Phân tích công thức ước tính khả năng chịu chọc thủng của các tấm bê tông cốt FRP

1

LỜI CẢM ƠN
Luận văn được hoàn thành với sự hướng dẫn tận tình, chu đáo của thầy
TS. Hoàng Nhật Đức. Tôi xin bày tỏ sự biết ơn chân thành đến Quý thầy và
khoa Sau đại học - Trường Đại học Duy Tân đã tạo điều kiện học tập, nghiên
cứu tốt nhất cho tôi.
Xin cảm ơn đến cơ quan, bạn bè đồng nghiệp, gia đình và những người
thân đã cùng chia sẻ, giúp đỡ, động viên, tạo mọi điều kiện thuận lợi để tôi
hoàn thành nhiệm vụ học tập.
Đà Nẵng, ngày 18 tháng 6 năm 2018
Học viên

Lê Công Hải


2

LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi và được sự
hướng dẫn khoa học của TS. Hoàng Nhật Đức. Các nội dung nghiên cứu, kết
quả trong đề tài này là trung thực và chưa công bố dưới bất kỳ hình thức nào
trước đây. Những số liệu trong các bảng biểu phục vụ cho việc phân tích,
nhận xét, đánh giá được chính tác giả thu thập từ các nguồn khác nhau có ghi
rõ trong phần tài liệu tham khảo. Ngoài ra, trong luận văn còn sử dụng một số
nhận xét, đánh giá cũng như số liệu của các tác giả khác, cơ quan tổ chức
khác đều có trích dẫn và chú thích nguồn gốc. Nếu phát hiện có bất kỳ sự gian
lận nào tôi xin hoàn toàn chịu trách nhiệm về nội dung luận văn của mình.
Đà Nẵng, ngày 18 tháng 6

năm 2018

Học viên

Lê Công Hải


3

MỤC LỤC


4

DANH MỤC HÌNH VẼ

DANH MỤC BẢNG
Bảng 2.1: Một số hàm truyền thông dụng
Bảng 1 : Mô tả thống kê các biến
Bảng 2. Kết quả tính toán MAPE
Bảng 3. Kết quả tính toán RMSE
Bảng 4: So sánh sai số kết quả

DANH MỤC BIỂU ĐỒ

Biểu đồ 3.1. Phân phối của các biến số
Biểu đồ 3.2. Phân phối của biến đầu ra
Biểu đồ 3.3. Tương quan giữa các biến số đầu vào
Biểu đồ 3.4. Kết quả tính toán MAPE
Biểu đồ 3.5. Kết quả tính toán RMSE
Biểu đồ 3.6 Biểu đồ thể hiện mức độ tương quan, kết quả tính toán sau 20 lần

chạy.
Biểu đồ 3.7. Kết quả tính toán sau 20 lần chạy (So sánh giữa thí nghiệm và
mô phỏng).


5

MỞ ĐẦU
1. MỤC TIÊU NGHIÊN CỨU VÀ TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Trong xây dựng, sợi gia cường polyme (FRP) ngày càng được sử dụng
nhiều do có độ bền và độ cứng, tính chất cơ nhiệt tốt, khả năng chống ăn mòn,
trọng lượng nhẹ, và độ bền vượt trội, tính ăn mòn của cốt thép là yếu tố quan
trọng ảnh hưởng đến sự suy giảm và rút ngắn tuổi thọ của kết cấu bê tông cốt
thép. Cốt FRP thay thế cho cốt thép truyền thống trong kết cấu chịu lực đã tạo
điều kiện để nâng cao năng suất của quá trình xây dựng, cải thiện hiệu suất
của kết cấu bê tông, giảm chi phí bảo dưỡng và có thể kéo dài thời gian hoạt
động của kết cấu.
Sàn phẵng làm việc hai phương là một trong những loại kết cấu phổ biến
giúp đơn giản hóa kết cấu, tiết kiệm không gian kiến trúc, giảm chiều cao xây
dựng và chịu lực lớn. Việc tính toán khả năng chịu chọc thủng tại các cột đỡ
là mối quan tâm lớn trong quá trình thiết kế kết cấu này, các kết nối cột đỡ
dạng tấm dễ bị ảnh hưởng bởi lực cắt lớn và điều này làm mất khả năng chịu
lực. Đặc biệt là khi cốt thép bị ăn mòn do độ ẩm và các yếu tố phá hủy khác
trong môi trường hoạt động, tình trạng mất khả năng chịu lực cắt có thể xảy ra
ở những kết nối dạng tấm này, theo đó, chúng có thể dẫn đến toàn bộ kết cấu
bị sụp đổ.
Vì lý do như vậy, thanh định hình FRP gần đây được xem là sản phẩm
thay thế hiệu quả cho các loại thép thanh truyền thống trong các tấm bê tông
phẳng và tấm bê tông có trụ đỡ, vấn đề này đã được nghiên cứu rộng rãi trong
nhiều tài liệu. Kết quả là, có nhiều nghiên cứu khác nhau đã được thực hiện

