Luận án TS: Xây dựng mô hình lai cho bài toán dự báo theo tiếp cận mờ hướng dữ liệu

1.1 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu của luận án là: Xây dựng mô hình mờ hướng dữ liệu lai ghép dựa trên việc tích hợp tri thức tiên nghiệm với mô hình mờ hướng dữ liệu cho bài toán dự báo hồi quy. Cụ thể, nghiên cứu những nội dung chủ yếu sau: 

• Nghiên cứu phương pháp xây dựng mô hình mờ từ dữ  liệu (mô hình mờ hướng dữ liệu), và cụ thể là xây dựng mô hình mờ dựa trên máy học véc-tơ hỗ trợ. 
• Nghiên cứu phương thức cho phép tích hợp các kiểu khác nhau của tri thức tiên nghiệm trong mô hình mờ hướng dữ liệu dựa trên máy học véc-tơ hỗ trợ. 
• Đề xuất mô hình lai ghép trên cơ sở mô hình mờ hướng dữ liệu trích xuất từ máy học véc-tơ hỗ trợ cho bài toán dự báo hồi quy và áp dụng để giải quyết bài toán dự báo dữ liệu chuỗi thời gian tài chính. 

1.2 Đối tượng phạm vi nghiên cứu

Nghiên cứu về các phương pháp xây dựng mô hình mờ từ dữ liệu. Phân tích các vấn đề chi tiết bao gồm xác định cấu trúc mô hình, kỹ thuật xây dựng mô hình, tối ưu hóa mô hình, …

Nghiên cứu giải pháp cải thiện hiệu quả của mô hình mờ hướng dữ liệu bằng cách tích hợp tri thức tiên nghiệm.

Nghiên cứu giải pháp lai ghép kỹ thuật phân cụm (SOM, k-Means) với mô hình mờ hướng dữ liệu dựa trên máy học véc-tơ hỗ trợ để giải quyết bài toán dự báo dữ liệu chuỗi thời gian.

1.3 Phương pháp nghiên cứu

Phương pháp tổng hợp và phân tích: Tìm kiếm, thu thập, tổng hợp và phân tích các tài liệu về các công trình nghiên cứu đã công bố, các bài báo đăng ở các hội thảo và tạp chí lớn trong nước và quốc tế để đưa ra giải pháp xây dựng mô hình mờ hướng dữ liệu cho bài toán dự báo hồi quy và giải pháp cho phép tích hợp tri thức tiên nghiệm vào mô hình mờ hướng dữ liệu. 

Phương pháp mô hình hóa: Dựa trên kỹ thuật xây dựng mô hình mờ hướng dữ liệu và giải pháp tích hợp tri thức tiên nghiệm vào mô hình mờ hướng dữ liệu để đề xuất thuật toán xây dựng mô hình mờ giải quyết bài toán dự báo hồi quy. 

Phương pháp thực nghiệm, đánh giá kết quả và rút ra kết luận: Sử dụng phần mềm Matlab và các công cụ hỗ trợ về mô hình suy luận mờ và máy học véc- tơ hỗ trợ để cài đặt chương trình thực nghiệm; thực nghiệm trên dữ liệu thực tế, so sánh với kết quả của các mô hình khác đã được công bố để đánh giá và rút ra kết luận. 

2.1 Trích xuất mô hình mờ hướng dữ liệu 

Cơ bản về logic mờ 

• Lý thuyết tập mờ
• Luật mờ “IF-THEN” 

Mô hình mờ hướng dữ liệu 

• Mô hình mờ Mamdani 
• Mô hình mờ TSK 

Sinh luật mờ từ dữ liệu 

Máy học véc-tơ hỗ trợ 

• Lý thuyết máy học Véc-tơ hỗ trợ 
• Máy học Véc-tơ hỗ trợ cho vấn đề tối ưu hóa hồi qui 

Trích xuất mô hình mờ TSK dựa vào máy học véc-tơ hỗ trợ 

Lựa chọn các tham số 

• Chọn các tham số của hàm thành viên
• Vai trò của tham số ε

Tổ chức thực nghiệm

• Mô tả thực nghiệm 
• Bài toán hồi quy phi tuyến 
• Bài toán dự báo dữ liệu chuỗi thời gian hỗn loạn Mackey-Glass