Ứng dụng Neurofuzzy trong điểu khiển nhiệt độ thông qua Kit AT89C52

TRƯỜNG ĐẠI HỌC KỸ THUẬT TP. HCM
KHOA ĐIỆN ĐIỆN TỬ
BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG






LUẬN VĂN TỐT NGHIỆP



ĐỀ TÀI :
ỨNG DỤNG NEUROFUZZY
TRONG ĐIỀU KHIỂN NHIỆT
ĐỘ THÔNG QUA KIT AT89C52










GVHD : LÊ TUẤN ANH
SVTH : LÊ PHƯỚC THÀNH
MSSV : 49600822

NIÊN KHÓA 1996 - 2001
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 1








LỜI CẢM ƠN

Xin chân thành cảm ơn tất cả các thầy cô trong trường ĐH Kỹ Thuật đã dạy dỗ
cho đến ngày hôm nay, đặc biệt là các thầy cô trong bộ môn Điều Khiển Tự
Động.
Xin chân thành cảm ơn văn phòng bộ môn, đặc biệt là cô Ngọc đã tạo điều
kiện giúp đỡ trong suốt quá trình thực hiện luận văn tốt nghiệp.
Xin chân thành cảm ơn thầy Lê Tuấn Anh, người đã gợi ý và hướng dẫn thực
hiện luận văn tốt nghiệp.
Và xin cảm ơn tất cả những người đã gián tiếp tạo điều kiện thuận lợi trong
quá trình làm luận văn tốt nghiệp.
Dù đã cố rất gắng nhưng vẫn không tránh khỏi sai sót, xin được học hỏi những
lời chỉ dẫn. Xin cảm ơn rất nhiều.
Người thực hiện
Lê Phước Thành
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 2
LỜI TỰA
Đề tài này được thực hiện trong khuôn khổ một môn học do trường ĐH Kỹ

Thuật qui đònh với số tín chỉ là 10. Thông qua đó, sinh viên có một học kỳ để
tự học, tự đánh giá khả năng của mình và trình bày thành luận văn dựa trên
những hiểu biết của mình.
Tên của đề tài là ứng dụng NeuroFuzzy để điều khiển nhiệt độ cho thấy đề
tài không mới nhưng phương pháp điều khiển thì rất mới : đó là ứng dụng
NeuroFuzzy, một lónh vực còn khá mới mẽ trong điều khiển tự động, là sự kết
hợp của hai lónh vực trí khôn nhân tạo : logic mờ và mạng neuron nhằm tận
dụng ưu điểm của cả hai. Nhằm để chứng tỏ ưu điểm của phương pháp này, đề
tài điều khiển một đối tượng cụ thể là một lò nướng dân dụng.
Luận văn trình bày đề tài được chia làm 5 phần lớn :
• Phần 1 : Giới thiệu.
• Phần 2 : Lý thuyết.
• Phần 3 : Thiết kế.
• Phần 4 : Kết qua điều khiển.
• Phần 5 : tài liệu tham khảo.
Trong mỗi phần có nhiều chương nhỏ trải rộng từ hệ thống, phần cứng, phần
mềm với tổng số trang là 183.
Do lượng nội dung viết thì nhiều mà khuôn khổ luận văn có giới hạn nên chỉ
trình bày các giải thuật mà không trình bày chương trình. Tuy nhiên, nếu muốn
tham khảo thì sử dụng đóa CD-ROM kèm theo có chứa chương trình nguồn lẫn
chương trình đã biên dòch (cho phép cài lên máy tính).
Thực ra tác giả còn muốn trình bày nhiều hơn nữa nhưng đành phải rút gọn
nên không thoát khỏi tình trạng thiếu trước hụt sau. Ngoài ra, do mỗi phần
được viết trong các khoản thời gian khác nhau nên không tránh khỏi vấn đề
không nhất quán trong trình bày. Lối văn phong cũng không được khoa học cho
lắm.
Mong rằng người đọc sẽ thông cảm mà bỏ qua những thiếu sót đó. Xin chân
thành cảm ơn.
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 3

MỤC LỤC

Phần 1. Giới thiệu ................................................... 9
Chương 1. Giới thiệu đề tài .................................................... 10
1. Nhiệm vụ của đề tài ................................................................................ 11
2. Thực hiện ................................................................................................. 11
Phần 2. Lý thuyết .................................................. 12
Chương 1. Logic mờ ................................................................ 13
1. Sơ lược về logic mờ .................................................................................. 13
1.1. Quá trình phát triển của logic mờ ....................................................... 13
1.2. Cơ sở toán học của logic mờ ............................................................... 13
1.3. Logic mờ là logic của con người ......................................................... 16
1.4. So sánh logic mờ với lý thuyết xác suất thống kê .............................. 16
2. Các khái niệm dùng trong logic mờ ....................................................... 17
2.1. Tập hợp mờ và độ phụ thuộc .............................................................. 17
2.2. Hàm phụ thuộc .................................................................................... 18
2.3. Biến ngôn ngữ ..................................................................................... 18
2.4. Luật mờ ............................................................................................... 19
3. Tính toán mờ ........................................................................................... 19
3.1. Mờ hóa ................................................................................................ 19
3.2. Tính luật mờ ........................................................................................ 19
3.3. Suy luận mờ ........................................................................................ 20
3.4. Giải mờ................................................................................................ 21
Chương 2. Mạng Neuron ........................................................ 23
1. Sơ lược về mạng neuron ......................................................................... 23
1.1. Quá trình phát triển ............................................................................. 23
1.2. Mạng neuron là gì ? ............................................................................ 24
1.3. Cấu trúc của não ................................................................................. 24
2. Mô hình hóa mạng neuron ..................................................................... 26
2.1. Yêu cầu khi lập mô hình một neuron ................................................. 26

