Giáo trình một số ứng dụng mạng nơron xây dựng mô hình nhận dạng và dự báo

Giáo trình này gồm 3 phần và 4 chương, tập trung vào lý thuyết cơ bản của mạng nơron và các mô hình ứng dụng mạng nơron trong nhận dạng (hàm phi tuyến, sản phẩm công nghiệp) và dự báo (sự cố máy điện).

Các phần chính của giáo trình bao gồm:

• Phần I: Nhập môn
  • Chương 1: Tổng quan về mạng nơron
    • Lịch sử phát triển và ứng dụng mạng nơron (từ những năm 1940 đến nay, các giai đoạn phát triển chính).
    • Phạm vi ứng dụng rộng rãi của mạng nơron nhân tạo (phân lớp, tách cụm, dự đoán, tối ưu, hồi quy, hoàn chỉnh dạng).
    • Giới thiệu về não và nơron sinh học, sau đó là nơron nhân tạo.
    • Mô hình về một nơron và các thành phần cơ bản (đầu vào, trọng số, bộ tổng, ngưỡng, hàm truyền, đầu ra). Các dạng hàm truyền thường dùng.
    • Mô hình mạng nơron (mạng một lớp, mạng nhiều lớp, mạng truyền thẳng, mạng hồi tiếp, mạng hồi quy).
    • Huấn luyện mạng nơron: các hàm hoạt động của mạng nơron (Farn Threhold, piecewwise – linear, sigmoid, tang – hyperbol) và các luật học (có giám sát, củng cố, không có giám sát).
    • Thuật toán lan truyền ngược để xác định tập trọng số tốt nhất của mạng, với các bước lan truyền tiến và lan truyền ngược sai số.
• Phần II: Một số mạng nơron thường sử dụng trong nhận dạng phân loại
  • Chương 2: Mạng nơron
    • Mạng Hopfield (mô hình, huấn luyện, ứng dụng trong nhận dạng ảnh, đặc điểm sử dụng).
    • Mạng ABAM (Adaptive Bidirectional Associative Memory Neural Network) (mô hình, huấn luyện, ứng dụng trong nhận dạng và phân loại ảnh, đặc điểm).
    • Mạng Perceptron (mô hình, huấn luyện, ứng dụng trong nhận dạng ảnh và tính toán hàm lôgic).
    • Mạng Kohonen (cấu trúc, nguyên lý hoạt động, các thuật toán học cơ bản: trực tuyến và ngoại tuyến (K-trung bình), thuật toán tạo nhóm cơ bản (nhóm C-trung bình mờ)).
    • Mạng MLP (Multilayer Perceptrons Network) (cấu trúc mạng với một hoặc nhiều lớp ẩn, các hàm kích hoạt Logsig, Tansig, hàm tuyến tính; thuật toán học của mạng MLP dựa trên phương pháp bước giảm cực đại và thuật toán Levenberg – Marquadt).
• Phần III: Một số ứng dụng mạng nơron trong nhận dạng và dự báo (Chương 4 không có trong đoạn trích nhưng được đề cập trong Mục lục)
  • Chương 3: Mạng nơron lôgic mờ TSK (Takaga – Sugeno – Kang)
    • Khái niệm lôgic mờ.

Tài liệu được biên soạn dựa trên nhiều sách, công trình nghiên cứu và kết quả ứng dụng của tác giả cũng như các bài báo khoa học. Giáo trình hướng đến sinh viên, cán bộ kỹ thuật nghiên cứu trong các lĩnh vực Điện, Điện tử, Đo lường điều khiển và Tin học công nghiệp. Tác giả cũng mong muốn nhận được góp ý để hoàn thiện giáo trình.