MỤC LỤC
LỜI MỞ ĐẦU
CHƯƠNG 1 : Quá Trình Huấn Luyện Trong Hệ Thống Điều Khiển Neuron
1.1 Giới Thiệu
1.2 Tổng Quát Về Cấu Trúc Neuron
1.3 Mạng Nuôi Tiến Hay Còn Gọi Là Mạng Tĩnh
1.4 Mạng Truyền Lùi
CHƯƠNG 2 : Ứng Dụng Mạng Neuron Nhân Tạo Trong Robot
2.1 Giới Thiệu
2.2 Giới Thiệu Tổng Thể Các Mạng Neuron
2.3 Ứng Dụng Mạng Neuron Nhân Tạo Trong Robot
CHƯƠNG 3 : Vi Điều Khiển At89c51
3.1 Vi Điều Khiển Họ MCS-51
3.2 Vi Điều Khiển AT89C51
CHƯƠNG 4 : Truyền Thông Nối Tiếp Và Rs-232
4.1 Giới Thiệu
4.2 Cổng Nối Tiếp RS-232
4.3 Truyền Thông Giữa Hai Nút
CHƯƠNG 5 : Một Số Cảm Biến Thông Dụng Dùng Trong Robot
5.1 Giao Tiếp Với Cảm Biến
5.2 Cảm Biến Quang
5.3 Cảm Biến Lực
5.4 Các Cảm Biến Vị Trí Và Hướng
CHƯƠNG 6 : Step Motor
6.1 Giới Thiệu Chung Về Stepping Motor
6.2 Sự Khác Biệt Và Ưu Khuyết Điểm Của Stepper Motor
So Với Động Cơ DC
6.3 Phân Loại Động Cơ Bước
6.4 Các Phương Pháp Điều Khiển Động Cơ Bước
6.5 Một Số Thông Số Cơ Bản Của Động Cơ Bước 2
6.6 Những Hoạt Động Vật Lý Bên Trong Động Cơ Bước
6.7 Những Mạch Điều Khiển Động Cơ Bước Đơn Giản
CHƯƠNG 7 : Thiết Kế Và Thi Công Phần Cứng
7.1 Mô Hình Của Robot
7.2 Thiết Kế Mạch Vi Xử Lý Điều Khiển Cho Robot
CHƯƠNG 8 : Lưu Đồ Giải Thuật Và Chương Trình
8.1 Lưu Đồ Giải Thuật Điều Khiển Robot
8.2 Chương Trình Viết Bằng Assembly Cho Vi Xử Lý 89C51
8.3 Chương Trình Viết Bằng C Để Huấn Luyện Cho Mạng Neuron
8.4 Chương Trình Giao Diện Trên Máy Tính Viết Bằng Visual Basic
CHƯƠNG 9 : Đánh Giá Kết Quả Thi Công
9.1 Kết Quả Mô Phỏng Mạng Huấn Luyện Tốc Độ Của Robot
9.2 Kết Quả Mô Phỏng Mạng Huấn Luyện Hành Vi Của Robot
9.3 Đánh Giá Kết Quả Thi Công
9.4 Hướng Phát Triển Của Đề Tài
PHẦN PHỤ LỤC
30 trang |
Chia sẻ: banmai | Lượt xem: 1854 | Lượt tải: 1
Bạn đang xem trước 20 trang tài liệu Điều khiển Mobile Robot ứng dụng các mạng Neuron nhân tạo, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
ñoäng phi tuyeán
w0 : giaù trò ngöôõng .
Maïng nuoâi tieán laø moâ hình thöôøng ñöôïc ñeà caäp ,moâ hình naøy ñaùp öùng ngay laäp
töùc ñeán caùc ñaàu vaøo vì caáu truùc cuûa noù khoâng chöùa caùc yeáu toá ñoäng ,vì vaäy caáu
truùc maïng naøy coøn ñöôïc goïi laø maïng Neuron tónh .Moâ hình maïng tónh m ñaàu vaøo
vaø n ñaàu ra ñöôïc moâ taû nhö ôû hình sau :
Maïng truyeàn luøi laø moät hình thöùc môû roäng cuûa maïng nuoâi tieán ,maïng naøy keát
hôïp yeáu toá hoài tieáp vaø yeáu toá ñoäng trong caáu truùc cuûa noù .Moâ hình maïng truyeàn
luøi ñöôïc moâ taû nhö sau :
x1
x2
.
.
xm
y1
y2
.
.
yn
x1
x2
.
.
xm
y1
y2
.
.
yn
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 7
Vôùi söï phaùt trieån song song cuûa logic môø ,nhieàu moâ hình maïng Neuron chöùa
nguyeân taéc cuûa maïng Neuron vaø caû logic môø ñang ñöôïc phaùt trieån .Maëc duø ,caùc
maïng tónh ,ñoäng vaø caùc maïng Fuzzy_Neuron ñang ñöôïc öùng duïng trong nhieàu boä
ñieàu khieån ,nhöng moâ hình cô baûn cuûa maïng Neuron vaãn chæ moâ phoûng lôø môø theo
moâ hình thöïc .
Nhöõng naêm tröôùc ñaây ,caùc nhaø nghieân cöùu ñaõ ñöa ra nhieàu moâ hình maïng tónh
,ñoäng vaø Fuzzy_Neuron khaùc nhau .Moâ taû chi tieát nhöõng moâ hình naøy khoù coù theå
thöïc hieän ñöôïc .Tuy nhieân ,chuùng ta seõ coá gaéng ñöa ra moät soá khaùi nieäm cô baûn
cuûa nhöõng caáu truùc Neuron khaùc nhau maø nhöõng caáu truùc naøy thöôøng ñöôïc duøng
trong moâ hình ñieàu khieån .
1.2.2 Tính toaùn trong maïng Neuron :
Muïc ñích cuûa vieäc nghieân cöùu nhöõng tính toaùn trong maïng Neuron laø ñeå phaùt
trieån moâ hình toaùn maïng Neuron maø khoâng caàn thieát nghieân cöùu veà maët sinh hoïc
,moâ hình toaùn coù theå thöïc hieän baèng nhöõng haøm tính toaùn khaùc nhau .Maïng
Neuron nhaân taïo (ANNs) ,hay nhöõng maïng Neuron ñôn giaûn thöôøng ñöôïc moâ taû
baèng nhöõng moâ hình keát noái hay maïng xöû lyù phaân boá song song (parallel
distributed processing networks).
Baét ñaàu vôùi söï phaùt trieån cuûa nhöõng tính toaùn Neuron döïa treân nhöõng hieåu bieát
veà caáu truùc sinh hoïc cuûa noù cuøng vôùi luaät hoïc .Ñieàu naøy daãn ñeán quaù trình tính
toaùn trong maïng Neuron ñöôïc thöïc hieän theo 3 böôùc sau :
Ø Phaùt trieån moâ hình Neuron döïa treân caáu truùc sinh hoïc cuûa noù .
Ø Moâ hình keát noái vaø caáu truùc synapse .
Ø Luaät hoïc .
Caùc nhaø nghieân cöùu ñaõ khaùm phaù ra nhieàu caáu truùc maïng Neuron khaùc nhau
nhöng neáu xeùt veà caáu truùc ;maïng Neuron coù theå phaân thaønh maïng tónh ,maïng ñoäng
,maïng moät lôùp vaø maïng nhieàu lôùp .Hôn nöõa ,nhöõng caùch tính toaùn khaùc nhau trong
maïng Neuron cuõng laøm naûy sinh nhöõng caùch keát noái synapse khaùc nhau giöõa caùc
Neuron .
Maëc duø caùc nhaø nghieân cöùu ñaõ ñöa ra nhieàu caáu truùc maïng Neuron cuõng nhö
giaûi thuaät hoïc khaùc nhau ,nhöõng maïng Neuron cuõng coù chung nhieàu ñaëc tính ,maø
nhöõng ñaëc tính naøy laø duy nhaát ñoái vôùi moät heä sinh hoïc .Nhöõng ñaëc tính naøy töông
phaûn vôùi phöông phaùp tính toaùn truyeàn thoáng .Nhöõng tính toaùn trong maïng Neuron
coù theå ñieàu tieát nhieàu ñaàu vaøo song song vaø maõ hoaù thoâng tin theo moâ hình phaân
boá .Kieåu maõ hoaù naøy töông phaûn vôùi sô ñoà boä nhôù truyeàn thoáng ,ôû ñoù nhöõng maãu
thoâng tin cuï theå ñöôïc chöùa trong moät vuøng boä nhôù .Söï phaân phaùt boä nhôù trong
maïng Neuron coù nhieàu thuaän lôïi ,quan troïng nhaát laø boä nhôù chöùa dö ra nhieàu
thoâng tin tieâu bieåu moät luùc .Vì vaäy maïng Neuron vaãn coù theå hoaït ñoäng toát khi bò
phaù huyû moät vaøi boä phaän trong caáu truùc maïng .
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 8
Thuoäc tính cuûa maïng Neuron nhö luaät hoïc ,söï toång hôïp thoâng tin dö thöøa vaø
dung sai cho pheùp laø ñoäng cô choïn löïa moâ hình sinh hoïc thích hôïp cho maïng
Neuron .Nhöõng kích thích (potential benefits) cuûa maïng Neuron coù theå ñöôïc toùm
taét nhö sau :
Ø Moâ hình Neuron coù nhieàu Neuron lieân keát vôùi nhau theo moät caáu truùc
song song .Vì coù caáu truùc song song neân söï baát thöôøng cuûa moät vaøi Neuron khoâng
gaây ra nhöõng aûnh höôûng quan troïng leân toaøn boä heä thoáng .Ñaëc tính naøy ñöôïc xem
nhö dung sai.