2.2. Lập mô hình neuron ............................................................................ 26
3. Học hỏi trong mạng neuron ................................................................... 28
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 4
4. Giải thuật học perceptron ...................................................................... 30
4.1. Mô tả giải thuật ................................................................................... 30
4.2. Phân loại với mô hình perceptron ....................................................... 31
4.3. Tóm tắt giải thuật ................................................................................ 33
4.4. Hạn chế ............................................................................................... 34
4.5. Nhận xét .............................................................................................. 34
5. Giải thuật học delta ................................................................................ 35
5.1. Đạo hàm .............................................................................................. 35
5.2. Mô tả luật học delta ............................................................................ 36
5.3. Một số hàm truyền và đạo hàm của nó .............................................. 37
5.4. Tóm tắt giải thuật ................................................................................ 38
6. Giải thuật delta tổng quát ...................................................................... 39
6.1. Mô hình perceptron đa tầng ................................................................ 39
6.2. Luật học delta tổng quát ..................................................................... 39
6.3. Tóm tắt giải thuật ................................................................................ 41
7. Độ hiệu quả của mạng neuron ............................................................... 41
Chương 3. NeuroFuzzy ........................................................... 44
1. Sơ lược về NeuroFuzzy ............................................................................ 44
2. Kết hợp neuron và mờ ............................................................................ 45
2.1. Biểu diễn luật If-Then theo cấu trúc mạng neuron ............................ 45
2.2. Neuron mờ........................................................................................... 48
3. Học hỏi trong NeuroFuzzy ..................................................................... 50
3.1. Sửa đổi hàm phụ thuộc ....................................................................... 51
4. Nhận xét ................................................................................................... 54
Chương 4. Vi điều khiển ......................................................... 55
1. Vi điều khiển họ MCS-51 ........................................................................ 55

2. Vi điều khiển AT89C52 ........................................................................... 56
2.1. Cấu tạo chân ....................................................................................... 56
2.2. Sơ đồ khối ........................................................................................... 57
2.3. Mô tả chức năng các chân .................................................................. 57
2.4. Các thanh ghi chức năng ..................................................................... 59
2.5. Bộ nhớ dữ liệu ..................................................................................... 61
2.6. Đặc tính bộ dao động .......................................................................... 62
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 5
2.7. Chế độ lười .......................................................................................... 62
2.8. Chế độ hạ nguồn ................................................................................. 62
2.9. Trạng thái của một số chân trong chế độ hạ nguồn và chế độ lười ... 62
2.10. Các thông số kỹ thuật ....................................................................... 63
Chương 5. ADC ICL7109CPL ............................................... 67

1. Sơ lược các phương pháp biến đổi AD ................................................... 67
1.1. Biến đổi AD dùng bộ biến đổi DA ..................................................... 67
1.2. Bộ biến đổi Flash AD ......................................................................... 70
1.3. Bộ biến đổi AD theo hàm dốc dạng lên xuống .................................. 71
1.4. Bộ biến đổi AD dùng chuyển đổi áp sang tần số ............................... 71
1.5. Bộ biến đổi AD theo tích phân hai độ dốc.......................................... 71
2. ICL7109CPL ............................................................................................ 72
2.1. Cấu tạo chân ....................................................................................... 73
2.2. Mô tả chức năng các chân .................................................................. 73
2.3. Quá trình biến đổi AD ......................................................................... 75
2.4. Lựa chọn giá trò ................................................................................... 76
2.5. Giao tiếp trực tiếp với ICL7109CPL ................................................... 77
Chương 6. MAX232 ................................................................. 78
1. Chuẩn RS-232-C ...................................................................................... 78
1.1. Các đầu nối ......................................................................................... 80

1.2. Mô tả chân .......................................................................................... 80
2. MAX232 và họ IC dùng biến đổi TTL⇔
⇔⇔
⇔RS-232-C ............................... 81
2.1. Cấu tạo chân ....................................................................................... 81
2.2. Mô tả chức năng chân ......................................................................... 81
2.3. Sơ đồ khối và mạch tiêu biểu ............................................................. 81
Chương 7. Các IC khác .......................................................... 83
1. OP07 ......................................................................................................... 83
2. MOC3020 ................................................................................................. 83
3. RAM 6264 ................................................................................................ 84
4. Chốt 74573 ............................................................................................... 84
5. BTA16 ...................................................................................................... 84
Chương 8. Thermocouple ....................................................... 85
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 6
1. Sơ lược về các dụng cụ đo nhiệt độ ........................................................ 85
1.1. Buổi ban đầu của thiết bò đo nhiệt độ ................................................. 85
1.2. Các loại cảm biến hiện tại .................................................................. 86
2. Thermocouple .......................................................................................... 87
2.1. Hiệu ứng Seebeck ............................................................................... 87
2.2. Cách đo hiệu điện thế ......................................................................... 88
2.3. Bù nhiệt môi trường ............................................................................ 90
2.4. Các loại thermocouple ........................................................................ 90
2.5. Một số nhiệt độ chuẩn ........................................................................ 91
Phần 3. Thiết kế .................................................... 92
Chương 1. Phần cứng .............................................................. 93
1. Cấu trúc tổng quát .................................................................................. 93
2. Khối xử lý trung tâm .............................................................................. 94
3. Phân vùng đòa chỉ .................................................................................... 96

4. Khối bộ nhớ và nguồn backup ............................................................... 97
5. Khối hiển thò ............................................................................................ 98
6. Khối biến đổi AD .................................................................................. 102
7. Khối cảm biến và gia công ................................................................... 105
8. Khối bàn phím ....................................................................................... 108
8.1. Chương trình con GET_KEY ............................................................ 109
8.2. Chương trình con IN_HEX ................................................................ 111
9. Truyền thông nối tiếp ........................................................................... 112
10. Khối mạch công suất ........................................................................... 114
11. Nguồn cung cấp ................................................................................... 115
12. Cách cân chỉnh mạch .......................................................................... 115
13. Xử lý 16-bit trên vi điều khiển 8-bit .................................................. 118
13.1 Chương trình con cộng 16-bit ........................................................... 119
13.2. Chương trình con đổi dấu một số .................................................... 119
13.3. Chương trình con nhân số 16-bit cho số 8-bit ................................. 119
13.4. Chương trình con chia số 16-bit cho số 8-bit ................................... 120
Chương 2. Hệ thống .............................................................. 122
1. Thiết kế hệ mờ ...................................................................................... 122
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 7
1.1. Các nguyên tắc trong thiết kế ........................................................... 122
1.2. Thiết kế hệ mờ cho điều khiển nhiệt độ ........................................... 125
1.3. Thiết kế hệ luật ................................................................................. 126
1.4. Tính luật và giải mờ .......................................................................... 127
2. Thiết kế hệ NeuroFuzzy ....................................................................... 127
2.1. Tập dữ liệu học ................................................................................. 127
2.2. Thay đổi hệ mờ ................................................................................. 127
Chương 3. Phần mềm ........................................................... 129
1. Pha hoạt động ........................................................................................ 129
1.1. Khuôn dạng luật của hệ .................................................................... 130