để điều tra khả năng ứng dụng và điều chỉnh các phương thức tiếp cận thực
nghiệm hiện có để dự tính khả năng chịu cắt của tấm bê tông cốt FRP.
Các phương pháp bằng công thức cũng như thực nghiệm theo tiêu chuẩn
của viện bê tông Hoa kỳ (ACI 31.811), tiêu chuẩn Anh Quốc (BS-97)và một
số tác giả như El-Ghandour và các cộng sự, Matthys và Taerwe...., tuy nhiên


6

qua tìm hiểu của tác giả nhận thấy các phương pháp trên khi thực hiện trên
cùng một bài toán thiết kế cho ra kết quả rất khác biệt nhau, các sai số lớn,
mặt khác công thức có nhiều thông số gây khó khăn khi thực hiện thiết nhiều
bài toán thiết kế khác nhau.
Cần có một giải pháp ứng dụng bằng phần mền mấy tính giúp việc tính
toán dễ dàng hơn và cho độ chính xác tin cậy, giải pháp trí tuệ nhân tạo, mạng
nơ ron nhân tạo có thể là một lựa chọn đúng đắn.
Trong nghiên cứu này, tác giả nghiên cứu ứng dụng mạng nơ ron thần
kinh nhân tạo trong mô phỏng khả năng chịu cắt của sàn bê tông cốt sợi pô-lime gia cường. Mô hình mạng nơ ron thần kinh nhân tạo được sử dụng nhằm
nâng cao khả năng dự báo khả năng chịu cắt của sàn bê tông, từ đó giúp ích
cho việc thiết kế các kết cấu sàn bê tông cốt sợi Polyme.
2. PHẠM VI NGHIÊN CỨU
Thu thập và nghiên cứu các phương pháp tính toán khả năng chiụ cắt của
tấm bê tông cốt sợi gia cường polyme bằng công thức cũng như thực nghiệm,
và nghiên cứu một phương pháp mới là phương pháp “ứng dụng mạng nơ ron
thần kinh nhân tạo” để lập mô hình dự báo khả năng chịu cắt các tấm bê tông
cốt sợi gia cường Polyme.
3. KHÁI QUÁT VỀ PHƯƠNG PHÁP NGHIÊN CỨU
- Nghiên cứu lý thuyết tính toán và mô phỏng số trên phần mềm máy
tính,
- Phân tích công thức ước tính khả năng chịu chọc thủng của các tấm bê

tông cốt FRP.
- Thiết lập bộ dữ liệu thu thập về các thử nghiệm chịu uốn, cắt.
- Xây dựng Mạng lưới nơ-ron nhân tạo (ANN)
- Xây dựng mô hình hồi quy đề xuất dựa trên cân bằng thích nghi sử
dụng để dự đoán khả năng chọc thủng của các khối bê tông cốt FRP.
- Viết lập trình ứng dụng bằng ngôn ngữ Matlab
-Áp dụng mạng ANN phân tích khả năng chụ cắt của tấm bê tông cốt
sợi FRP trên số liệu cụ thể và kiểm chứng kết quả.