Ø Chieàu daøi cuûa maïng phuï thuoäc vaøo luaät hoïc vaø khaû naêng thích nghi cuûa
noù .Khaû naêng thích nghi vaø hoïc töø moâi tröôøng coù nghóa laø maïng Neuron coù theå xöû
lyù ñöôïc nhöõng döõ lieäu mô hoà,khoâng roõ raøng(imprecise data) vaø nhöõng tình huoáng
khoâng ñöôïc ñònh nghóa toát (ill_defined situation ).Maïng ñöôïc huaán luyeän thích hôïp
seõ coù khaû naêng toång hôïp khi ñaàu vaøo khoâng xuaát hieän trong quaù trình huaán luyeän .
Ø Ñaëc tính quan troïng nhaát cuûa maïng Neuron laø khaû naêng xaáp xæ nhöõng
haøm lieân tuïc phi tuyeán ñeán ñoä chính xaùc mong muoán .Khaû naêng naøy cuûa maïng
laøm cho chuùng trôû neân höõu ích khi xaây döïng moät moâ hình trong boä ñieàu khieån phi
tuyeán .
Ø Maïng Neuron coù theå coù nhieàu ñaàu vaøo vaø nhieàu ñaàu ra neân coù theå öùng
duïng cho nhieàu heä thoáng khaùc nhau .
Ø Vôùi söï tieán boä cuûa kyõ thuaät phaàn cöùng ,gaàn ñaây nhieàu nhaø cung caáp ñaõ
giôùi thieäu kyõ thuaät VLSI trong maïng Neuron,ñieàu naøy laøm taêng toác ñoä tính toaùn
trong maïng .
Maëc duø moät soá löôïng lôùn nhöõng pheùp toaùn trong maïng Neuron vaø giaûi thuaät
hoïc ñöôïc ñöa ra ,nhöng haàu heát nhöõng maïng naøy ñeàu coù moät ñaëc tính chung naøo
ñoù vôùi heä Neuron sinh hoïc .Caáu truùc cô baûn cuûa moät maïng Neuron bao goàm nhieàu
Neuron ñöôïc phaân boá song song vaø caùch thöùc giaûi maõ thoâng tin trong keát noái
synapse vaø caùch thöùc goïi thoâng tin vôùi ñaùp öùng ñaàu vaøo hieän taïi .Caùc maïng
Neuron khaùc nhau ñeàu coù caùch hoïc töông töï nhau ,chuùng ñeàu ruùt ra nhöõng kinh
nghieäm töø nhöõng döõ lieäu ñöôïc ñöa vaøo .
Treân ñaây laø nhöõng giôùi thieäu toång quaùt veà caáu truùc maïng Neuron .Moâ taû chi
tieát veà caáu truùc maïng ñoäng vaø maïng tónh seõ ñöôïc trình baøy trong caùc phaàn sau .
1.3 Maïng nuoâi tieán hay coøn goïi laø maïng tónh :
1.3.1 Moâ hình toaùn cuûa maïng nuoâi tieán :
Moät Neuron bao goàm synapse ( ñieåm noái ) vaø soma ( thaân Neuron ) .Trong moâ
hình maïng Neuron ,ñaàu ra axon cuûa Neuron naøy ñöôïc noái vôùi caùc ñaàu vaøo
dendrite cuûa caùc Neuron khaùc thoâng qua keát noái synapse vaø söï keát noái naøy quyeát
ñònh troïng soá giöõa caùc Neuron .Moãi soma coù trung bình 104 ñaàu vaøo dendrite vaø
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 9
soma coù chöùc naêng toång hôïp troïng soá cuûa taát caû caùc ñaàu vaøo naøy .Neáu troïng soá
naøy lôùn hôn giaù trò ngöôõng thì noù seõ taïo thaønh xung kích ôû ñaàu ra Neuron ,nhöõng
xung kích naøy thoâng qua axon ñeå chuyeån ñeán ñaàu vaøo caùc Neuron khaùc .
Nhìn ôû goùc ñoä veà xöû lyù tín hieäu ,Neuron coù hai yeáu toá then choát laø synapse vaø
soma-noù coù chöùc naêng tính toaùn vaø nhôù nhöõng döõ lieäu trong quaù khöù .Moãi synapse
laø moät phaàn töû ñeå löu tröõ döõ lieäu (hay troïng soá ) vaø noù seõ ñöôïc hoïc ñeå hieäu chænh
nhöõng troïng soá naøy cho ñeán khi ñaït ñöôïc ñaàu ra nhö mong muoán .Soma coù nhieäm
vuï toång hôïp caùc troïng soá ñaàu vaøo cuûa Neuron vaø taïo thaønh kích thích ôû ñaàu ra
Axon thoâng qua haøm taùc ñoäng daïng phi tuyeán .
Moät caùch ñôn giaûn , ta coù xem moät Neuron nhö laø moät phaàn töû xöû lyù thoâng tin
(PE) goàm coù n ñaàu vaøo nTn RtxtxtxtX Î= )](),...,(),([)( 21 vaø ñaàu ra voâ höôùng
1)( Rty Î .Vector ñaàu vaøo X(t) chính laø caùc ñaàu ra cuûa caùc Neuron ôû lôùp tröôùc hay
töø caùc Neuron caûm bieán töø moâi tröôøng .
Xeùt veà maët toaùn hoïc khaû naêng xöû lyù thoâng tin cuûa moät Neuron ñöôïc xem nhö
laø pheùp toaùn aùnh xaï phi tuyeán(NE) töø Vector ñaàu vaøo nRtX Î)( ñeán ñaàu ra mong
muoán 1)( Rty Î :
Ne : nRtX Î)( 1)( Rty Î (1.2)
Hay 1])([)( RRtXNety n ÎÎ= (1.3)
Luùc naøy ,moâ hình cuûa moät Neuron coù theå ñöôïc bieåu dieãn nhö sau :
vôùi W(t) vector troïng soá , [.]Y laø haøm taùc ñoäng phi tuyeán .
AÙnh xaï phi tuyeán Ne bao goàm 2 thaønh phaàn laø : Haøm toång hôïp vaø Haøm taùc
ñoäng phi tuyeán .Haøm toång hôïp cung caáp troïng soá ,caùch keát noái vaø giaù trò ngöôõng
ñeán ñaàu vaøo Neuron .Ñeå tính toaùn giaù trò ngöôõng chuùng ta seõ ñònh nghóa theâm moät
vector ôû ñaàu vaøo Neuron ,luùc naøy ñaàu vaøo vaø troïng soá cuûa Neuron ñöôïc cho nhö
sau :
1
10 )](),....,(),...,(),([)(
+Î= nTnia RtxtxtxtxtX (1.4)
vôùi 1)(0 =tx
W(t)
Neural
Input
nRtX Î)(
[.])( Y=ty
)(tu
1)( Rty Î
Synapse Soma
Axon
Neural output
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 10
vaø 110 )](),....,(),...,(),([)(
+Î= nTnia RtwtwtwtwtW (1.5)
trong ñoù w0(t) laø giaù trò ngöôõng ,Xa(t) laø vector ñaàu vaøo ,Wa(t) laø vector troïng
soá .
a. Haøm toång hôïp :
Veà maët sinh hoïc ,haøm toång hôïp töôïng tröng cho troïng soá cuûa tín hieäu ñaàu vaøo
Xa(t) ,döõ lieäu ñöôïc toàn tröõ taïi vector troïng soá (synapse ) Wa(t) ,söï keát noái nhöõng
troïng soá ñaàu vaøo ñöôïc thöïc hieän bôûi Soma .Synapse vaø Soma aùnh xaï tuyeán tính
nhö ñöôïc moâ taû ôû phöông trình sau :
å
=
==
n
i
iia
T
a xwtXtWtu
0
)()()( (1.6) ; Xa(t) vaø Wa(t) ñöôïc ñònh nghóa
theo phöông trình (1.4) vaø (1.5) .
b. Chöùc naêng cuûa haøm taùc ñoäng phi tuyeán :
Caùc chöùc naêng cuûa haøm taùc ñoäng phi tuyeán [.]Y aùnh xaï giaù trò haøm toång hôïp
u(t) thaønh giaù trò ñaàu ra .Nhìn chung ñaàu ra cuûa Neuron trong khoaûng [0,1] hoaëc [-
1,1],vaø ñöôïc tính nhö sau :
)([)]([)( tWtuty aY=Y=
T 1)]( RtX a Î (1.7)
MOÄT SOÁ HAØM TAÙC ÑOÄNG THOÂNG THÖÔØNG :
+ Haøm baäc thang ñôn vò :
+ Haøm ngöôõng hay coøn goïi laø haøm daáu :
+ Haøm Ramp :
+ Haøm Unipolar Sigmoid :
te
fa
l-+
=
1
2
)(
ê
ë
é
=
0
1
)( fa
neáu 0³f
neáu 0<f
ê
ë
é
-
==
1
1
)sgn()( ffa
neáu 0³f
neáu 0<f
ê
ê
ê
ë
é
-
==
1
1
)sgn()( fffa
neáu 1>f
neáu 10 ££ f
neáu 1<f
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 11
+Haøm Bipolar Sigmoid :
1
1
2
)( -
+
=
- te
fa
l
Coù nhieàu haøm toaùn hoïc khaùc nhau coù theå ñöôïc duøng laøm haøm taùc ñoäng phi
tuyeán ,moät vaøi daïng cô baûn ñöôïc trình baøy ôû treân,trong ñoù daïng haøm Sigmoid
thöôøng ñöôïc söû duïng nhieàu hôn trong caùc maïng Neuron .Choïn löïa haøm taùc ñoäng
thích hôïp coù theå cho keát quaû ñaàu ra nhö mong muoán .
c. Luaät hoïc :
Troïng soá vaø pheùp toång hôïp ñöôïc thöïc hieän bôûi synapse vaø soma ,chuùng taïo ra
pheùp ño ñoàng boä giöõa vector ñaàu vaøo Xa(t) vaø vector troïng soá Wa(t) .Khi coù moät
ñaàu vaøo môùi thì noù seõ ñöôïc so saùnh vôùi döõ lieäu ôû caùc böôùc hoïc tröôùc ñeå hieäu chænh
caùc troïng soá sao cho sai soá ôû ñaàu ra giaûm ñi .Noùi caùch khaùc quaù trình huaán luyeän
(hoïc ) laø laøm cho vector Xa(t) töông ñöông vôùi vector Wa(t) .