1.2. Giải thuật điều khiển ........................................................................ 130
1.3. Xử lý mờ ........................................................................................... 131
1.4. Tính độ phụ thuộc ............................................................................. 132
1.5. Giải mờ theo CoM ............................................................................ 136
2. Pha học ................................................................................................... 137
3. Chương trình trên kit AT89C52 ........................................................... 137
3.1. Nhập dữ liệu ...................................................................................... 139
3.2. Hoạt động .......................................................................................... 144
3.3 Phân bố tài nguyên ............................................................................ 145
3.4. RAM ngoại ........................................................................................ 147
4. Chương trình trên máy tính ................................................................. 149
4.1. Qui đònh kiểu dữ liệu ........................................................................ 150
4.2. Giới thiệu chương trình NF Control .................................................. 151
4.3. Giới thiệu chương trình fuzzyTech.................................................... 156
4.4. Giao tiếp giữa NF Control và FuzzyTech ......................................... 160
Phần 4. Kết quả điều khiển ............................... 171
Chương 1. Điều khiển thực tế ............................................. 172
1. Điều khiển 100°
°°
°C .................................................................................. 173
2. Điều khiển 125°
°°
°C .................................................................................. 174
3. Điều khiển 150°
°°
°C .................................................................................. 175
4. Điều khiển 175°
°°
°C .................................................................................. 176
5. Điều khiển 200°

°°
°C .................................................................................. 177
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 8
6. Điều khiển 225°
°°
°C .................................................................................. 178
7. Điều khiển 250°
°°
°C .................................................................................. 179
8. Điều khiển tổng hợp lần thứ nhất ....................................................... 180
9. Điều khiển tổng hợp lần thứ hai .......................................................... 181
Phần 5. Tài liệu tham khảo ................................ 182
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 9
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 10
1
1


G
G
I
I
Ơ
Ơ
Ù
Ù
I

I


T
T
H
H
I
I
E
E
Ä
Ä
U
U


Đ
Đ
E
E
À
À


T
T
A
A
Ø

Ø
I
I


Từ xưa đến nay, nhiệt độ luôn hiện hữu quanh ta và đã trở thành một trong
những yếu tố của sự sống.
Tuy nhiên con người ở mỗi thời điểm khác nhau đều có cách nhận thức và xử
lý nhiệt độ khác nhau.
Thời xa xưa, con người không hề có khái niệm về nhiệt độ mặc dù họ biết
nóng, lạnh.
Sau đó, con người có khái niệm về sự tồn tại của nhiệt độ, tìm cách đo nó và
so sánh giữa các loại nhiệt độ khác nhau. Tuy nhiên, họ vẫn cam chòu và tìm
cách chung sống với nhiệt độ : nếu nóng quá thì tìm chỗ tránh nóng ở dưới gốc
cây, bên bờ suối chẳng hạn.
Đến một lúc nào đó, con người nảy sinh ra ý đònh điều khiển nhiệt độ, bắt nó
phải phục vụ cho mục đích của mình. Ví như trong sinh hoạt hằng ngày, người
ta nhận ra rằng nhiệt độ lý tưởng cho mội trường sống là 25°C. Thế thì bằng
mọi cách phải tạo ra được nhiệt độ 25°C và máy điều hòa nhiệt độ ra đời.
Hay trong nghành công nghiệp, điều khiển nhiệt độ là một vấn đề rất quan
trọng. Trong ngành luyện kim, cần phải đạt đến một nhiệt độ nào đó để kim
loại nóng chảy, và cũng cần đạt một nhiệt độ nào đó để ủ kim loại nhằm đạt
được tốt các đặc tính cơ học như độ bền, độ dẻo, độ chống gỉ sét, … . Trong
ngành thực phẩm, cần duy trì một nhiệt độ nào đó để nướng bánh, để nấu, để
bảo quản, … .
Từ đó, điều khiển nhiệt độ trở thành một lónh vực của điều khiển tự động. Và
theo đà phát triển của các học thuyết về điều khiển tự động, kết quả của quá
trình điều khiển nhiệt độ ngày càng một tốt hơn.
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 11

Trước đây, con người điều khiển nhiệt độ bằng phương pháp PID rất tốt.
Năm 1965, lý thuyết mờ ra đời đem lại nhiều thuận lợi hơn trong điều khiển tự
động, và điều khiển nhiệt độ cũng hưởng được lợi điểm đó. Tuy nhiên việc
thiết kế mờ là đơn giản nhưng việc tối ưu lại là khó.
Mạng neuron cũng là một ngành thuộc lónh vực trí khôn nhân tạo, nhưng người
ta ít dùng nó trong điều khiển do khó giải thích hành vi mà nó tạo ra mặc dù
nó có khả năng học.
Sự kết hợp của logic mờ và mạng neuron tạo ra một nghành mới gọi là
NeuroFuzzy mang ưu điểm của cả hai : dễ thiết kế (thông qua logic mờ) và dễ
tối ưu (thông qua quá trình học các hành vi mong muốn bằng mạng neron).
Do đó điều khiển nhiệt độ bằng NeuroFuzzy hứa hẹn nhiều hấp dẫn.
1. NHIỆM VỤ CỦA ĐỀ TÀI
Điều khiển nhiệt độ một lò nướng dân dụng bằng phương pháp NeuroFuzzy.
2. THỰC HIỆN
Thiết kế một kit dựa trên vi điều khiển AT89C52 cho phép :
• Điều khiển lò nướng có công suất 1000W bằng phương pháp điều rộng
xung (PWM).
• Dùng cảm biến là loại Thermocouple.
• Cho phép tự hoạt động hoặc hoạt động thông qua máy tính.
Thiết kế chương trình xử lý mờ cho kit và cho máy tính :
• Hai biến vào là sai lệch nhiệt độ ET và biến thiên sai lệch nhiệt độ
DET, mỗi biến có 7 tập mờ.
• Biến ra là duty cycle (gọi là OUT trong thiết kế) gồm 9 tập mờ dạng
singleton trong miềm từ 0% đến 100%.
Tối ưu bằng quá trình học của mạng neuron.

ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 12
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 13

1
1


L
L
O
O
G
G
I
I
C
C


M
M
Ơ
Ơ
Ø
Ø


1. SƠ LƯC VỀ LOGIC MỜ
1.1. Quá trình phát triển của logic mờ
Logic mờ được công bố lần đầu tiên tại Mỹ vào năm 1965. Cha đẻ của nó là
Lotfi Zadeh, giáo sư về lý thuyết hệ thống tại trường đại học Berkeley, bang
California. Kể từ đó, logic mờ đã có nhiều phát triển qua các chặng đường sau
: phát minh ở Mỹ, áp dụng ở Châu Âu và đưa vào các sản phẩm thương mại ở

Nhật.
1.1.1. Ứng dụng công nghiệp đầu tiên ở Châu u
Ứng dụng đầu tiên của logic mờ vào công nghiệp được thực hiện ở Châu u,
khoảng sau năm 1970. Tại trường Queen Mary ở Luân Đôn – Anh, Ebrahim
Mamdani dùng logic mờ để điều khiển một máy hơi nước mà trước đây ông ấy
không thể điều khiển được bằng các kỹ thuật cổ điển. Và tại Đức, Hans
Zimmermann dùng logic mờ cho các hệ ra quyết đònh. Liên tiếp sau đó, logic
mờ được áp dụng vào các lónh vực khác như điều khiển lò xi măng, … nhưng
vẫn không được chấp nhận rộng rãi trong công nghiệp. Có một số ít ứng dụng
dùng nó nhưng dấu đi cụm từ logic mờ mà thay bằng các từ ngữ như “logic đa
giá trò” hay “logic liên tục”.
Kể từ năm 1980, logic mờ đạt được nhiều thành công trong các ứng dụng ra
quyết đònh và phân tích dữ liệu ở Châu u. Nhiều kỹ thuật logic mờ cao cấp
được nghiên cứu và phát triển trong lónh vực này.
1.1.2. Nhật Bản vươn lên dẫn đầu
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 14
Cảm hứng từ những ứng dụng của Châu u, các công ty của Nhật bắt đầu
dùng logic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần cứng
chuẩn tính toán theo giải thuật logic mờ rất kém nên hầu hết các ứng dụng đều
dùng các phần cứng chuyên về logic mờ. Một trong những ứng dụng dùng logic
mờ đầu tiên tại đây là nhà máy xử lý nước của Fuji Electric vào năm 1983, hệ
thống xe điện ngầm của Hitachi vào năm 1987.
Những thành công đầu tiên đã tạo ra nhiều quan tâm ở Nhật. Có nhiều lý do
để giải thích tại sao logic mờ được ưa chuộng. Thứ nhất, các kỹ sư Nhật thường
bắt đầu từ những giải pháp đơn giản, sau đó mới đi sâu vào vấn đề. Phù hợp
với việc logic mờ cho phép tạo nhanh các bản mẫu rồi tiến đến việc tối ưu.
Thứ hai, các hệ dùng logic mờ đơn giản và dễ hiểu. Sự “thông minh” của hệ
không nằm trong các hệ phương trình vi phân hay mã nguồn. Cũng như việc
các kỹ sư Nhật thường làm việc theo tổ, đòi hỏi phải có một giải pháp để mọi

người trong tổ đều hiểu được hành vi của hệ thống, cùng chia sẽ ý tưởng để tạo
ra hệ. Logic mờ cung cấp cho họ một phương tiện rất minh bạch để thiết kế hệ
thống. Và cũng do nền văn hóa, người Nhật không quan tâm đến logic Boolean
hay logic mờ; cũng như trong tiếng Nhật , từ “mờ’ không mang nghóa tiêu cực.
Do đó, logic mờ được dùng nhiều trong các ứng dụng thuộc lónh vực điều khiển
thông minh hay xử lý dữ liệu. Máy quay phim và máy chụp hình dùng logic mờ
để chứa đựng sự chuyên môn của người nghệ só nhiếp ảnh. Misubishi thông
báo về chiếc xe đầu tiên trên thế giới dùng logic mờ trong điều khiển, củng
như nhiều hãng chế tạo xe khác của Nhật dùng logic mờ trong một số thành
phần. Trong lónh vực tự động hóa, Omron Corp. có khoảng 350 bằng phát minh
về logic mờ. Ngoài ra, logic mờ cũng được dùng để tối ưu nhiều quá trình hóa
học và sinh học.
1.1.3. Châu Âu đuổi theo Nhật
Năm năm trôi qua, các tổ hợp Châu u nhận ra rằng mình đã mất một kỹ thuật
chủ chốt vào tay người Nhật và từ đó họ đã nỗ lực hơn trong việc dùng logic
mờ vào các ứng dụng của mình. Đến nay, có khoảng 200 sản phẩm bán trên thò
trường và vô số ứng dụng trong điều khiển quá trình – tự động hóa dùng logic
mờ.
Từ những thành công đạt được, logic mờ đã trở thành một kỹ thuật thiết kế
“chuẩn” và được chấp nhận rộng rãi trong cộng đồng.
1.1.4. Logic mờ ở Mỹ
Trong những năm gần đây, logic mờ thu được nhiều quan tâm ở Mỹ, nhất là
trong những công ty cạnh tranh với Châu u và Châu Á. Tuy nhiên có nhiều
tranh cãi về khả năng chiến thắng của Mỹ trong lónh vực này bởi nhiều lý do.
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 15
Thứ nhất, những ứng dụng được thực hiện tại Nhật là những sản phẩm mà các
nhà sản xuất của Mỹ không cạnh tranh với Nhật. Cơ bản là không có một nhà
sản xuất điện tử giải trí nào của Mỹ có mặt trên thò trường thế giới; việc dùng
logic mờ trong camcorder, camera, hifi chỉ là nhằm tăng thêm khả năng cạnh