7

4. BỐ CỤC CỦA LUẬN VĂN
Nội dung chính của luận văn được tổ chức thành 5 chương có nội dung
được mô tả như dưới đây.
Mở đầu: Chương này giới thiệu tổng quan về đề tài, mục tiêu, phạm vi
và phương pháp nghiên cứu của đề tài.
Chương 1: Chương này trình bày về các phương pháp tính toán khả năng
chiụ cắt của tấm bê tông cốt gia cường bằng vật liệu cốt sợi polyme bằng
công thức cũng như thực nghiệm theo tiêu chuẩn của viện bê tông Hoa kỳ
(ACI), tiêu chuẩn Anh Quốc (BS) và một số tác giả khác, đưa ra nhận định kết
luận chương.
Chương 2: Chương này trình bày những lý thuyết cơ bản về mạng nơron nhân tạo. Cung cấp một cách nhìn tổng quát nhất, và những vấn đề về quá
trình huấn luyện mạng và thuật toán học của mạng nơ ron thần kinh nhân tạo,
trình bày việc ứng dụng các thuật toán của mạng Nơ ron thần kinh nhân tạo
được lập trình bằng ngôn ngữ Matlab để xây dựng mô hình huấn luyện mô
phỏng khả năng chịu cắt của tấm bê tông cốt FRP.
Chương 3: Áp dụng mạng ANN phân tích dữ liệu về tấm bê tông cốt
FRP, so sánh kết quả với các phương pháp khác để kiểm chứng kết quả.
Kết luận: Tổng kết những kết quả đã đạt được của luận văn và hướng phát

triển nghiên cứu tiếp theo.


8

CHƯƠNG I: TỔNG QUAN VỀ KẾT CẤU BÊ TÔNG GIA CƯỜNG BỞI
CỐT SỢI POLYME
1.1

Tấm bê tông cốt sợi gia cường polyme.

Độ bền lâu dài của kết cấu bê tông cốt thép luôn là mối quan tâm lớn
trong ngành xây dựng. Một trong những yếu tố chính làm giảm độ bền và rút
ngắn tuổi thọ của các kết cấu bê tông cốt thép là tính ăn mòn của cốt thép. Do
đó, việc sử dụng vật liệu cốt sợi gia cường Polyme (FRP) để thay thế thép
trong các kết cấu bê tông cốt thép, đặc biệt hiệu quả khi sử dụng thiết kế các
tấm sàn chịu lực cắt chọc thủng lớn, tấm sàn các công trình ngầm, sàn mặt
cầu vượt biển, các kết cấu sàn chịu lực lớn làm việc trong môi trường ăn mòn
cao…
Vật liệu FRP ngày càng được sử dụng trong xây dựng vì có ưu điểm là
tỷ lệ độ cứng-trọng lượng và độ bền-trọng lượng cao, có đặc tính cơ nhiệt tốt,
chống ăn mòn, trọng lượng nhẹ và độ bền cao. Việc ứng dụng vật liệu mới
này đã tạo cơ hội tăng hiệu quả xây dựng, tăng cường hiệu suất kết cấu, giảm
chi phí bảo trì và kéo dài tuổi thọ của kết cấu. Nhược điểm của nó là khó gia
công uốn tạo hình do độ cứng lớn.
Vật liệu FRP có sẵn ở nhiều dạng, chẳng hạn như thanh, lưới, tấm và
sợi cuộn. Ngoài ra, các vật liệu này có thể được ứng dụng trong nhiều kết cấu,
bao gồm dầm, cột, tấm và mặt cầu. Các nghiên cứu tổng quát đã được tiến
hành để điều tra và nắm bắt hoạt động của các thành phần của tấm bê tông cốt
FRP.

9

Hình 1.1: Sản phẩm từ cốt thép FRP (nguồn: Internet)
Khi thiết kế các tấm sàn bê tông phẳng có cột đỡ, chịu lực lớn cần xem
xét tới khả năng chịu cắt của tấm bê tông này. Trong nhiều thập kỷ qua, khả
năng chịu cắt của các tấm bê tông gia cố bằng thép thông thường đã được
nghiên cứu kỹ lưỡng và một số mô hình thiết kế khác nhau đã được đề xuất
(Elshafey và các cộng sự, 2011).


10

1.2 Một số công trình sữ dụng vật liệu bê tông cốt FRP

Hình 1.2: Sử dụng Bê tông cốt FRP thi công Gara đổ xe ở Canada
(nguồn: Internet)


11

Hình 1.3: Sử dụng Bê tông cốt FRP thi công Cầu ở Canada (nguồn:
Internet)


12

Hình 1.4. Thi công mặt Cầu bằng Bê tông cốt FRP (nguồn: Internet)