Haàu heát caáu truùc cuûa maïng neuron ñeàu phaûi traûi qua quaù trình hoïc ñeå caäp nhaät
troïng soá. Giaûi thuaät ñeå thay ñoåi troïng soá ñöôïc goïi laø luaät hoïc. Muïc ñích cuûa luaät
hoïc phuï thuoäc vaøo töøng öùng duïng .
Trong baøi toaùn veà phaân loaïi vaø xaáp xæ ,moãi laàn huaán luyeän xong moät cô sôû döõ
lieäu ñöôïc goïi laø chu kyø huaán luyeän. Tuy nhieân khoâng coù coâng thöùc toång quaùt ñeå
huaán luyeän chung cho caùc maïng neuron. Giaûn ñoà minh hoaï cho nhöõng luaät hoïc
khaùc nhau ñeå caäp nhaät troïng soá ñöôïc trình baøy trong hình sau :
Theo nhö hình veõ treân , neáu chæ xeùt veà hoïc thoâng soá thì luaät hoïc coù theå phaân
loaïi thaønh luaät hoïc giaùm saùt vaø luaät hoïc khoâng giaùm saùt .
Ø Giaûi thuaät hoïc giaùm saùt:
Duøng moät tín hieäu mong muoán ôû ngoaøi nhö moät thaày giaùo vaø sai soá cuûa tín
hieäu ñöôïc phaùt sinh baèng caùch so saùnh ñaàu ra mong muoán vaø ñaàu ra thöïc söï cuûa
maïng. Döïa treân tín hieäu sai soá maïng neuron seõ caûi tieán troïng soá ñeå caûi tieán hoaït
Hoïc khoâng giaùm saùt
Hoïc thoâng soá Hoïc caáu truùc
Hoïc giaùm saùt
Hoïc Neuron
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 12
ñoäng cuûa heä thoáng vôùi giaû söû ñaàu ra mong muoán cuûa maïng ñöôïc bieát tröôùc nhö
hình sau :
Phöông trình toång quaùt cho giaûi thuaät hoïc giaùm saùt ñöôïc trình baøy nhö sau :
wi(t+1) = wi(t) + Dwi(t) (1.8)
vôùi Dwi (t) = m.xi (t) .[yd(t) – y(t)] (1.9)
Vôùi wi(t) laø troïng soá khi ñaàu vaøo laø x(t), Dwi(t) laø söï thay ñoåi cuûa troïng soá , m
laø haèng soá hoïc ,yd(t) laø ñaàu ra mong muoán , y(t) laø ñaàu ra thöïc söï cuûa maïng . Söï
löïa choïn haèng soá hoïc m raát quan troïng trong luaät hoïc naøy, moät giaù trò raát nhoû cuûa
haèng soá hoïc seõ laøm cho keát quaû hoïc chaäm ñi raát nhieàu, moät giaù trò lôùn cuûa haèng soá
hoïc seõ laøm cho quaù trình hoïc dieãn ra nhanh hôn nhöng noù cuõng coù theå laøm cho heä
thoáng trôû neân dao ñoäng baát oån ñònh .
Ø Giaûi thuaät hoïc khoâng giaùm saùt:
Ngöôïc laïi ,luaät hoïc khoâng giaùm saùt khoâng coù tín hieäu mong muoán. Trong caùch
hoïc naøy khoâng coù thoâng tin hoài tieáp töø moâi tröôøng ñeå baùo caùc ñaàu ra thöïc söï cuûa
maïng laø ñuùng hay sai, maïng seõ töï ñieàu chænh caùc troïng soá keát noái giöõa caùc neuron
baèng caùch söû duïng caùc ñaàu ra thöïc söï cuûa maïng . Coù hai caáu truùc quan troïng cuûa
luaät hoïc khoâng giaùm saùt ñoù laø luaät hoïc Hebbian vaø luaät hoïc caïnh tranh . Luaät hoïc
Hebbian laøm thay ñoåi troïng soá theo ñaùp öùng töông quan cuûa hai neuron noái lieàn
nhau. Luaät hoïc Hebbian ñôn giaûn duøng ñeå moâ taû töông quan giöõa tín hieäu ñaàu vaøo
vaø tín hieäu ñaàu ra ñöôïc moâ taû baèng phöông trình :
)()()( tytxtw ii m=D
+
-
y(t) Î R1
xWa(t)T y[u(t)]
Loãi döïa treân
luaät hoïc
DWa(t)
Xa(t) Î Rn+1
ya(t)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 13
Moâ hình moâ taû luaät hoïc Hebbian :
Luaät hoïc Competitive ñöôïc öùng duïng cho lôùp neuron aån. Luaät hoïc döïa treân
nguyeân taéc moät ñaàu vaøo ñaïi dieän cho moät lôùp neuron, moãi neuron caïnh tranh ñeán
taát caû caùc neuron khaùc ñeå nhaän ñöôïc tín hieäu tích cöïc vaø gôûi tín hieäu thuï ñoäng ñeán
caùc neuron xung quanh. Sau moät khoaûng thôøi gian neuron coù traïng thaùi hoaït ñoäng
lôùn nhaát seõ tích cöïc (hay coøn ñöôïc goïi laø neuron chieán thaéng) vaø caùc neuron khaùc
seõ bò huyû boû.
Toùm laïi : Coù hai luaät hoïc laø luaät hoïc giaùm saùt vaø luaät hoïc khoâng giaùm saùt. Hoïc
giaùm saùt caàn ñaàu ra mong muoán neáu ñaàu ra mong muoán laø khoâng bieát truôùc thì
giaûi thuaät giaùm saùt seõ khoâng theå söû duïng ñieàu naøy coù nghóa laø giaûi thuaät giaùm saùt
seõ trôû neân höõu ích. Gaàn nhö taát caû caùc maïng neuron keát hôïp chaët cheõ hai luaät naøy
hoaëc bieán ñoåi chuùng. Tuy nhieân moät vaøi maïng neuron coù troïng soá coá ñònh vaø
nhöõng maïng naøy hoaït ñoäng baèng caùch thay ñoåi khaû naêng cuûa moãi neuron neáu nhö
noù khoâng thay ñoåi troïng soá.
1.3.2 Maïng nuoâi tieán nhieàu lôùp :
Trong nhöõng phaàn tröôùc, moâ hình toaùn hoïc chi tieát cuûa moät maïng neuron ñôn (
maïng moät lôùp ) ñaõ ñöôïc moâ taû. Maëc duø moät maïng ñôn coù theå thöïc hieän moät chöùc
naêng ñôn giaûn naøo ñoù nhöng khaû naêng tính toaùn cuûa maïng phuï thuoäc vaøo soá löôïng
neuron ñöôïc keát noái trong caáu truùc maïng. Moät maïng lôùn ñöa ra moät khaû naêng tính
toaùn vó ñaïi. Söï xaép xeáp neuron trong moät lôùp baét chöôùc moät phaàn caáu truùc cuûa boä
naõo con ngöôøi. Nhöõng maïng neuron nhieàu lôùp ñöôïc chöùng minh raèng coù khaû naêng
vöôït xa maïng neuron ñôn . Caáu truùc maïng neuron ñöôïc duøng thoâng thöôøng nhaát
trong caùc öùng duïng nhö caùc heä thoáng nhaän daïng vaø ñieàu khieån laø nhöõng maïng
neuron nhieàu lôùp (Multilayer neural network :MNN) vôùi giaûi thuaät truyeàn luøi sai
soá.
Moät maïng (MNN) tieâu bieåu goàm moät lôùp neuron ñaàu vaøo, moät lôùp neuron ñaàu
ra vaø moät lôùp neuron aån ñöôïc bieåu dieãn nhö hình sau :
xWa(t)T y[u(t)] Xa(t) Î Rn+1
y(t) Î R1
m
DWa(t) = mXa(t) .y(t)
y(t)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 14
Hay moâ hình khoái :
Aùnh xaï ñaàu vaøo vaø ra cuûa MNN ñöôïc moâ taû bôûi coâng thöùc :
Y(t) = N3[N2[N1[X(t) Î Rn]]]Î Rm
Khi haøm taùc ñoäng vaø haøm toång hôïp coù daïng phi tuyeán thì phöông trình treân
ñöôïc vieát laïi nhö sau :
Y(t) = y3[W3a(t)
T y2[W2a(t)
T y [W1a(t)
T Xa(t)]]]
vôùi yI [.] laø haøm taùc ñoäng phi tuyeán , W1a(t) , W
2
a(t), W
3
a(t) laø troïng soá cuûa
neuron ñaàu vaøo , neuron aån vaø neuron ñaàu ra .