tranh giữa các công ty Nhật mà thôi. Châu u, các ứng dụng logic mờ chủ
yếu tập trung vào tự động hóa công nghiệp do giá lao động cao. Trong các lónh
vực khác, như là ngành chế tạo ôtô, Mỹ phải đối mặt với các đối thủ đến từ
Châu u và Nhật. Và các nhà sản xuất Mỹ trong lónh vực này buộc phải dùng
kỹ thuật thiết kế logic mờ.
Điều này tạo ra nhiều phân khúc thò trường cho Mỹ, như là dùng logic mờ
trong các hệ ra quyết đònh, bộ nhớ, bộ điều khiển đóa cứng, cũng như các giải
thuật nén dùng cho âm thanh và hình ảnh. Và các ứng dụng trong truyền thông
như loại bỏ tiếng ồn, tìm đường trong mạng, hay nhận dạng tiếng nói cũng thu
được nhiều kết quả từ logic mờ.
1.2. Cơ sở toán học của logic mờ
Logic mờ và xác xuất thông kê đều nó về sự không chắn chắn. Tuy nhiên
mỗi lónh vực đònh nghóa một khái niệm khác nhau về đối tượng.
1.2.1. Sự không chắc chắn theo thống kê : liên quan đến sự xuất hiện của
một sự kiện chắc chắn. Xét phát biểu sau :
Xác suất trúng đích là 0,8
Bản thân của sự kiện này (trúng đích) đã được đònh nghóa rõ ràng. Sự không
chắc chắn ở đây là có trúng đích hay không, và được đònh lượng bởi mức độ
xác suất (trong trường hợp này là 0,8). Loại phát biểu này có thể được xử lý và
kết hợp với các phát biểu khác bằng phương pháp thống kê, như là xác suất có
điều kiện chẳng hạn.
1.2.2. Sự không chắc chắn trong ngữ nghóa : liên quan đến ngôn ngữ của con
người, tức là liên quan đến sự không chính xác trong các từ ngữ mà con người
dùng để ước lượng vấn đề và rút ra kết luận. Ví dụ như các từ mô tả nhiệt độ
như : “nóng”, “lạnh”, hay “ấm” – không có một giá trò chính xác để gán cho
các từ này – bao nhiêu độ là lạnh : 2°C hay -2°C ? … và các khái niệm này
cũng khác nhau đối với những người khác nhau : người này lạnh nhưng người
khác thì không.
Mặc dù các khái niệm không được đònh nghóa chính xác nhưng con người vẫn
có thể sử dụng chúng cho các ước lượng và quyết đònh phức tạp. Bằng sự trừu

tượng và óc suy nghó, con người có thể giải quyết câu nói mang ngữ cảnh phức
tạp mà rất khó có thể mô hình bởi toán học chính xác. Xét phát biểu :
Có thể chúng ta sẽ thành công trong năm học này
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 16
Mới nhìn qua thì phát biểu này rất giống phát biểu trên. Tuy nhiên, có một số
khác biệt quan trọng. Thứ nhất, bản thân sự kiện không được đònh nghóa rõ
ràng. Đối với một số sinh viên thì năm học thành công là không phải học lại
môn nào. Đối với một số sinh viên khác thì năm học thành công là số điểm
bình quân năm nay tăng hơn năm trước. Nhưng ngay cả trong trường hợp này
cũng không có một ngưỡng qui đònh sự thành công (tăng hơn bao nhiêu điểm
?).
Một khác biệt nữa là ở xác xuất : trong khi phát biểu trên mô tả xác suất theo
toán học thì phát biểu này không có một giá trò đònh lượng về xác suất.
1.2.3. Mô hình sự không chắc chắn theo ngữ vựng : Như đã nói trên, mặc
dù dùng những phát biểu không mang tính đònh lượng nhưng con người vẫn có
thể thành công trong các ước lượng phức tạp. Trong nhiều trường hợp, con
người dùng sự không chắc chắn này để tăng thêm độ linh hoạt. Như trong hầu
hết xã hội, hệ thống luật pháp bao gồm một số luật, mỗi luật mô tả một tình
huống. Ví dụ một luật qui đònh tội trộm xe phải bò tù 2 năm, một luật khác lại
giảm nhẹ trách nhiệm. Và trong một phiên tòa, chánh án phải quyết đònh số
ngày phạt tù của tên trộm dựa trên mức độ rượu trong người, trước đây có tiền
án hay tiền sự không, … từ đó kết hợp lại đưa ra một quyết đònh công bằng.
1.3. Logic mờ là logic của con người
Trong thực tế, ta không đònh nghóa một luật cho một trường hợp mà đònh nghóa
một số luật cho các trường hợp nhất đònh. Khi đó những luật này là những
điểm rời rạc của một tập các trường hợp liên tục và con người xấp xỉ chúng.
Gặp một tình huống cụ thể, con người sẽ kết hợp những luật mô tả các tình
huống tương tự. Sự xấp xỉ này dựa trên sự linh hoạt của các từ ngữ cấu tạo nên
luật, cũng như sự trừu tượng và sự suy nghó dựa trên sự linh hoạt trong logic