13

1.3 Các phương pháp tính toán cường độ chịu cắt của các khối bê tông
cốt FRP dựa trên công thức.
1.3.1. Phân tích công thức ước tính khả năng chịu uốn, cắt của các tấm bê
tông cốt FRP.
Khả năng kháng cắt của bê tông có ảnh hưởng đến khả năng chịu cắt
của các tấm bê tông gia cường phẳng làm việc hai phương, các phương trình
thiết kế hiện có đã áp dụng cho các phần bê tông gia cường bằng FRP có
nguồn gốc từ các mẫu đã từng áp dụng trước đây cho các dạng bê tông cốt
thép tương ứng, với những điều chỉnh nhất định nhằm cân nhắc việc thay thế
thép bằng FRP. Phần nội dung dưới đây sẽ xem xét các phương pháp dựa trên
công thức để dự đoán khả năng chịu lực cắt của các tấm bê tông được gia
cường bằng FRP; Hệ thống các đơn vị sử dụng trong tất cả các công thức là
SI.
1.3.1 Viện bê tông Hoa Kỳ, theo Tiêu chuẩn (ACI 31.811):
Công thức thiết kế giải thích việc truyền lực cắt trong các tấm bê tông
cốt FRP ở hai phương:

Vc = 0.33 f c' b0,0.5d d

Trong đó: f’c biểu thị cường độ nén quy định của bê tông (MPa),

b0,0.5d
),

là chu

vi của vùng chịu cắt của tấm bê tông quanh gối tựa, cách mặt cột khoảng

cách d/2, và d là chiều cao vùng chịu cắt trung bình của tấm bê tông.
1.3.2. Tiêu chuẩn Anh (BS 8110-97):
Đề xuất một công thức tính khả năng chịu cắt cho tấm bê tông cốt FRP như
sau:


14

Vc = 0.79(100 ρ s )1 / 3 (

Trong đó:

f cu

400 1 / 4 f cu 1 / 3
) ( ) b0,1.5d d
d
25

2

biểu thị cường độ nén của khối bê tông đặc trưng (N/mm ),

tỷ lệ cốt thép,

b0,1.5d

ρs

là

là chu vi của vùng chịu cắt của tấm bê tông quanh gối

tựa, cách khu vực chịu tải một khoảng cách 1.5d/2 (mm) và d là chiều cao
vùng chịu cắt trung bình của tấm.
1.3.3. Phương pháp El-Ghandour và các cộng sự:
Dựa trên cơ sở các thí nghiệm, El-Ghandour và các cộng sự đã đề xuất điều
chỉnh phương trình của ACI bằng cách nhân phương trình này với (E ^ / Es)
1/3 để giải thích việc sử dụng các thanh FRP như dưới đây:
Vc = 0.33 f c' (

Ef
Es

)1/ 3 b0, 0.5 d d

Trong đó: Ef và Es tương ứng là mô đun tấm bê tông gia cường bằng tấm
FRP Young và mô đun cố thép Young.
El-Ghandour và các cộng sự đã điều chỉnh phương trình thiết kế của
BS 8110-97 và đề xuất một công thức thay thế để có được cường độ chịu cắt
của tấm bê tông gia cường bằng FRP như sau:
Vc = 0.79(100 ρ s 1.8(

Ef
Es

))1 / 3 (

400 1 / 4 f cu 1 / 3
) ( ) b0,1.5 d d

d
25

1.3.4. Phương pháp Matthys và Taerwe:
Matthys và Taerwe đưa ra phương trình cải tiến của BS 8110-97 như sau:


15

Ef '
100 ρ s
fc
Es
Vc = 1.36(
)1 / 3 b0,1.5d d
d 1/ 4

Ospina và các cộng sự giới thiệu một dạng phương trình cải tiến do Matthys
và Taerwe đề xuất; Đối với dạng phương trình này, căn bậc ba của hệ số môđun được thay thế bằng căn bậc hai. Công thức thiết kế này được trình bày

Vc = 2.77( ρ s f c' )1/ 3

Ef
Es

b0,1.5 d d

như dưới đây:
1.3.5. Phương pháp của Tiểu Ban ACI440H:
Một phương trình thiết kế do tiểu ban ACI440H đề xuất bởi để thực hiện các

tính toán đối với các tấm bê tông cốt thép hai phương. Phương trình này đã
xem xét ảnh hưởng của độ cứng cường lực để giải thích cho việc truyền lực
Vc = 0.8 f c' b0,0.5 d c

cắt trong các tấm bê tông hai phương như sau:

Trong đó:

b0,0.5d

là chu vi của vùng chịu cắt của tấm bê tông quanh gối tựa,

cách khu vực chịu tải một khoảng cách d/2. Và c là độ sâu trục trung hòa của
phần chuyển đổi do nứt (mm) và được tính như sau:

c = k.d

Trong đó: k được xác định trong phương trình dưới đây:
k = 2ρ f n f + (ρ f n f )2 − ρ f n f

Đối với phương trình, cần lưu ý rằng

ρf=

Ec = 4700 f c'

là mô đun đàn hồi của bê tông.