Taát caû caùc thoâng tin ñeàu ñöôïc löu tröõ trong troïng soá cuûa maïng nuoâi tieán trong
suoát quaù trình hoïc. Caùc phaàn töû cuûa ma traän troïng soá w1a(t), w
2
a(t), w
3
a(t) thöôøng
xuyeân ñöôïc caäp nhaät giaù trò môùi. Luaät hoïc giaùm saùt döïa treân sai soá phaùt sinh
thöôøng ñöôïc duøng ñeå xaùc ñònh Dw1a(t) , Dw
2
a(t), Dw
3
a(t) .Troïng soá cuõng coù theå
ñöôïc caäp nhaät duøng giaûi thuaät giaûm sai soá hay thöôøng ñöôïc goïi laø giaûi thuaät truyeàn
luøi baèng caùch truyeàn sai soá veà phía sau töø nuùt ñaàu ra thoâng qua lôùp neuron aån ñeå
ñieàu chænh troïng soá .Moät maïng nuoâi tieán coù theå duøng kyõ thuaät hoïc khoâng giaùm saùt
neáu troïng soá cuûa maïng nuoâi tieán ñöôïc caäp nhaät duøng luaät hoïc Hebbian. Vôùi maïng
nuoâi tieán nhieàu lôùp luaät hoïc ñöôïc söû duïng phoå bieán laø giaûi thuaät hoïc truyeàn luøi.
Giaûi thuaät truyeàn luøi laø moät luaät toång quaùt hoaù luaät bình phöông sai soá toái thieåu
cho moät maïng neuron nhieàu lôùp. Noù coá gaéng giaûm sai soá taïi moãi nuùt baèng caùch toái
thieåu troïng soá nhieãu loaïn vaø caûi tieán noäi dung cuûa thoâng tin tröôùc khi giaûi maõ troïng
soá. Giaûi thuaät hoïc truyeàn luøi coù theå ñöôïc aùp duïng ñeán maïng coù lôùp neuron aån baát
kyø baèng caùch tính sai soá ñaàu ra vaø sai soá ñöôïc truyeàn luøi veà lôùp ñöùng tröôùc noù vaø
X (t) Î Rn
·
·
·
·
·
·
·
·
·
x1(t)
x2(t)
xn(t)
y1(t)
y2(t)
yn(t)
Y (t) Î Rm
Input layer Hidden layer Output layer
N1 N2 N3 X (t) Î Rn
Y (t) Î Rm
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 15
caäp nhaät troïng soá vôùi sai soá toái thieåu. Nguyeân taéc cuûa giaûi thuaät hoïc truyeàn luøi
ñöôc toùm taét nhö sau :
v Caáu truùc maïng neuron duøng giaûi thuaät hoïc truyeàn luøi tieâu bieåu bao goàm
lôùp neuron ñaàu vaøo ,lôùp neuron aån vaø lôùp neuron ñaàu ra. Lôùp neuron aån coù theå coù
nhieàu lôùp, raát khoù xaùc ñònh moâ hình cuûa maïng neuron coù bao nhieâu lôùp aån laø caàn
thieát cho moät öùng duïng cuï theå. Khoâng coù nhieàu tính toaùn xaûy ra ôû lôùp neuron ñaàu
vaøo, soá löôïng neuron ôû lôùp neuron ñaàu vaøo baèng vôùi soá löôïng thaønh phaàn vector
ñaàu vaøo. Trong quaù trình hoïc taäp lôùp neuron ñaàu vaøo seõ gôûi tín hieäu ñaàu vaøo ñeán
neuron aån nhö ñöôïc bieåu dieãn ôû hình sau :
v Caùc neuron aån truyeàn keát quaû cuûa chuùng ñeán taát caû caùc neuron ñaàu ra. Moãi
ñaàu ra seõ tính toång troïng soá ,töùc laø ñaàu ra thöïc söï vaø tröø ñi ñaàu ra mong muoán ñeå
taïo ra sai soá taïi ñaàu ra cuûa maïng ,quaù trình ñöôïc bieåu dieãn nhö sau :
v Nuùt ñaàu ra tính ñaïo haøm caùc thaønh phaàn cuûa vector sai soá vaø truyeàn keát quaû
naøy veà lôùp aån. Nhöõng tính toaùn naøy trong suoát quaù trình hoïc goïi laø giaûi thuaät
truyeàn luøi. Moãi neuron aån tính toång ñaïo haøm sai soá ñeå bieát aûnh höôûng cuûa noù ñeán
sai soá ôû ñaàu ra . Söï truyeàn luøi sai soá ñeán lôùp neuron ñöôïc bieåu dieãn ô û hình sau :
yn(t)
y1(t)
y2(t)
·
·
·
·
·
·
·
·
·
x1(t)
x2(t)
xn(t)
Input layer Hidden layer Output layer
·
·
·
·
·
·
·
·
·
x1(t)
x2(t)
xn(t)
y1(t)
y2(t)
yn(t)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 16
Moãi neuron trong lôùp aån vaø lôùp ñaàu ra thay ñoåi troïng soá cuûa noù theo moät luaät
hoïc ñöôïc ñònh tröôùc ñöôïc cho bôûi coâng thöùc 1.8 vaø 1.9 .
Nhö vöøa trình baøy : giaûi thuaät truyeàn luøi ñoøi hoûi ñaàu ra mong muoán trong suoát
quaù trình hoïc ñaõ ñöôïc tính toaùn sai soá vaø ñieàu chænh troïng soá, sau quaù trình hoïc
maïng neuron ñöôïc ñöa vaøo nhöõng giaù trò môùi vaø bieát tröôùc (nhöõng döõ lieäu naøy
khoâng ñöôïc duøng trong suoát quaù trình hoïc) ñeå kieåm tra maïng . Ñoä chính xaùc cuûa
maïng neuron vôùi döõ lieäu beân ngoaøi luaät hoïc cho bieát khaû naêng khaùi quaùt cuûa maïng
neuron töùc laø noù cho bieát ñoä tin caäy cuûa maïng. Sau giai ñoaïn hoïc vaø kieåm tra,
maïng neuron coù theå duøng ñeå phaân loaïi moâ hình vaø moâ hình hoaù cho nhöõng maïng
phi tuyeán khoâng bieát tröôùc .
Moät trong nhöõng ñaëc tính quan troïng nhaát cuûa maïng neuron laø khaû naêng xaáp xæ
haøm phi tuyeán. Nghieân cöùu chöùc naêng xaáp xæ chieám moät vò trí quan troïng trong
maïng neuron .
1.4 Maïng Truyeàn Luøi :
1.4.1 Giôùi thieäu :
Trong nhöõng phaàn tröôùc chuùng ta ñaõ trình baøy ngaén goïn veà caáu truùc cuûa maïng
neuron nuoâi tieán moät lôùp, nhieàu lôùp vôùi caáu truùc khoâng hoài tieáp. Nhöõng maïng
neuron naøy ñöôïc goïi laø maïng tónh,nuoâi tieán hoaëc khoâng tuaàn hoaøn .Nhöõng maïng
nhö theá khoâng coù boä nhôù ñoäng nhö laø ñaùp öùng cuûa maïng vì vaäy noù phuï thuoäc vaøo
ñaàu vaøo hieän taïi vaø troïng soá, nhöõng maïng naøy khoâng coù hoài tieáp neân noù oån ñònh.
Quaù trình nuoâi tieán vaø nuoâi luøi aûnh höôûng qua laïi laãn nhau, ñieàu chænh troïng
soá, laøm giaûm sai soá ñaàu ra trong suoát quaù trình hoïc .Moät maïng neuron ñöôïc thaønh
laäp toát seõ coù theå xaáp xæ haøm phi tuyeán vôùi ñoä chính xaùc nhö mong muoán. Ñaëc tính
naøy cuûa maïng nuoâi tieán ñöôïc caùc nhaø nghieân cöùu duøng trong moâ hình ñoäng, tuy
nhieân maïng naøy cuõng coù nhöõng haïn cheá nhaát ñònh.
yn(t)
·
·
·
·
·
·
x1(t)
x2(t)
xn(t)
y1(t)
y2(t)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 17
Trong phaàn naøy chuùng ta seõ moâ taû caáu truùc cuûa maïng nuoâi luøi hay coøn goïi laø
maïng ñoäng , maïng tuaàn hoaøn. Nhöõng maïng naøy khoâng chæ cung caáp nhöõng ñaëc
tính tính toaùn beàn vöõng maø coøn mang laïi söï hieåu bieát saâu saéc hôn trong caáu truùc
sinh hoïc cuûa maïng neuron. Maïng neuron ñoäng ñöa ra nhöõng tính toaùn thuaän lôïi
hôn so vôùi maïng tónh .
Ví duï : boä loïc coù baäc voâ haïn (FIR) töông ñöông vôùi boä loïc xaùc ñònh baäc 1 (IIR)
nhö trong hình veõ :
Hình (a) :
Hình (b):
Töø hình (a) :ñaùp öùng cuûa boä loïc FIR baäc n coù theå ñöôïc vieát laïi nhö sau
v(k) = x(k) + x(k-1) + x(k-2) + . . +x(k-n) = å
=
n
i 0
x(k-i) n -> ¥ (1.10)
Duøng daïng chuyeån ñoåi chuùng ta coù theå vieát laïi nhö sau :
)(
)(
ZX
ZY = 1+Z-1 + Z-2+ . . +Z-n z < 1 (1.11)
Phöông trình moâ taû caáu truùc HR baäc 1 ñöôïc bieåu dieãn nhö hình (b) coù theå ñöôïc
vieát laïi nhö sau :
v(k+1) = x(k) +v(k) (1.12)
Duøng haøm chuyeån ñoåi chuùng ta vieát laïi nhö sau :
)(
)(
kX
kV =
11
1
-- z
= 1 + z-1 +z-2 + z-n n->¥ , z <1 (1.13)
Ta nhaän thaáy raèng 1.11 vaø 1.13 coù caáu truùc töông ñöông nhau. Vì vaäy maïng
nuoâi luøi töông ñöông vôùi caáu truùc nuoâi tieán voâ haïn .