của con người.
Để thực thi logic của con người trong kỹ thuật cần phải có một mô hình toán
học của nó. Từ đó logic mờ ra đời như một mô hình toán học cho phép mô tả
các quá trình quyết đònh và ước lượng của con người theo dạng giải thuật. Dó
nhiên cũng có giới hạn, đó là logic mờ không thể bắt chước trí tưởng tượng và
khả năng sáng tạo của con người. Tuy nhiên, logic mờ cho phép ta rút ra kết
luận khi gặp những tình huống không có mô tả trong luật nhưng có sự tương
đương. Vì vậy, nếu ta mô tả những mong muốn của mình đối với hệ thống
trong những trường hợp cụ thể vào luật thì logic mờ sẽ tạo ra giải pháp dựa
trên tất cả những mong muốn đó.
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 17
1.4. So sánh logic mờ với lý thuyết xác suất thống kê
Không thể làm phép so sánh giữa hai lónh vực này bởi vì sự không chắc chắn
theo thống kê và sự không chắc chắn theo ngữ vựng có bản chất khác nhau.
Mỗi lónh vực có một đối tượng phục vụ của riêng nó, được con người tạo ra
nhằm phục vụ cho mục đích của con người.
2. CÁC KHÁI NIỆM DÙNG TRONG LOGIC MỜ
2.1. Tập hợp mờ và độ phụ thuộc
Nếu như con người không có một giá trò ngưỡng xác đònh cho “lạnh” hay
“nóng” thì làm sao có thể ước lượng nó ?
Thực ra thì người ta sẽ làm một phép so sánh giữa giá trò nhiệt độ hiện tại với
hai giá trò nhiệt độ được cho là “rất nóng” và “rất lạnh”. Từ kết quả so sánh
đó, con người ước lượng được mức độ của “nóng” hay “lạnh”.
Làm sao mô hình hóa điều này theo toán học ?
Dựa trên lý thuyết tập hợp, đầu tiên ta mô tả một tập các nhiệt độ được cho là
“rất nóng”, sau đó đònh nghóa một hàm phụ thuốc cho phép ta xác đònh một
nhiệt độ nào đó có thuộc tập hợp này hay không. Khác với toán học cổ điển –
nơi mà hàm phụ thuộc chỉ xác đònh duy nhất một phần tử có thuộc hay không,
hàm phụ thuộc trong logic mờ cho phép xác đònh một phần tử phụ thuộc tập

hợp nhiều hay ít, tức là biên giới giữa “rất nóng” và “rất lạnh” không phải là
một đường phân biệt rõ ràng mà là một vùng các giá trò liên tục. Trong hình
trên, mức độ xám cho phép ta thấy được vùng biên giới này và cũng cho thấy
độ phụ thuộc của một giá trò nhiệt độ nào đó.
Độ phụ thuộc của một phần tử trong tập hợp mờ có giá trò trong khoảng [0,1].
Theo hình trên, nếu như ta cho rằng 0°C là “rất lạnh” và 100°C là “rất nóng”
thì độ phụ thuộc của giá trò nhiệt độ so với tập “rất nóng” là :
µ(0°C) = 0,00 µ(15°C) = 0,15 µ(37°C) = 0,37
µ(60°C) = 0,60 µ(72°C) = 0,72 µ(87°C) = 0,87
µ(100°C) = 1,00
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 18
2.2. Hàm phụ thuộc
Mức độ của một giá trò vật lý thỏa mãn một khái niệm ngôn ngữ được gọi là
độ phụ thuộc. Đối với biến liên tục, mức độ này được biểu diễn bởi một hàm
gọi là hàm phụ thuộc. Hàm này ánh xạ tập các giá trò vật lý thành tập các giá
trò phụ thuộc đối với các giá trò ngôn ngữ. Biến vật lý được gọi là biến nền và
tập các giá trò vật lý được gọi là tập nền. Thông thường người ta vẽ nhiều hàm
phụ thuộc trên cùng một biểu đồ dựa trên tập nền đã qui đònh.
Ví dụ hàm phụ thuộc cho các nhiệt độ nói trên :
Tập hợp mờ là sự tổng quát hóa của tập hợp cổ điển, trong đó µ = 0 và µ = 1
của hàm phụ thuộc cổ điển chỉ là một trường hợp đặc biệt của hàm phụ thuộc
trong tập hợp mờ. Việc dùng các tập hợp mờ được đònh nghóa bởi các hàm phụ
thuộc trong biểu thức logic được gọi là logic mờ. Ví dụ như biểu thức “nhiệt độ
rất nóng” đối với giá trò 85°C sẽ cho kết quả là true với mức độ phụ thuộc
bằng 0,85.
2.3. Biến ngôn ngữ
Là phần chủ đạo trong các hệ thống dùng logic mờ. đây, các thành phần
ngôn ngữ mô tả cùng một ngữ cảnh được kết hợp lại. Ví dụ như trong trường
hợp mô tả nhiệt độ nói trên, không chỉ có “rất nóng” mà còn “hơi nóng”,

“trung bình”, “hơi lạnh” và “rất lạnh” đều mô tả nhiệt độ. Chúng được gọi là
các tập ngôn ngữ, mang một khoảng giá trò nào đó của biến ngôn ngữ và được
vẽ trên cùng một đồ thò :
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 19
2.4. Luật mờ
Các luật trong hệ logic mờ mô tả tri thức của hệ. Chúng dùng các biến ngôn
ngữ như là từ vụng để mô tả các tầng điều khiển trong hệ. Việc giải thích các
luật mờ cũng là việc trình bày cách tính các khái niệm ngôn ngữ.
3. TÍNH TOÁN MỜ
Baogồm ba bước chính như sau :
3.1. Mờ hóa
Mờ hóa có nghóa là dùng những hàm phụ thuộc của các biến ngôn ngữ để tính
mức độ phụ thuộc cho từng tập mờ đối với một giá trò cụ thể của đầu vào.
Ví dụ nhiệt độ hiện tại đo được là 80°C thì kết quả của phép mờ hóa là :
Rất lạnh có độ phụ thuộc bằng 0,00.
Hơi lạnh có độ phụ thuộc bằng 0,00.
Trung bình có độ phụ thuộc bằng 0,00.
Hơi nóng có độ phụ thuộc bằng 0,20.
Rất nóng có độ phụ thuộc bằng 0,80.
Về mặt ngôn ngữ, nhiệt độ là 80°C được xem như là hầu như rất nóng, chỉ một
ít hơi nóng.
Mờ hóa là bước đầu tiên trong quá trình tính toán của hệ mờ. Kết quả của nó
được dùng làm đầu vào để tính các luật mờ.
3.2. Tính luật mờ
Hầu hết các hệ thống hoạt động dựa trên nền tảng logic mờ đều dùng luật để
biểu diễn mối quan hệ giữa các biến ngôn ngữ và để rút ra hành động tương
ứng đối với đầu vào. Một luật bao gồm hai phần : phần điều kiện (phần If) và
phần kết luận (phần Then). Phần điều kiện có thể gồm nhiều điều kiện, kết
hợp với nhau bằng các liên từ như And, Or.