Ef/Ec biểu thị tỷ lệ mô-đun và

16

1.4 Khảo sát kết quả các phương pháp tính toán cường độ chịu cắt của
các khối bê tông cốt FRP dựa trên công thức.
Sữ dụng các công thức mục 1.3 tính toán bài toán kiểm tra chọc thủng với các
tấm bê tông cốt FRP trên cột đỡ hình tròn, chữ nhật và vuông, so sánh với kết
quả thực nghiệm để đánh giá kết quả.

Hình 1.5 Mô tả bài toán tính lực cắt của tấm sàn phằng hai phương có
cột đỡ bằng bê tông cốt FRP
Bộ dữ liệu về khối bê tông phẳng gia cường bằng tấm FRP- sử dụng trong
nghiên cứu này bao gồm 82 thử nghiệm được thu thập từ các ngiên cứu đã
được công bố trước đây [8][9] [10].
Dữ liệu đầu vào của bài toán: (xem phụ lục 1)


17

Kết quả tính toán lực cắt theo công thức: (xem phụ lục 2)
Để đánh giá kết quả dựa vào các thong số sai số căn quân phương (RMSE),
sai số tuyệt đối trung bình (MAPE), và hệ số xác định (R2) đã được tính toán.

Bảng kết quả khảo sát sai số tính toán
Phương
pháp
tính

ACI

BS

318-11

8100-97

El-

El-

Mytthys

Ospina

Ghandour

Ghandour

và

và các

và các

và các

Taerwe

cộng sự

cộng sự

cộng sự

(1999)

(2000)

(2000)

ACI
440H

(2003)

RMSE

196.61

158.38

188.94

151.27

201.58

117.51

342.52

MAPE

28.88

28.02

28.86

17.07

24.13

15.48

56.02

R2

0.80

0.81

0.85

0.90

0.90

0.91

0.88

Công thức do Ospina và các cộng sự đề xuất là phương pháp dựa trên
công thức hiệu quả nhất, RMSE, MAPE, và R 2 trong phương pháp này tương
ứng là 117.51, 15.48 và 0,91, các công tức khác đều cho kết quả sai số tương
đối lớn và sự chênh kết quả giữa các công thức cũng lớn (10%-300%).
1.5 Kết luận chương: Nghiên cứu các ứng dụng của vật liệu cốt sợi Polyme,
kết cấu bê tông cốt sợi gia cường FRP, các phương pháp tính toán chịu cắt
theo công thức theo các tiêu chuẩn quốc tế và một số tác giả nhà khoa học
nổi tiếng đề xuất. Khảo sát sai số kết quả tính toán trên dữ liệu thực
nghiệm nhận thấy các phương pháp tính toán theo công thức cho ra kết quả
khác nhau, chênh lệch kết quả ở mức lớn và các sai số kết quả so với thực
nghiệm cũng rất lớn, gây khó khăn cho nhà thiết kế trong lựa chọn cách
tính cũng như nghiên cứu ứng xữ kết cấu, từ đó đặt ra yêu cầu nghiên cứu


18

cách thức tiếp cận mới bằng trí tuệ nhân tạo, mạng nơ ron thần kinh nhân
tạo, cho kết quả nhanh chống, chính xác và tiện lợi là rất cần thiết.