Z-1
Z-1
Z-1
å
x(k)
v(k)
Z-1 å
+
x(k)
v(k +1)
)
v(k)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 18
Khoâng nhö maïng tónh, maïng ñoäng ( hay maïng truyeàn luøi ) duøng hoài tieáp môû
roäng giöõa caùc neuron, coù nghóa laø maïng coù boä nhôù cuïc boä. Phöông trình cuûa caùc
nuùt trong maïng truyeàn luøi ñöôïc moâ taû bôûi phöông trình vi phaân. Ñieån hình moät
maïng ñoäng duøng ñaàu ra nuoâi tieán vaø ñaàu vaøo nuoâi luøi ñöôïc bieåu dieãn nhö hình veõ :
Phöông tình toaùn moâ taû neuron trong mieàn thôøi gian rôøi raïc ñöôïc moâ taû bôûi
phöông trình (1.14) :
y(k) = y[W1a(k)
T*Xa(k) + W2a(k)
T* Ya(k-1)] (1.14)
vôùi k laø bieán rôøi raïc trong mieàn thôøi gian, y[.] laø haøm taùc ñoäng phi tuyeán,
Xa(k) Î R
n+1 laø vector ñaàu vaøo taïi thôøi ñieåm k, Ya(k) vaø Ya(k-1) laø vector ñaàu ra taïi
thôøi ñieåm k vaø k-1. W1a(k) laø ma traän troïng soá nuoâi tieán, W
2
a(k) laø ma traän troïng soá
nuoâi luøi. Moâ hình hoïc toång quaùt cho maïng ñöôïc minh hoaï trong hình sau :
Bôûi vì maïng nuoâi luøi coù hoài tieáp töø neuron ñaàu ra ñeán neuron ñaàu vaøo neân ñaùp
öùng cuûa maïng ñöôïc goïi laø ñaùp öùng ñoäng. Sau khi caäp nhaät moät ñaàu vaøo môùi, ñaàu
ra seõ ñöôïc tính toaùn vaø hoài tieáp ñeå hieäu chænh ñaàu vaøo, sau ñoù ñaàu ra laïi ñöôïc tính
toaùn laïi vaø quaù trình tieáp tuïc ñöôïc laäp laïi nhö theá. Söï laäp laïi lieân tuïc laøm ñaàu ra coù
söï thay ñoåi ngaøy caøng nhoû thaäm chí laø haèng soá. Trong moät vaøi tröôøng hôïp quaù
xa(k)
w1a(k)T
ya(k-1)
w2a(k)T
x0= 0
y0= 0 +
z-1
y[U(k)]
X(k)ÎRn
Y(k-1)ÎRm
Y(k) Î Rm
xn ym
·
·
·
·
·
·
x1
x2
y1
y2
X (k) Î Rn Y (k) Î Rm
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 19
trình xöû lyù thoâng tin seõ khoâng keát thuùc , nhöõng maïng nhö vaäy goïi laø maïng khoâng
oån ñònh .
Caáu truùc neuron cuûa maïng nuoâi luøi thích hôïp cho moâ hình nhaän daïng vaø ñieàu
khieån .., nhöõng maïng naøy raát quan troïng bôûi vì nhieàu heä thoáng thöïc teá maø caùc nhaø
khoa hoïc muoán xaây döïng moâ hình thöïc laø nhöõng heä thoáng ñoäng khoâng tuyeán tính,
nhöõng heä thoáng ñieàu khieån maø chuùng ta muoán xaây döïng moâ hình ñoù laø maùy bay,
teân löûa, robot vaø taøu khoâng gian ....
Trong phaàn naøy chuùng ta moâ taû hai loaïi maïng neuron ñoäng . Loaïi thöù nhaát
phaùt trieån môû roäng töø maïng neuron tónh ñöôïc moâ taû ôû treân, trong ñoù chuùng ta moâ
taû hai loaïi laø maïng tuaàn hoaøn vaø maïng thôøi gian treã. Loaïi thöù hai seõ ñöôïc phaùt
trieån döïa treân nhöõng daáu hieäu sinh hoïc cuûa nhöõng neuron tích cöïc trong CNS, phuï
thuoäc vaøo nhöõng taùc ñoäng qua laïi cuûa neuron tích cöïc vaø neuron thuï ñoäng.
1.4.2 Môû roäng maïng neuron tónh :
a. Maïng tuaàn hoaøn :
Caáu truùc maïng tuaàn hoaøn ñöôïc giôùi thieäu bôûi Hopfiel, taïo ra nhöõng moâ hình
thay ñoåi cuûa maïng neuron tónh. Caáu truùc bao naøy bao goàm maïng neuron moät lôùp
coù ñaëc tính truyeàn luøi vôùi thôøi gian trì hoaõn ñöôïc bieåu dieãn nhö hình veõ :
Maïng nuoâi luøi naøy ñaëc tröng cho heä thoáng ñoäng rôøi raïc vaø coù theå ñöôïc moâ taû
bôûi phöông trình (1.15a)
y(k+1) = y [w(k) . y(k)] , x(0) = x0 (1.15a)
vôùi y(k) vaø y(k+1) laø traïng thaùi cuûa maïng neuron ôû thôøi ñieåm k vaø k+1 , x(0)
laø giaù trò ñaàu, w(k) laø vector troïng soá , y[.] laø haøm taùc ñoäng phi tuyeán
Giaù trò ban ñaàu x(0) cuûa heä thoáng ñoäng suy ra traïng thaùi caân baèng neáu choïn
y[.] thích hôïp, ñieàu kieän ñaàu trong vuøng laân caän cuûa x(0) hoäi tuï ñeán cuøng moät
traïng thaùi caân baèng thì ñöôïc ñoàng nhaát vôùi traïng thaùi ñoù. Boä nhôù lieân hôïp
(assocoative memory) ñöôïc duøng ñeå moâ taû heä thoáng nhö theá. Moät maïng nuoâi luøi
vôùi ñaàu vaøo haèng soá hay thay ñoåi chæ ñôn thuaàn laø moät heä thoáng ñoäng phi tuyeán vaø
tieäm caän cuûa heä thoáng naøy phuï thuoäc vaøo traïng thaùi ñaàu vaøo cuï theå vaø haøm phi
tuyeán .
w(k) y[.]
z-1
x(k) u(k) x(k+1)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 20
Maïng tuaàn hoaøn moät lôùp goàm n neuron coù giaù trò ngöôõng laø woi ñöôïc moâ taû bôûi
hình sau :
Ñaàu vaøo hoài tieáp ñeán neuron thöù i baèng vôùi toång troïng soá cuûa ñaàu ra y i vôùi i
= 1 -> n ,wij laø troïng soá keát noái giöõa neron thöù j vaø neuron thöù i .
Chuùng ta coù theå bieåu dieãn toång ñaàu vaøo u i cuûa neuron thöù i nhö sau :
ui = å
=
n
j 1
wijyj + x i –w0i ; i = 1,2…n (1.15b)
Bieåu thöùc 1.15b coù theå vieát laïi nhö sau :
ui = wi
Ty + x i – w0i ; i = 1,2… n (1.15c)
vôùi wi =
ú
ú
ú
ú
û
ù
ê
ê
ê
ê
ë
é
in
i
i
w
w
w
........
2
1
vaø y =
ú
ú
ú
ú
û
ù
ê
ê
ê
ê
ë
é
ny
y
y
.......
2
1
Phaàn tuyeán tính cuûa maïng tuaàn hoaøn coù theå ñöôïc moâ taû döôùi daïng ma traän nhö
sau :
U = Wy + X – w0
å y[.]
un(k)
å y[.]
u1(k)
å y[.]
u2(k)
·
·
·
z-1
y1(k)
y2(k)
yn(k)
y1(k+1)
y2(k+1)
yn(k)
·
·
·
w01
w02
w0n
w12
w21
x1
x2
xn
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 21
vôùi U =
ú
ú
ú
ú
û
ù
ê
ê
ê
ê
ë
é
nu
u
u
......
2
1
, X =
ú
ú
ú
ú
û
ù
ê
ê
ê
ê
ë
é
nx
x
x
......
2
1
, w0 =
ú
ú
ú
ú
û
ù
ê
ê
ê
ê
ë
é
n
o
w
w
w
0
.........
02
1
(1.15d)
Ma traän W trong bieåu thöùc 1.15d ñöôïc goïi laø ma traän keát noái (n x n) coù theå
ñöôïc vieát nhö sau:
W =
ú
ú
ú
ú
ú
ú
û
ù
ê
ê
ê
ê
ê
ê
ë
é
0......
............................
0
....0
....0
321
3.........3231
22321
11312
nnn
n
n
n
www
www
www
www
ma traän naøy laø ma traän ñoái xöùng wij = wji vaø wii = 0 noù noùi leân raèng khoâng coù
keát noái veà chính noù
b. Maïng neuron thôøi gian treã (TDNN):
Ta coù theå söû duïng maïng tónh ñeå xöû lyù döõ lieäu noái tieáp baèng caùch chuyeån ñoåi
thôøi gian lieân tuïc thaønh moâ hình rôøi raïc baèng caùch thôøi gian ñöôïc xem nhö moät
khía caïnh khaùc cuûa baøi toaùn . Töø thöïc teá noù coù theå bieán ñoåi thôøi gian lieân tuïc thaønh
nhöõng khoaûng thôøi gian xaùc ñònh baèng caùch ñöa ñaàu vaøo lieân tuïc vaøo cô caáu trì
hoaõn sau ñoù tín hieäu ra seõ ñöôïc ñöa vaøo maïng neuron tónh. Moät caáu truùc nhö theá
ñöôïc goïi laø maïng neuron trì hoaõn thôøi gian. Caáu truùc maïng naøy döïa treân maïng
nuoâi tieán vôùi yeáu toá ñoäng vì pheùp toaùn laøm treã neân maïng TDNN ñöôïc xem nhö
maïng neuron ñoäng .