Cho rằng chúng ta dùng quạt máy để điều hòa nhiệt độ. Quạt này có 5 nút bấm
đánh số từ 1 đến 5 tương ứng tốc độ quạt tăng dần. Thế thì ta có những luật :
If nhiệt độ = rất lạnh Then nút bấm = 1
If nhiệt độ = hơi lạnh Then nút bấm = 2
If nhiệt độ = trung bình Then nút bấm = 3
If nhiệt độ = hơi nóng Then nút bấm = 4
If nhiệt độ = rất nóng Then nút bấm = 5
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 20
Phần If trong ví dụ này chỉ có một điều kiện, bây giờ giả sử như ta đo được sự
thay đổi nhiệt độ và chia làm ba tập mờ như : đang giảm, không thay đổi, đang
tăng thì có thể có các luật như :
If nhiệt độ = rất lạnh And thay đổi = đang giảm Then nút bấm = 1
If nhiệt độ = rất lạnh And thay đổi = không thay đổi Then nút bấm = 1
If nhiệt độ = rất lạnh And thay đổi = đang tăng Then nút bấm = 2
If nhiệt độ = hơi lạnh And thay đổi = đang giảm Then nút bấm = 1
If nhiệt độ = hơi lạnh And thay đổi = không thay đổi Then nút bấm = 2
…
3.3. Suy luận mờ
Việc tính toán các luật mờ được gọi là suy luận mờ, bao gồm hai bước chính.
3.3.1. Tính từng luật : xét riêng rẽ từng luật mờ, dựa trên độ phụ thuộc của
các tập mờ đầu vào và liên từ kết hợp chúng để tạo ra độ phụ thuộc chung cho
các đầu vào, và cũng là kết quả của riêng luật đó.
Xét luật sau :
If nhiệt độ = rất lạnh And thay đổi = đang giảm Then nút bấm = 1
Cho rằng rất lạnh có độ phụ thuộc là 0,6 và đang giảm có độ phụ thuộc là 0,4.
Liên từ đang sử dụng là AND và dùng phép lấy min cho nó thì độ phụ thuộc
chung của đầu vào cho luật này là min(0,6;0,4) = 0,4. Vậy tập mờ ra nút bấm
có độ phụ thuộc là 0,4.
Thông thường người ta tính AND bằng phép lấy min và OR bằng phép lấy

max, điều này nhằm làm giản đơn các phép tính trong các ứng dụng điều khiển
nhỏ. Tổng quát hóa thì ta có các toán tử sau đây để biểu diễn mối quan hệ giữa
các điều kiện trong phần IF :
Min – Max :
1,0),(max)(min)1(
..1
..1
=+−=
=
=
λµλµλµ
i
ni
i
ni

Min – Avg :
1,0,)(min)1(
1
..1
=






+−=
∑
=

=
λ
µ
λµλµ
n
i
i
i
ni
n

Gamma :
( )
1.0,11
1
1
1
=








−−









=
∏∏
=
−
=
γµµµ
γγ
n
i
i
n
i
i

Tùy theo giá trò của γ hay λ mà ta có các trường hợp đặc biệt sau :
Min-Max, λ = 0 : MIN lấy nhỏ nhất (minimum), tương ứng với AND,
Min-Max, λ = 1 : MAX lấy lớn nhất (maximum), tương ứng với OR.
Min-Avg, λ = 1 : AVG lấy trung bình (average).
Gamma, γ = 0 : PROD lấy tích (product).
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 21
3.3.2. Tổng hợp luật dựa trên kết quả của từng luật đã tính ở trên, người ta
tổng hợp chúng lại để có kết quả cuối cùng của các tập mờ đầu ra. Phương
pháp thường dùng trong bước này là Max-Min hay Max-Prod.
Ví dụ có hai luật đã tính kết quả :

If nhiệt độ = rất lạnh And thay đổi = đang giảm Then nút bấm = 1
If nhiệt độ = rất lạnh And thay đổi = không thay đổi Then nút bấm = 1
Luật thứ nhất cho kết quả có độ phụ thuộc bằng 0,4 và luật thứ hai cho kết quả
có độ phụ thuộc bằng 0,6. Sử dụng phương pháp Max-Min (hay Max-Prod), ta
có độ phụ thuộc cho tập mờ 1 của nút bấm là max(0,4;0,6) = 0,6.
Một khi đã tính xong các luật, người ta tiến hành giải mờ để tạo ra kết quả phù
hợp với thế giới thực.
3.4. Giải mờ
Kết quả được tạo thành sau khi tính toán các luật vẫn còn ở dạng mờ và thiết
bò chấp hành của bộ điều khiển thì lại không hiểu những giá trò như thế.
Do đó, người ta cần chuyển đổi những giá trò mờ đó thành giá trò rõ cho thiết bò
chấp hành.
Có nhiều phương pháp được dùng trong bước này :
Nguyên lý cực đại : hay còn gọi là
phương pháp độ cao, chỉ dùng cho loại
tập mờ ra có đỉnh nhọn, được biểu diễn
qua biểu thức

µ(z*) ≥ µ(z), ∀z ∈ Z

Trong trường hợp có nhiều đỉnh nhọn hay giá trò cực đại không phải là một
điểm duy nhất thì người ta sử dụng :
Trung bình các cực đại (MoM):

2
21
*
zz
z
+

=

Cực đại đầu tiên (LoM):
z* = z1
Cực đại cuối cùng (RoM):
z* = z2

Phương pháp trọng tâm (CoG –
Center of Gravity hay CoA – Center
of Area) : thường dùng trong các ứng
dụng, được biểu diễn qua biểu thức
µ
z
z*
µ
z
z*
µ
z
z1 z2 z
z2 z1
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 22

∫
∫
=
dzz
zdzz
z

)(
).(
*
µ
µ

Phương pháp trung bình theo trọng số (CoM – Center of Maximum) :
là một biến dạng của phương pháp trọng tâm khi thay dấu tích phân bằng
dấu sigma, được dùng nhằm đơn giản hóa sự tính toán, phù hợp với các
điều khiển nhỏ.
Các tập mờ ra có dạng singleton :
∑
∑
=
)(
).(
*
z
zz
z
µ
µ