CHƯƠNG II: MẠNG NƠ RON THẦN KINH NHÂN TẠO
2.1. Giới thiệu Mạng nơron thân kinh nhân tạo
2.1.1. Mạng nơron nhân tạo là gì?
Định nghĩa: Mạng nơron nhân tạo (Artificial Neural Network) gọi tắt là
mạng nơron là một mô hình xử lý thông tin phỏng theo cách thức xử lý thông
tin của các hệ nơron sinh học (Tran T-H, Hoang N-D, 2016).
Nó được tạo lên từ một số lượng lớn các phần tử (gọi là phần tử xử lý
hay nơron) kết nối với nhau thông qua các liên kết (gọi là trọng số liên kết)

làm việc như một thể thống nhất để giải quyết một vấn đề cụ thể nào đó.
Một mạng nơron nhân tạo được cấu hình cho một ứng dụng cụ thể (nhận
dạng mẫu, phân loại dữ liệu, ...) thông qua một quá trình học từ tập các mẫu
huấn luyện.Về bản chất học chính là quá trình hiệu chỉnh trọng số liên kết
giữa các nơron.


19

Hình 2.1: Một mạng nơ-ron là một nhóm các nút nối với nhau,
tương tự mạng các nơ-ron trong não người (nguồn: Internet).
2.1.2. Lịch sử phát triển mạng nơron
Những nghiên cứu về bộ não của con người đã được tiến hành từ rất lâu
và những tiến bộ của máy tính đầu những năm 1950 giúp cho việc mô hình
hóa các nguyên lý của những lý thuyết liên quan tới cách thức con người suy
nghĩ đã trở thành hiện thực. Nathanial Rochester sau nhiều năm làm việc tại
các phòng thí nghiệm nghiên cứu của IBM đã có những nỗ lực đầu tiên để mô
phỏng một mạng nơron. Trong thời kì này tính toán truyền thống đã đạt được
những thành công rực rỡ trong khi đó những nghiên cứu về nơron còn ở giai
đoạn sơ khai. Mặc dù vậy những người ủng hộ triết lý “thinking machines”
(các máy biết suy nghĩ) vẫn tiếp tục bảo vệ cho lập trường của mình.

Hình 2.2: Nơron than kinh não người(nguồn: Internet).


20

Hình 2.3: Mô phỏng mạng nơron thần kinh não người(nguồn: Internet).

MẠNG NƠ RON NHÂN TẠO

Phản hồi

Truyền thẳng

Nhiều
lớp

Back
propa
ratica

Một
lớp

Perse
ptrea

Brain
stare
– in
Box
Ada
line

Máy
Boltz
-mam

Tự tổ chức

Hop
-fiel
d

Cobeth

Cobeth

Gross berg

Gross berg

Ánh
xạ
đặc
trưng

ART

Hình 2. 4: Sơ đồ tổ chức hệ mạng nơ ron thần kinh nhân tạo
Dự án Dartmouth nghiên cứu về trí tuệ nhân tạo (Artificial Intelligence)
vào năm 1956 đã mở ra thời kỳ phát triển mới cả trong lĩnh vực trí tuệ nhân
tạo lẫn mạng nơron. Tác động tích cực của nó là thúc đẩy hơn nữa sự quan
tâm của các nhà khoa học về trí tuệ nhân tạo và quá trình xử lý ở mức đơn
giản của mạng nơron trong bộ não con người.


21

Những năm tiếp theo nhà sinh học chuyên nghiên cứu về nơron Frank
Rosenblatt cũng bắt đầu nghiên cứu về Perceptron, sau thời gian nghiên cứu
này Perceptron đã được cài đặt trong phần cứng máy tính và được xem như là
mạng nơron lâu đời nhất còn được sử dụng đến ngày nay. Perceptron một
tầng rất hữu ích trong việc phân loại một tập các đầu vào có giá trị liên tục
vào một trong hai lớp, Perceptron tính tổng có trọng số các đầu vào, rồi trừ
tổng này cho một ngưỡng và cho ra một trong hai giá trị mong muốn có thể.
Tuy nhiên Perceptron còn rất nhiều hạn chế, những hạn chế này đã được chỉ
ra trong cuốn sách về Perceptron của Marvin Minsky và Seymour Papert viết
năm 1969.
Năm 1974 Paul Werbos đã phát triển và ứng dụng phương pháp học lan
truyền ngược (back-propagation). Tuy nhiên phải mất một vài năm thì phương
pháp này mới trở lên phổ biến. Các mạng lan truyền ngược được biết đến
nhiều nhất và được áp dụng rộng dãi nhất nhất cho đến ngày nay.
Thật không may, những thành công ban đầu này khiến cho con người
nghĩ quá lên về khả năng của các mạng nơron. Chính sự cường điệu quá mức
đã có những tác động không tốt đến sự phát triển của khoa học và kỹ thuật
thời bấy giờ khi người ta lo sợ rằng đã đến lúc máy móc có thể làm mọi việc
của con người. Những lo lắng này khiến người ta bắt đầu phản đối các nghiên
cứu về mạng neuron, thời kì tạm lắng này kéo dài đến năm 1981.
Năm 1982 trong bài báo gửi tới viện khoa học quốc gia, John Hopfield
bằng sự phân tích toán học rõ ràng, mạch lạc, ông đã chỉ ra cách thức các
mạng nơron làm việc và những công việc chúng có thể thực hiện được. Cống
hiến của Hopfield không chỉ ở giá trị của những nghiên cứu khoa học mà còn
ở sự thúc đẩy trở lại các nghiên cứu về mạng neuron.