Ñôn vò neuron thôøi gian treã cô baûn ñöôïc trình baøy nhö ôû hình veõ coù chöùc naêng
cô baûn nhö moät boä loïc thích nghi baèng caùch tính tích voâ höôùng giöõa vector ñaàu vaøo
Xa(k) vaø vector troïng soá Wa(k) . Vector troïng soá Wa(k) seõ ñöôïc hieäu chænh bôûi giaûi
thuaät hoïc bình phöông sai soá toái thieåu. Ñôn vò neuron naøy ñöôïc huaán luyeän baèng
caùch laáy ñaàu ra mong muoán cuûa maïng laøm ñaàu vaøo ñöôïc trì hoaõn .
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 22
Caáu truùc neuron naøy coù theå duøng ñeå thu heïp taàn soá cuûa ñaàu vaøo noái tieáp Xa(k).
Phöông phaùp naøy seõ gaàn nhö hoaøn haûo neáu tín hieäu mong muoán khoâng ñeø leân
nhau trong vuøng taàn soá ñoù. Tuy nhieân tín hieäu vaø nhieãu ñeø leân nhau trong vuøng taàn
soá thì sau ñoù quaù trình xöû lyù coù khuynh höôùng loïc ra tín hieäu. Noùi caùch khaùc caáu
truùc naøy coù theå laøm suy yeáu ñaëc tính cuûa heä thoáng .
Ñôn vò neuron thôøi gian treã ñöôïc moâ taû nhö phöông trình 1.16a vaø 1.16b
v(k ) = å
=
n
i 0
wi.x(k - i) (1.16a)
y(k) = y[v(k)] (1.16b)
c. Ñôn vò neuron ñoäng (Dynamic Neural Unit DNU) :
Ñöôïc ñöa ra bôûi Gupta vaø Rao laø moät moâ hình ñoäng cuûa neuron sinh hoïc, caáu
truùc cuûa neuron ñöôïc phaùt trieån döïa treân caáu truùc sinh hoïc cuûa moät maïng neuron
luoân ñöôïc hoài tieáp lieân tuïc .
Ví duï cuûa heä thoáng naøy laø söï phaûn xaï voøng quanh trong moät nhoùm neuron cuûa
heä thaàn kinh trung taâm (CNS),chöùc naêng ñöôïc moâ taû nhö sau : moät tín hieäu kích
thích ñeán neuron ñaàu tieân sau ñoù kích thích ñeán neuron thöù 2,3,4… nhieàu nhaùnh
trôû veà neuron ñaàu tieân cung caáp hoài tieáp vaø kích thích laïi noù nhö ñöôïc moâ taû ôû
hình sau :
·
·
· z-1
z-1
z-1
å
w0
w1
w2
w3
wn+1
Haøm phi
tuyeán
LMS
-
+
yd(k)
Error, e(k)
x(k)
x(k-1)
x(k-2)
x(k-n)
Time
delay unit
y(k)
v(k)
)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 23
S(k)
v(k)
Söï phaûn xaï voøng laø hoaït ñoäng cô baûn trong nhieàu hoaït ñoäng cuûa CNS , noù cho
pheùp moät tín hieäu ñaàu vaøo ñeå suy ra ñaùp öùng sau vaøi giaây , vaøi phuùt thaäm chí vaøi
giôø. Haàu heát taát caû caùc hoaït ñoäâng nhòp nhaøng cuûa cô baép nhö söï di chuyeån thöôøng
ñöôïc ñieàu khieån bôûi phaûn xaï voøng .
Caáu truùc DNU nhö hình treân chæ töông töï nhö phaûn xaï voøng maø khoâng tieâu
bieåu cho baát cöù cô caáu cuï theå naøo trong heä thoáng thaàn kinh sinh hoïc. Vì theá DNU
thöïc hieän hai quaù trình rieâng bieät ñoù laø quaù trình synape vaø quaù trình soma. Thao
taùc thöù nhaát töông öùng vôùi vieäc caäp nhaät troïng soá nuoâi tieán vaø nuoâi luøi trong khi
thao taùc thöù hai töông öùng vôùi vieäc caäp nhaät ñoä lôïi cuûa haøm taùc ñoäng phi tuyeán .
Moät DNU ñoäng tuyeán tính coù theå bieåu dieãn nhö phöông trình 1.17 :
w(k, aff, bfb) =
)(
)(1
ks
kv = [ ][ ]2211
2
2
1
10
1 --
--
+
++
+
zbzb
zazaa (1.17)
vôùi S(k) laø vector ñaàu vaøo cuûa DNU Si Î R
n laø ñaàu vaøo töø nhöõng neuron khaùc
hoaëc töø caûm bieán wÎRn laø troïng soá ñaàu vaøo q laø giaù trò ngöôõng v1(k) Î R
1 laø ñaàu
ra cuûa caáu truùc ñoäng, u(k) laø ñaàu ra cuûa neuron aff=[a0, a1,a2]
T, bfb=[b1,b2]
T laø vecto
troïng soá hoài tieáp nuoâi tieán hay nuoâi luøi coù theå thích nghi. Moät caùch vieát khaùc
phöông trình 1.17 coù theå moâ taû nhö sau :
v1(k) = -b1v1(k-1) – b2v1(k-2) + a0s(k) +a1s(k-1) + a2s(k-2) (1.18)
output
<· <· <·
input
Feedback paths Feedforward paths
transmission Sypaptic weight
a0
a1
a1 z-1 z-1 Rs å
b1
a0
å Haøm phi tuyeán
+ +
DNU
Neuron
dynamic
u(k)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 24
Vector cuûa tín hieäu vaø troïng soá thích nghi ñöôïc cuûa DNU ñöôïc ñònh nghóa nhö
sau:
é(k,v1,s) = [v1(k-1) v1(k-2) s(k) s(k-1) s(k-2)]
T (1.19)
vaø
x (aff, bfb) = [-b1 –b2 a0 a1 a2]
T (1.20)
Duøng 1.18, 1.19 vaø 1.20 chuùng ta coù theå vieát laïi nhö sau:
v1(k) = x
T(aff, bfb) é(k,v1,s) (1.21)
Aùnh xaï phi tuyeán leân v1(k) ñeán neuron ñaàu ra u(k) ñöôïc cho bôûi :
)]([)( 1 kvgku sY= (1.22)
vôùi y[.] laø haøm taùc ñoäng phi tuyeán, gs laø ñoä lôïi soma duøng ñeå ñieàu khieån ñoä
lôïi cuûa haøm taùc ñoäng, nhieàu daïng khaùc nhau cuûa caùc coâng thöùc toaùn hoïc coù theå
ñöôïc duøng trong moâ hình cuûa neuron sinh hoïc phi tuyeán. Ñeå môû roäng caùc pheùp
toaùn vôùi caùc ñaàu vaøo kích ñoäng thuï ñoäng, haøm taùc ñoäng daáu trong khoaûng töø [-1 ,
1] ñöôïc bieåu dieãn bôûi phöông trình :
y[v(k)] = [ ][ ]11
11
gsvgsv
gsvgsv
ee
ee
-
-
+
- = tanh[gsv1(k)]= tanh[v(k)] (1.23)
vôùi v(k)=gs .v1(k)
1.4.3 Caáu truùc neuron ñoäng döïa treân soá löôïng Neuron:
Caáu truùc maïng neuron duøng ñeå tính toaùn döïa treân nhöõng khaùi nieäm maïng tónh
ñôn, caáu truùc neuron naøy thöôøng baét chöôùc moät phaàn caáu truùc sinh hoïc cuûa chuùng,
vì vaäy chuùng khoâng phaûn aùnh nhieàu ñaëc tính cuûa neuron sinh hoïc. Ví duï moâ hình
neuron tónh khoâng ñöa vaøo tính toaùn thôøi gian treã, maø nhöõng yeáu toá naøy aûnh höôûng
ñeán heä thoáng ñoäng, nhieàu ñaàu vaøo taïo ra moät ñaàu ra maø khoâng coù boä nhôù. Hôn
nöõa noù khoâng chöùa ñöïng tính ñoàng boä hay chöùc naêng ñieàu cheá taàn soá cuûa neuron
sinh hoïc. Neuron sinh hoïc thöôøng taäp hôïp trung bình hôn 10.000 sysnape ñaàu vaøo.
Moãi neuron laø moät phaàn töû tính toaùn phöùc taïp vaø chuùng thöïc hieän nhieàu pheùp toaùn
hôn laø chæ pheùp toaùn coäng .
Caáu truùc maïng neuron ñöôïc moâ taû trong nhöõng phaàn tröôùc xem taùc ñoäng cuûa
moät neuron rieâng reõ nhö laø moät phaàn töû tính toaùn cô baûn. Moãi ñôn vò tính toaùn
trong maïng neuron döïa treân moät neuron ñöôïc lyù töôûng hoùa. Neuron lyù töôûng hoùa
ñöôïc giaû söû laø ñaùp öùng toái öu vôùi nhöõng ñôn vò ñaàu vaøo. Tuy nhieân kinh nghieäm
nghieân cöùu trong neuron sinh hoïc cho thaáy, ñaùp öùng cuûa moät neuron sinh hoïc xuaát
hieän moät caùch ngaãu nhieân.
Hôn nöõa nghieân cöùu nhöõng neuron rieâng bieät coù theå thích hôïp ñeå caïnh tranh
vôùi nhöõng chöùc naêng cuûa maïng neuron sinh hoïc. Tuy nhieân noù khoâng caàn thieát cho
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 25
nghieân cöùu trong nhöõng phaàn coù lieân quan ñeán chöùc naêng beân ngoaøi nhö laø xöû lyù
thoâng tin töø sensor keøm theo nhöõng luaät hoïc phöùc taïp, boä nhôù löu tröõ....