Các tập mờ ra không có dạng đỉnh,
nhưng đối xứng :
∑
∑
=
)(

).(
*
z
zz
z
µ
µ



Phương pháp trọng tâm diện tích lớn nhất : tính theo phương pháp trọng
tâm nhưng áp dụng trong trường hợp có ít nhất vùng trên tập nền ra, tính
trên vùng có diện tích lớn nhất.
Có rất nhiều phương pháp giải mờ (hiện còn đang tiếp tục nghiên cứu), tuy
nhiên trong thực tế thường chỉ dùng phương pháp trọng tâm, trung bình theo
trọng số hay trung bình các cực đại. Phương pháp trọng tâm hay phương pháp
trung bình theo trọng số cho kết quả mang tính chất thỏa hiệp các tập mờ ra,
thường dùng trong các ứng dụng điều khiển. Trong khi phương pháp trung bình
các cực đại cho kết quả mang tính dung hòa các tập mờ ra, thường dùng trong
các ứng dụng nhận dạng và phân loại.

µ
z
z1 z2 z3
µ2
µ3
µ1
µ
z
z1 z2

ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 23
2
2


M
M
A
A
Ï
Ï
N
N
G
G


N
N
E
E
U
U
R
R
O
O
N
N

1. SƠ LƯC VỀ MẠNG NEURON
1.1. Quá trình phát triển
Mạng neuron được xem như một mô hình toán học đơn giản của bộ não con
người, có chức năng xử lý song song. Trái với máy tính hoạt động dựa trên
chương trình do con người viết sẵn, mạng neuron hoạt động dựa trên những gì
con người dạy nó trước đó.
Mạng neuron có thể học các kết hợp mới, các chức năng mới hay nhận biết
các mẫu mới. Mặc dù máy tính có thể thực hiện những việc hiện tại với độ
chính xác và tốc độ cao, nhưng mạng neuron hứa hẹn một thế mới trong lónh
vực xử lý thông tin.
Quá trình nghiên cứu mạng neuron bắt đầu khoảng hơn 50 năm trước, đầu tiên
là McCulloch & Pitts (1943), rồi đến Hebb qua công trình nổi tiếng Tổ chức
của hành vi (1949).
Tuy nhiên, buổi ban đầu của trí tuệ nhân tạo không suôn sẻ một chút nào. Ở
đây có sự chia rẽ giữa những người tin rằng các hệ thông minh có thể thực hiện
tốt những gì đang được thực hiện trên máy tính và những người như Minsky và
Papert (1969) tin rằng sự thông minh được xử lý tốt trên máy von Neumann.
Vì nhiều lý do khác nhau, nhánh thứ hai chiếm ưu thế trong thập kỷ 70. Nhưng
đến thập kỷ 80 thì ưu thế thuộc về nhánh thứ nhất với sự tái sinh của mạng
neuron :
1982 Hopfield đưa ra nền tảng toán học để có thể hiểu các lớp quan trọng
của mạng.
ng dụng NeuroFuzzy trong điều khiển nhiệt độ GVHD : Lê Tuấn Anh
Ngày 08/01/2001 SVTH : Lê Phước Thành Trang 24
1984 Kohonen phát triển mạng học không giám sát để ánh xạ đặc điểm
thành mảng các neuron.
1986 Rumelhart & McClelland giới thiệu giải thuật học theo cách truyền
ngược dùng cho mạng đa tầng, phức tạp.

Kể từ năm 1986-86, nhiều chương trình nghiên cứu mạng neuron được ra đời.
Danh sách các ứng dụng được xử lý bằng mạng neuron cũng trở nên dài ra, từ
những ví dụ mang tính kiểm tra cho đến những vấn đề thực tiễn lớn.
1.2. Mạng neuron là gì ?
Đònh nghóa : hệ neuron nhân tạo, hoặc mạng neuron, là hệ vật lý có thể thu
nhận, lưu trữ và sử dụng tri thức của con người.
Sự phát triển của các công trình nghiên cứu về tính toán theo mô hình mạng
neuron đã được thúc đẩy bằng sự nhận đònh là trí óc con người tính toán theo
cách khác hẳn so với máy tính. Từ đó con người đưa ra mạng neuron nhằm
hiểu những lời giải của trí óc về các lónh vực như nhận dạng hình ảnh, tiếng
nói và áp dụng những lónh vực đó vào máy tính. Sau nhiều nghiên cứu, người
ta đưa ra nhận xét sau :
- Điều quan trọng chính là cách xử lý song song chứ không phải tốc độ tính
toán của bộ não.
- Mặc dù chưa hiểu cách mô tả các ý tưởng của bộ não nên chưa thể bắt
chước hoàn toàn, nhưng ta có thể thấy rằng bộ não sử dụng những phần tử
tính toán có tốc độ chậm nhưng được liên kết với nhau.
1.3. Cấu trúc của não
Hiện tại, người ta vẫn chưa thể hiểu “tâm trí là gì ?” và “sự suy nghó bắt nguồn
từ đâu ?”. Tuy vậy, ta vẫn có thể hiểu các hoạt động của bộ não ở cấp thấp :
Bộ não con người chứa khoảng 10
10
phần tử cơ bản gọi là neuron. Mỗi neuron
được kết nối với khoảng 10
4
neuron khác. Qua đó, bộ não là một cấu trúc có
năng suất cao mặc dù neuron là phần tử tính toán rất chậm so với các cổng
logic silicon : trong IC sự kiện xảy ra với tỷ lệ 10
-10
giây trong khi sự kiện xảy

ra trên neuron theo tỷ lệ 10
-3
giây.
Sự hoạt động của hệ thần kinh được chia thành 3 giai đoạn :
- Con người nhận được kích thích từ bên ngoài thông qua các giác quan. Sự
kích thích này được chuyển đổi thành xung điện và được chuyển đến não.
- Bộ não liên tục thu nhận thông tin, xử lý, đánh giá và so sánh chúng với
những thông tin đang lưu trữ để tạo ra các quyết đònh thích đáng.
- Những mệnh lệnh đưa ra sau khi bộ não xử lý được truyền đến các bộ
phận chấp hành như tay chân cho hành động hay lưỡi cho tiếng nói … dưới