22

Cũng trong thời gian này, một hội nghị với sự tham gia của Hoa Kỳ và

Nhật Bản bàn về việc hợp tác/cạnh tranh trong lĩnh vực mạng nơron đã được
tổ chức tại Kyoto, Nhật Bản. Sau hội nghị, Nhật Bản đã công bố những nỗ lực
của họ trong việc tạo ra máy tính thế hệ thứ 5. Tiếp nhận điều đó, các tạp chí
định kỳ của Hoa Kỳ bày tỏ sự lo lắng rằng nước nhà có thể bị tụt hậu trong
lĩnh vực này. Vì thế, ngay sau đó, Hoa Kỳ nhanh chóng huy động quĩ tài trợ
cho các nghiên cứu và ứng dụng mạng neuron.
Năm 1985, viện vật lý Hoa Kỳ bắt đầu tổ chức các cuộc họp hàng năm
về mạng neuron ứng dụng trong tin học (Neural Networks for Computing).
Ngày nay, không chỉ dừng lại ở mức nghiên cứu lý thuyết, các nghiên
cứu ứng dụng mạng nơron để giải quyết các bài toán thực tế được diễn ra ở
khắp mọi nơi. Các ứng dụng mạng nơron ra đời ngày càng nhiều và ngày
càng hoàn thiện hơn. Điển hình là các ứng dụng: xử lý ngôn ngữ (Language
Processing), nhận dạng kí tự (Character Recognition), nhận dạng tiếng nói
(Voice Recognition), nhận dạng mẫu (Pattern Recognition), xử lý tín hiệu
(Signal Processing), Lọc dữ liệu (Data Filtering).
2.1.3. So sánh mạng nơron với máy tính truyền thống
Mạng nơron có cách giải quyết các vấn đề khác so với máy tính truyền
thống. Các máy tính truyền thống sử dụng cách tiếp cận theo hướng giải thuật,
tức là máy tính thực hiện một tập các chỉ lệnh để giải quyết một vấn đề. Vấn
đề được giải quyết phải được biết và phát biểu dưới dạng một tập chỉ lệnh
không nhập nhằng. Những chỉ lệnh này sau đó phải được chuyển sang một
chương trình ngôn ngữ bậc cao và chuyển sang mã máy để máy tính có thể
hiểu được.
Trừ khi các bước cụ thể mà máy tính cần tuân theo được chỉ ra rõ ràng,
máy tính sẽ không làm được gì cả. Điều đó giới hạn khả năng của các máy
tính truyền thống ở phạm vi giải quyết các vấn đề mà chúng ta đã hiểu và biết


23

chính xác cách thực hiện. Các máy tính sẽ trở lên hữu ích hơn nếu chúng có
thể thực hiện được những việc mà bản thân con người không biết chính xác là
phải làm như thế nào.