Toång theå nhöõng hoaït ñoäng cuûa neuron taïo ra beân trong moät lôùp moâ thaàn kinh
laø keát quaû cuûa nhöõng teá baøo thaàn kinh keát noái daøy ñaëc goïi laø soá löôïng neuron
(neuron population) hoaëc khoái neuron (neuron mass). Khoái neuron bao goàm nhieàu
neuron vaø ñaëc tính cuûa noù coù ñaëc ñieåm gioáng vôùi nhöõng neuron rieâng reõ. Ñaëc tính
cuûa khoái neuron phuï thuoäc vaøo nhöõng thoâng soá khaùc nhau cuûa nhöõng neuron caù
nhaân vaø noù cuõng phuï thuoäc vaøo söï keát noái beân trong cuûa nhöõng neuron naøy.
Moãi khoái neuron coù theå ñöôïc chia nhoû thaønh taïo thaønh nhöõng khoái nhoû cuøng
toàn taïi bao goàm nhöõng lôùp neuron töông töï nhau naèm trong moät vuøng khoâng gian
gaàn nhau. Nhöõng neuron trong moãi khoái con ñöôïc giaû söû nhaän nhöõng ñaàu vaøo
thoâng thöôøng ñeå cho ñaùp öùng ñaàu ra .Keát noái sysnape beân trong baát cöù moät khoái
con naøo ñeàu laø ngaãu nhieân, nhöng cöôøng ñoä thì ñuû ñeå coù söï keát noái giöõa baát kyø hai
neuron naøo. Nhöõng khoái neuron thoâng thöôøng thì ñöôïc pha troän giöõa khoái nhoû tích
cöïc vaø khoái nhoû thuï ñoäng. Khoái nhoû tích cöïc taêng xung löïc ñieän giöõa keát noái
sysnape cuûa neuron trong khi khoái con thuï ñoäng laøm giaûm xung löïc ñieän .Nhöõng
neuron rieâng bieät trong khoái con phaùt sinh ra y(k) nhaän xung löïc töø nhöõng neuron
khaùc trong lôùp moâ thaàn kinh vaø töï hoài tieáp veà chính noù .
Caáu truùc hình hoïc toái thieåu cuûa moät khoái neuron bao goàm neuron tích cöïc,
neuron thuï ñoäng( keát noái sysnape töø neuron kích ñoäng ñeán neuron thuï ñoäng) ,thuï
ñoäng-tích cöïc (keát noái sysnape töø thuï ñoäng ñeán kích ñoäng) vaø voøng hoài tieáp. Caáu
truùc khoái neuron ñöôïc moâ taû nhö hình sau :
Ngoõ ra
Hoài tieáp thuï
ñoäng
Neuron tích cöïc
Neuron thuï ñoäng
Ñaàu vaøo töø
beân ngoaøi
Hoài tieáp tích
cöïu
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 26
a. PN_Boä xöû lyù neuron :
Vai troø tính toaùn ñöôïc thöïc hieän bôûi boä xöû lyù neuron PN ,noù caïnh tranh vôùi khaû
naêng xöû lyù thoâng tin . Moâ hình khoâng gian traïng thaùi cuûa boä xöû lyù nhöõng thoâng tin
roõ raøng töông öùng vôùi moät maûng hai chieàu vôùi maät ñoä keát noái beân trong PEs phi
tuyeán. Moät phaàn töû xöû lyù rieâng reõ ñaïi dieän cho moät neuron tích cöïc ñöôïc ñöa ra
bôûi nhöõng khoái con cuïc boä cuûa nhöõng teá baøo thaàn kinh tích cöïc hay thuï ñoäng. Söï
keát noái nuoâi tieán ñeán moãi PEs seõ chuyeån ñoåi tín hieäu beân ngoaøi thaønh nhöõng neùt
ñaëc tröng cuûa thoâng tin. Söï keát noái nuoâi luøi giöõa caùc PE khaùc nhau trong moät maïng
phaùt sinh ñaëc tính ñoäng maø tính chaát naøy raát höõu ích cho vieäc thöïc hieän nhöõng tính
toaùn ña daïng nhö boä loïc STF ,phaùt hieän di ñoäng, oån ñònh (STS), boä nhôù ngaén
haïn(STVN) ,ñòa chæ noäi dung boä nhôù(CAM), ñieàu cheá taàn soá xung(PFM). Tính toaùn
treân heä thoáng roõ coù theå phaùt trieån neáu boä xöû lyù neuron roõ ñöïôc keát hôïp chaët cheõ
beân trong caáu truùc tính toaùn hình choùp, noù söû duïng kyõ thuaät xöû lyù thoâng tin song
song vaø noái tieáp. Nhöõng öùng duïng trong heä thoáng neuron roõ bao goàm robot thoâng
minh, giaùm saùt töï ñoäng ,robot y hoïc vaø heä thoáng cheá taïo maùy. Sô ñoà moâ hình
khoâng gian traïng thaùi cho boä xöû lyù neuron ñöôïc bieåu dieãn nhö hình veõ :
Söï phaùt trieån cuûa PE beân trong boä xöû lyù neuron ñöôïc cho bôûi phöông trình 1.24
X(k+1) = µX(k) + (1 - µ)Y(k) (1.24)
Vôùi a laø toác ñoä phaân raõ taïi traïng thaùi hieän taïi X(k)Î[0,1] vaø (1-a ) laø toác ñoä
sinh tröôûng traïng thaùi môùi taïi ñaàu vaøo. Y(k) Î [0.1] neáu a tieán ñeán 0 thì traïng thaùi
môùi X(k+1) tyû leä vôùi ñaàu vaøo hieän taïi Y(k) ,traïng thaùi ñaàu vaøo cuûa Y(k) ñöôïc cho
bôûi phöông trình 1.25
Y(k) = F[U(k)] (1.25)
Vôùi f laø pheùp aùnh xaï phi tuyeán, U(k) Î [-¥,+ ¥] ,Y(k) Î [0,1]. Toång taùc ñoäng
ñaàu vaøo ñeán nhöõng phaàn töû PEs khaùc nhau cuûa caùc boä xöû lyù roõ ñöôïc cho bôûi
phöông trình 1.26
U(k) = AS(k) + WX(k) (1.26)
Coù hai loaïi ñaàu vaøo ñöôïc caáu thaønh bôûi PEs. Loaïi thöù nhaát phaùt sinh töø ñaàu
vaøo beân ngoaøi : tín hieäu S(k) vaø loaïi thöù 2 baét nguoàn töø keát noái tuaàn hoaøn giöõa PEs
beân trong maïng X(k). Pheùp bieán ñoåi tín hieäu töø beân ngoaøi ñöôïc cho bôûi ma traän A
W
f[.] A 1-µ
µ
z-1 + +
+ S(k) X(k) F(k) U(k) Y(k)
X(k+1)
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 27
cuûa maïng nuoâi tieán. Troïng soá keát noái cuûa maïng tuaàn hoaøn giöõa moãi PE rieâng reõ
ñöôïc cho bôûi ma traän W cuûa maïng nuoâi luøi.
Söï ña daïng cuûa quaù trình xöû lyù thoâng tin keát hôïp vôùi traïng thaùi tröôùc ñoù cuûa cô
caáu roõ coù theå thöïc hieän bôûi caáu truùc boä xöû lyù neuron cô baûn. Nhöõng pheùp tính khaùc
nhau ñaït ñöïôc baèng caùch choïn löïa ma traän A vaø W, vaø nhöõng thoâng soá cuûa pheùp
aùnh xaï phi tuyeán f[.] Heä soá cuûa ma traän A trong maïng nuoâi tieán ñöôïc xem nhö boä
loïc khoâng gian tuyeán tính seõ laøm taêng ñoä phaúng ñaàu ra vôùi ñaàu vaøo S(k). Heä soá
ñöôïc choïn cho W trong maïng nuoâi luøi phuø hôïp vôùi thoâng soá f[.] seõ quyeát ñònh vai
troø tính toaùn cuûa boä xöû lyù.
b. Boä xöû lyù maïng neuron ñoäng (Dynamic Neural Processor: DNP):
DNP ñöôïc phaùt trieån döïa treân ñaëc tính sinh hoïc cuûa nhöõng neuron. Noù phuï
thuoäc vaøo söï taùc ñoäng qua laïi cuûa khoái neuron tích cöïc vaø thuï ñoäng . DNP bao
goàm 2 nuùt cô baûn ñöôïc goïi laø ñôn vò neuron ñoäng vaø moät caëp neuron tích cöïc vaø
thuï ñoäng. Caáu truùc cuûa DNU bieåu hieän phaàn töû trì hoaõn-nuoâi luøi, troïng soá nuoâi tieán
nuoâi luøi theo sau bôûi haøm phi tuyeán bieán ñoåi theo thôøi gian. Moâ hình cuûa DNP
ñöôïc moâ taû trong hình sau :
Trong caáu truùc naøy Sl(k) vaø Ul(k) tieâu bieåu cho kích thích cuûa neuron ñaàu vaøo
vaø ñaàu ra, l chæ ñeán traïng thaùi tích cöïc hay thuï ñoäng. Stl(k) laø toång ñaàu vaøo cuûa
neuron ñôn vò. Wll laø cöôøng ñoä keát noái sysnape töø moät neuron ñôn vò ñeán moät
neuron khaùc, phaàn töû Z-1 bieåu dieãn söï trì hoaõn thôøi gian.
