡng

Hoặc yi = sgn(WiTx)                                

Câu 16.   Em hãy trình bày mạng Adaline 1 lớp (Windrov, 1962)?

Một Adaline (Adaplive Linear Element): là một nơron với hàm tích hợp tuyến tính và hàm kích hoạt dốc.

Phương trình mô tả

hoặc y = WTX  d

 Luật học: Vấn đề là dùng một Adaline để xấp xỉ một hàm tuyến tính (m-1) biến:

y = w1x1 + w2x2 + ...+ wm-1xm-1 -  nhờ một tập hợp gồm p mẫu:

w1x1(1) + w2x2(1) +...+wm-1x(1)m-1 -  = d(1)

w1x1(2) + w2x2(2) +...+wm-1x(2)m-1 -  = d(2)

            ….

w1x1(p) + w2x2(p) +...+wm-1x(p)m-1 -  = d(p)

- Điều kiện để tìm được các ẩn w1, w2... wm-1,  là hệ phương trình tuyến tính trên có nghiệm, tức là p  m; hoặc nếu p > m thì số các phương trình độc lập tuyến tính của hệ phải  m.

- Phương pháp cũ: Ta cần một lúc m mẫu gọi là độc lập tuyến tính (có thể kiểm tra theo phương pháp nào đó) và tính véctơ trọng W. Sau đó cho véctơ đầu vào x, ở đầu ra của nơron ta sẽ nhận được giá trị chính xác  .

- Phương pháp mới: Ta chọn thô véctơ trọng ban đầu W(1)đó ta từng bước hiệu chỉnh lại W(k) theo các mẫu x(k), d(k), k = 1,2..p, sao cho tổng bình phương sai số đạt cực tiểu:

Câu 17.   Em hãy trình bày bài toán phân lớp XOR?

Bài toán XOR xử lý với hai biến vào x1 và x2 để phân thành hai lớp Từ bảng giá trị ta thấy không thể dùng một Perceptron để phân loại được mà phải dùng mạng phức tạp hơn.

Để phân được thành hai lớp ta sẽ dùng 2 đường g1, g2 hình 4.8 bất kì để chia không gian đầu vào ra 3 miền:

 g1: x2 = x1 - 0,5  -x1+ x2 + 0,5 = 0; đặt z1= Sgn(-x1 + x2 + 0,5).

 g2: x2 = x1+ 0,5-x1+ x2-0,5 = 0; đặt z2 = Sgn(-x1+ x2- 0,5).

Trong không gian ảnh (z1, z2), các mẫu ban đầu trở thành:

x(1) : (0,0) z1(1) = Sgn(-0+0+0,5) = 1; z2(1) = Sgn(-0+0-0,5) = -1

x(2) : (0,1) z1(2) = Sgn(-0+1+0,5) = 1; z2(2) = Sgn(-0+1-0,5) = 1

x(3) : (1,0) z1(3) = Sgn(-1+0+0,5) = -1; z2(3) = Sgn(1+0-0,5) = -1

x(4) : (1,1) z1(4) = Sgn(-1+1+0,5) = 1; z2(4) = Sgn(-1+1-0,5) = -1

Ta thấy: z(1)  z(4), và cần một Perceptron để phân lớp, ví dụ theo đường quyết định h:

Câu 18.   Em hãy trình bày Thuật học lan truyền ngược (Runethart, Hinton, Williams)?

Mạng nơron thực sự là công cụ mạnh khi nó gồm nhiều lớp với số lượng lớn các nơron. Lúc đó vấn để học trở nên khó khăn. Thuật học lan truyền ngược không những đưa ra thuật toán, mà nó còn chỉ ra cách điện tử hoá - để chế tạo thành các vi mạch nhằm giải quyết tính toán trong thời gian thực, dễ dàng cho ứng dụng. Mạng truyền thẳng với thuật toán lan truyền ngược gọi là mạng lan truyền ngược.

Mạng lan truyền ngược có khả năng “tổng quát hoá ” cao. Sau khi được luyện theo một tập mẫu x(k), d(k), k= 1,2...p sẽ cho ta đáp ứng chấp nhận được y(k) của đầu vào x(k) không phụ thuộc tập mẫu dùng để luyện

Thực chất ở đây ta áp dụng phương pháp gradient để tìm giá trị tối ưu của các trọng Wij, sao cho tổng bình phương sai số nhỏ nhất. Nhược điểm của phương pháp là có thể chỉ đạt tối ưu cục bộ. Phương pháp bình phương cực tiểu truy hồi đảm bảo đạt tối ưu toàn cục, nhưng không áp dụng được ở đây, vì các nơron có hàm tích hoạt a(.) phi tuyến thì sai số không còn là tuyến tính đối với các trọng nữa

Câu 19.   Em hãy trình bày mạng Hopfield rời rạc?

Mạng có m đầu vào ngoài xi, n đầu ra yi các ngưỡng i, các trọng đối xứng Wịj = Wji, không có vòng tự phản hồi Wii = 0, i = 1,2...n hình 5.1.

Phương trình đầu ra (luật cập nhật)

Cập nhật: Kiểu không đồng bộ và ngẫu nhiên ở mỗi thời điểm k+1 chỉ có một nơron được chọn một cách ngẫu nhiên để cập nhật đầu ra của nó.

Tính ổn định của mạng

Ta xét hàm số gọi là hàm năng lượng

     Ở đây ta không sử dụng trực tiếp định lí Liapunov cho các hệ thống rời rạc, mà chỉ dựa vào ý tưởng của định lí, kết hợp với các tính chất của hàm E để chứng minh mạng luôn tiến đến trạng thái cân bằng, nằm ở điểm cực tiểu cục bộ của E.

Câu 20.   Em hãy trình bày mạng Hopfield liên tục?

ạng Hopfield liên tục là tổng quát hoá của mô hình Hopfield rời rạc mô tả được quá trình quá độ, nên gọi là nơron động, mạng nơron động (dynamic), thích hợp cho mô hình hoá các hệ động lực, được biểu diễn bằng phương trình vi phân. Sơ đồ mạng Hopfield liên tục

Phương trình động học (luật tiến triển):

Câu 21.   Em hãy nêu các bước tối ưu hoá một mạng nơron?

Phương pháp không đảm bảo đạt cực tiểu toàn cục. Để giải quyết vấn đề này, người ta áp dụng kỹ thuật “ủ mô phỏng“ (Simulated Annealing) (bắt nguồn từ kinh nghiệm ủ các vật thể kim loại được nung nóng trong luyện kim) (Waug J., 1994). Trường hợp mạng Hopfield rời rạc với luật học áp dụng ủ mô phỏng gọi là máy Boltzman (Acklag..., 1985). Đã có phương pháp ủ “cứng hoá” cho mạng nơron tế bào (Bang S.H, Bing f.S., 1996).

b, Chọn các hệ số mục tiêu và hệ số ràng buộc thích hợp để nhận được một lời giải tốt, gần tối ưu, nói chung khá phiền phức, chủ yếu dựa vào thực nghiệm.

Tìm điểm cực tiểu của hàm nhiều biến sử dụng mạng Hopfield

Để E bao gồm một lớp rộng hơn các hàm số thường gặp ta tiến hành một số mở rộng sau:

* Như đã nêu ở trên, có thể xét các trường hợp Wii  0 (mạng có các vòng tự phản hồi).