Mạng nơron xử lý thông tin theo cách thức giống như bộ não con
người. Mạng được tạo nên từ một số lượng lớn các phần tử xử lý được kết nối
với nhau làm việc song song để giải quyết một vấn đề cụ thể. Các mạng nơron
học theo mô hình, chúng không thể được lập trình để thực hiện một nhiệm vụ
cụ thể. Các mẫu phải được chọn lựa cẩn thận nếu không sẽ rất mất thời gian,
thậm chí mạng sẽ hoạt động không đúng. Điều hạn chế này là bởi vì mạng tự
tìm ra cách giải quyết vấn đề, thao tác của nó không thể dự đoán được.
Các mạng nơron và các máy tính truyền thống không cạnh tranh nhau
mà bổ sung cho nhau. Có những nhiệm vụ thích hợp hơn với máy tính truyền
thống, ngược lại có những nhiệm vụ lại thích hợp hơn với các mạng nơron.
Thậm chí rất nhiều nhiệm vụ đòi hỏi các hệ thống sử dụng tổ hợp cả hai cách
tiếp cận để thực hiện được hiệu quả cao nhất. (thông thường một máy tính
truyền thống được sử dụng để giám sát mạng nơron)
2.1.4. Nơron sinh học và nơron nhân tạo
2.1.4.1. Nơron sinh học
Qua quá trình nghiên cứu về bộ não, người ta thấy rằng: bộ não con
người bao gồm khoảng 1011 nơron tham gia vào khoảng 1015 kết nối trên các
đường truyền. Mỗi đường truyền này dài khoảng hơn một mét. Các nơron có
nhiều đặc điểm chung với các tế bào khác trong cơ thể, ngoài ra chúng còn có
những khả năng mà các tế bào khác không có được, đó là khả năng nhận, xử
lý và truyền các tín hiệu điện hóa trên các đường mòn nơron, các con đường
này tạo nên hệ thống giao tiếp của bộ não.


24

Hình 2.5: Cấu trúc của một nơron sinh học điển hình.
Mỗi nơron sinh học có 3 thành phần cơ bản:
• Các nhánh vào hình cây ( dendrites)
• Thân tế bào (cell body)
• Sợi trục ra (axon)
Các nhánh hình cây truyền tín hiệu vào đến thân tế bào. Thân tế bào
tổng hợp và xử lý cho tín hiệu đi ra. Sợi trục truyền tín hiệu ra từ thân tế bào
này sang nơron khác. Điểm liên kết giữa sợi trục của nơron này với nhánh
hình cây của nơron khác gọi là synapse. Liên kết giữa các nơron và độ nhạy
của mỗi synapse được xác định bởi quá trình hóa học phức tạp. Một số cấu
trúc của nơron được xác định trước lúc sinh ra. Một số cấu trúc được phát
triển thông qua quá trình học. Trong cuộc đời cá thể, một số liên kết mới được
hình thành, một số khác bị hủy bỏ.
Như vậy nơron sinh học hoạt động theo cách thức sau: nhận tín hiệu
đầu vào, xử lý các tín hiệu này và cho ra một tín hiệu output. Tín hiệu output
này sau đó được truyền đi làm tín hiệu đầu vào cho các nơron khác.
Dựa trên những hiểu biết về nơron sinh học, con người xây dựng nơron
nhân tạo với hy vọng tạo nên một mô hình có sức mạnh như bộ não.


25

2.1.4.2. Nơron nhân tạo
Một nơron là một đơn vị xử lý thông tin và là thành phần cơ bản của
một mạng nơron. Cấu trúc của một nơron được mô tả trên hình dưới.

Hình 2.6: Nơron nhân tạo
Các thành phần cơ bản của một nơron nhân tạo bao gồm:
♦ Tập các đầu vào: Là các tín hiệu vào (input signals) của nơron, các
tín hiệu này thường được đưa vào dưới dạng một vector N chiều.

♦ Tập các liên kết: Mỗi liên kết được thể hiện bởi một trọng số (gọi là
trọng số liên kết – Synaptic weight). Trọng số liên kết giữa tín hiệu vào thứ j
với nơron k thường được kí hiệu là wkj. Thông thường, các trọng số này được
khởi tạo một cách ngẫu nhiên ở thời điểm khởi tạo mạng và được cập nhật
liên tục trong quá trình học mạng.
♦ Bộ tổng (Summing function): Thường dùng để tính tổng của tích các
đầu vào với trọng số liên kết của nó.
♦ Ngưỡng (còn gọi là một độ lệch - bias): Ngưỡng này thường được
đưa vào như một thành phần của hàm truyền.
♦ Hàm truyền (Transfer function) : Hàm này được dùng để giới hạn
phạm vi đầu ra của mỗi nơron. Nó nhận đầu vào là kết quả của hàm tổng và
ngưỡng đã cho. Thông thường, phạm vi đầu ra của mỗi nơron được giới hạn
trong đoạn [0,1] hoặc [-1, 1]. Các hàm truyền rất đa dạng, có thể là các hàm
tuyến tính hoặc phi tuyến. Việc lựa chọn hàm truyền nào là tuỳ thuộc vào từng