Chöùc naêng ñoäng cuûa ñôn vò tính toaùn neuron(DNU). Ñöôïc ñònh nghóa bôûi
phöông tình vi phaân baäc 2 ñöôïc trình baøy nhö phöông trình 1.18. Bieán traïng thaùi
DNUE
wEE z-1
wIE z-1
WEI z-1
wee z-1
DNUI
wE
wI
sE(k)
sIE(k) uE(k)
uI (k) sI (k)
sI(k)
fE
fI
-
- +
+
- -
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 28
uE(k+1) phaùt sinh taïi thôøi ñieåm k+1 bôûi caùc ñôn vò neuron kích ñoäng vaø thuï ñoäng
ñöôïc bieåu dieãn bôûi haøm phi tuyeán nhö sau:
)](),([)1( kvkuEku EEE =+ (1.27a)
)](),([)1( 111 kvkuku =+ (1.27b)
vôùi vE(k) vaø vI(k) laø ñaïi dieän cho söï caân xöùng neuron trong neuron ñôn vò
nghóa laø ñaàu vaøo seõ lôùn hôn giaù trò ngöôõng, E vaø I laø neuron phi tuyeán tích cöïc vaø
thuï ñoäng. Nhöõng neuron coù ñaàu vaøo lôùn hôn giaù trò ngöôõng thì ñöôïc cho bôûi haøm
phi tuyeán Vl(k) vaø y[ Vl(k)]. Toång ñaàu vaøo taùc ñoäng leân ñôn vò tích cöïc hay thuï
ñoäng ñöôïc bieåu dieãn bôûi 1.28a vaø 1.28b
stE(k) = wEsE(k) + wEEuE (k-1) – wiEuI (k-1) - fE (1.28a)
stI(k) = wIsI(k) - wIIuI (k-1) + wiE uE(k-1) - fI (1.28b)
Vôùi wE vaø wI laø troïng soá taïi ñaàu vaøo neuron tích cöïc vaø thuï ñoäng ;wEE vaø wII laø
cöôøng ñoä keát noái vôùi chính noù ;wIE vaø wEI laø cöôøng ñoä keát noái giöõa caùc neuron fE
vaø fI laø giaù trò ngöôõng cuûa neuron kích ñoäng vaø thuï ñoäng, phöông trình 1.28a vaø
1.28b coù theå vieát laïi döôùi daïng ma traän 1.29
ú
û
ù
ê
ë
é
)(
)(
ks
ks
iI
iE
= ú
û
ù
ê
ë
é
I
E
w
w
0
0
ú
û
ù
ê
ë
é
)(
)(
ks
ks
I
E
+ ú
û
ù
ê
ë
é
-
-
IIEI
IEEE
ww
ww
ú
û
ù
ê
ë
é
-
-
)1(
)1(
ku
ku
I
E
- ú
û
ù
ê
ë
é
I
E
q
q
(1.29)
Duøng pheùp giaûi tích tröïc tieáp ñeå xaùc ñònh traïng thaùi oån ñònh vaø ñaùp öùng thôøi
gian cuûa DNP thì khoâng theå thöïc hieän ñöôïc bôûi vì tính phi tuyeán voán coù trong
phöông trình 1.28a vaø 1.28b. Tuy nhieân phöông trình phi tuyeán coù theå phaân tích
ñònh tính baèng phöông phaùp quyõ ñaïo pha trong mieàn pha phaúng uE-uI. Quyõ ñaïo pha
naøy theå hieän tính chaát cuûa heä thoáng maø khoâng caàn giaûi phöông trình phi tuyeán.
Quyõ tích nhöõng ñieåm maø quyõ ñaïo pha doác ñöôïc goïi laø ñöôøng cong ñaúng khuynh (
isocline surve) , traïng thaùi oån ñònh ñöôïc moâ taû bôûi DNU cuûa boä xöû lyù neuron coù
theå ñöôïc nghieân cöùu baèng caùch xaùc ñònh ñöôøng cong ñaúng khuynh töông öùng vôùi
uE (k+1)=uE(k) vaø u I(k+1)=uI(k).
c. Moâ hình neuron ñoäng toång quaùt :
Phaùt trieån moâ hình tính toaùn chung trong maïng neuron laø thaät söï caàn thieát ,
moâ hình naøy coù theå ñaïi dieän cho ñaëc tính vaø caïnh tranh vôùi phöông trình toaùn cuûa
caáu truùc neuron sinh hoïc .Trong phaàn naøy chuùng ta phaûi phaùt trieån moät moâ hình
neuron toång quaùt döïa treân khaùi nieäm maïng neuron ñöôïc moâ taû tröôùi ñaây vaø cuõng
chöùng minh söï toàn taïi cuûa moâ hình neuron nhö maïng nuoâi tieán ,nuoâi luøi. TDNN,
DNU laø nhöõng maïng toång quaùt .
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 29
Moâ hình maïng toång quaùt ñöôïc moâ taû trong hình sau :
Ñoù laø moät moâ hình ñoäng baäc hai maø ñaàu ra cuûa noù ñöôïc tính baèng haøm taùc
ñoäng phi tuyeán thay ñoåi theo thôøi gian .Moâ hình toång quaùt laø môû roäng cuûa DNU vaø
keát hôïp vôùi hoài tieáp ñaëc tröng cho troïng soá giöõa caùc neuron .
Trong hình treân ,ma traän troïng soá nuoâi tieán ñöôïc moâ taû bôûi G,H,P trong khi ma
traän nuoâi luøi A,B vôùi giaù trò ngöôõng laø q , ma traän C ñöôïc moâ taû nhö cöôøng ñoä töï
keát noái hoài tieáp cuûa neuron beân trong (selt – inter- neuron). Ma traän F,D ñaëc tröng
cho ma traän ñaàu vaøo vaø ñaàu ra cuûa tín hieäu .Trong maïng neuron tónh coå ñieån ,ma
traän F ñaëc tröng cho troïng soá .Ñaàu ra cuûa neuron ñoäng ñöôïc xaùc ñònh töø haøm taùc
ñoäng phi tuyeán thöôøng duøng laø haøm daáu vôùi ñoä doác thay ñoåi. Söï thích nghi trong
haøm sigmoid slope taïo ra ñaëc tính töï ñieàu höôûng ñeán moâ hình cuûa maïng neuron .
Haøm taùc ñoäng moâ taû caáu truùc neuron ñöôïc ñaëc tröng bôûi phöông trình sai phaân
1.30
x(k) = Fs(k) -q (a)
q(k) = x(k) + Aq(k-1) + Bq(k-2) + Cq(k-1) (b)
v1(k) = G[q(k)] + H[q(k-1)] + P[q(k-2)] (c)
v(k) = g sv1(k) (d)
u(k) = Y[v(k)] (e)
y(k) = Du(k) (f)
Sau ñaây chuùng ta seõ chæ ra raèng caáu truùc cuûa neuron ñaõ toàn taïi coù nguoàn goác töø
moâ hình neuron toång quaùt naøy .
Maïng nuoâi tieán (tónh) nhö ñaõ ñöôïc trình baøy ôû nhöõng phaàn tröôùc: caáu truùc tónh
cuûa maïng neuron nhaân taïo coù ñaàu vaøo nhaän töø neuron khaùc hoaëc töø nhöõng caûm
bieán . Toång troïng soá cuûa nhöõng ñaàu vaøo naøy caáu thaønh argument cuûa haøm taùc
ñoäng .Keát quaû cuûa haøm taùc ñoäng neáu vöôït qua giaù trò ngöôõng thì cuõng chính laø ñaàu
P
H
G
å z-1 z-1 å å gs y[.] D
A
B
F
C z-1
u(k) v(k)
s(k)
q(k) q
x(k)
v1(k)
q(k-1) q(k-2)
y(k)
Somatic
component
synapetic
component
Luaän Vaên Toát Nghieäp GVHD :Thaày Nguyeãn Thieän Thaønh
SVTH : Hoaøng Trung Hieáu & Nguyeãn Trung Duõng trang 30
ra . Ñaàu ra naøy phaân boá caùc troïng soá ñeán caùc ñôn vò xöû lyù khaùc .Maïng neuron tónh
coù caáu truùc toång quaùt vôùi C = H = P = C = 0,G=1, gs = 1(haøm phi tuyeán vôùi ñoä doác
thay ñoåi ) ñöôïc bieåu dieãn nhö hình sau :
Maïng nuoâi luøi (maïng tuaàn hoaøn) : caáu truùc maïng coå ñieån ñöôïc trình baøy trong
hình beân döôùi ,noù laø trong tröôøng hôïp ñaëc bieät cuûa caáu truùc toång quaùt A = B = H =
P =0 , G=gs=1
Maïng neuron thôøi gian treã : tính chaát ñoäng cuûa mang neuron thôøi gian treã coù
theå ñöôïc moâ taû nhö tröôøng hôïp toång quaùt vôùi A=B=C=0, gs=1. Caáu truùc naøy ñöôïc
bieåu dieãn nhö hình veõ sau :
x(k)
u(k) Ñaàu ra y(k)
F y[.]
F
D å
q
ñaàu vaøo
s(k)
Giaùtrò ngöôõng
Troïng soá cuûa
synape
Troïng soá ñaàu ra ñeán
caùc neuron khaùc
q
Ñaàu ra y(k)
Troïng soá ñaàu ra ñeán
caùc neuron khaùc
u(k)
Giaùtrò ngöôõng
y[.]
F
D
x(k)
F å
ñaàu vaøo
s(k)
Troïng soá cuûa
synape
å
å
å
z-1
z-1
å
v(k)
x(k)
u(k) Ñaàu ra y(k)
F y[.]
F
D å
q
ñaàu vaøo
s(k)
Giaùtrò ngöôõng
Troïng soá cuûa
synape
Troïng soá ñaàu ra ñeán
caùc neuron khaùc
C z-1