Luận Án Tiến Sĩ Xây Dựng Mô Hình Lai Cho Bài Toán Dự Báo Theo Tiếp Cận Mờ Hướng Dữ Liệu

1) Xây dựng thuật toán f-SVM để trích xuất tập luật mờ từ dữ liệu dựa vào máy học véc-tơ hỗ trợ. Thuật toán cho phép tối ưu hóa các tham số của hàm thành viên mờ và lựa chọn giá trị tham số epsilon để điều chỉnh số lượng luật mờ trích xuất được. Luận án cũng đề xuất sử dụng tập dữ liệu xác thực để thực nghiệm chọn giá trị tham số epsilon tối ưu cho từng mô hình mờ tương ứng với từng bài toán cụ thể. Thực nghiệm cho thấy thuật toán f-SVM kết hợp với giải pháp chọn lựa tham số tối ưu cho phép trích xuất được mô hình mờ với số luật mờ được rút gọn nhưng vẫn đảm bảo được hiệu quả dự báo.
2) Nghiên cứu các kịch bản tích hợp tri thức tiên nghiệm vào quá trình học mô hình mờ, phân tích điều kiện đảm bảo “tính có thể diễn dịch được” của một mô hình mờ để qua đó xác định các tri thức tiên nghiệm để tích hợp vào quá trình học mô hình mờ TSK từ máy học véc-tơ hỗ trợ.

• Luận án tiến sĩ tin học
• Chuyên ngành Khoa học máy tính
• Người hướng dẫn khoa học: PGS.TS. Lê Mạnh Thạnh
• Tác giả: Nguyễn Đức Hiển
• Số trang: 132
• Kiểu file: PDF
• Ngôn ngữ: Tiếng Việt
• Đại học Khoa học - Đại học Huế 2019

Link Download
http://luanvan.moet.edu.vn/?page=1.9&view=33547
https://drive.google.com/uc?id=1U6y5s447PlGDIdyVKkvUl36JjUI70FO_
https://drive.google.com/drive/folders/1yLBzZ1rSQoNjmWeJTM6cEZ3WGQHg04L1