Tài liệu TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU MẠNG NƠ RON CHO RÔBỐT THÔNG MINH ppt

TNG QUAN TèNH HèNH NGHIấN CU MNG N RON CHO
RễBT THễNG MINH

T -Hng-K . Phũng C in t , Vin C hc , 264 i cn ,H ni .
Email:
Túm tt: Chng trỡnh nghiờn cu Mng n ron trờn th gii . Tỡnh hỡnh
nghiờn cu trong nc .Mt s cụng trỡnh nghiờn c mng n ron ó cụng
b nc ngoi.
Abstract: Neural Network Projects in the World . Rerearchs of Neural
network in Vietnam Researchs of Neural Network in the world..

I.GIOI THIEU
Ngày nay trên thế giới không có
công nghệ nào phát triển nhanh và
mạnh nhu kỹ thuật robot . Nguời ta dự
đoán đến giữa thế kỷ 21 , Robot sẽ trở
thành một trong những động lực quan
trọng nhất của sự phát triển kỹ thuật.
Mạng nơ ron là chìa khoá công nghệ
của thế kỷ 21 trong lĩnh vực trao đổi và
xử lý thông tin. Đó là một hệ thống bao
gồm một số luợng lớn những kiểu đặc
biệt của những bộ xử lý phi tuyến gọi là
nơ ron.
II. CHUONG TRINH NGHIEN CUU
MANG NO RON TOAN CAU:
Nghiên cứu về mạng Nơ ron đã đu-
ợc quan tâm từ những năm 40 của thế
kỷ 20 . Khoảng những năm 90 Nơ ron
đuợc đặc biệt chú ý bởi khả năng ứng
dụng rộng lớn của nó .

Chuơng trình nghiên cứu về nơ ron
tập chung nghiên cứu ở Mỹ ( 50 tổ
chức trong các viện nghiên cứu và tru-
ờng đại học , riêng California đã có 15
tổ chức nghiên cứu ) . Ơ Anh có 20 tổ
chức , Đức (7) , Nhật (7), Pháp (6),
Thụy sỹ(4) , Thụy điển (4) , Hà lan (4) ,
Australia (3) , Ytalia (3) , Canađa (3),
Nga(1) , Czech (1) , Balan(1) ,
Hungary(1), Hàn quốc (1) , Singapor
(1) , Hong kong (1)v.vƠ Mỹ
, tại
bang California , Truờng Đại học
California San diego có Chuơng trình
tính toán và Hệ thống Nơ ron của
Caltech, Viện tính toán Nơron, Nhóm
nghiên cứu khoa học Máy tính Nhận
thức , Trung tâm nghiên cứu Ngôn ngữ
, Phòng thí nghiệm Kỹ thuật Nơ


ron , Trung tâm Sloan Sinh học Nơ ron
Lý thuyết . Đại học California Santa
Cruz có Nhóm Máy Dạy học , , Nhóm
Sinh học tính toán . Đai học Nam
California có Phòng thí nghiệm Tính
toán Nơ ron . Đại học Stanford có
nhóm Lập trình Gen . Ơ Carlsbad có
Động lực học Nơ ron ứng dụng . Ơ
Moffett Field có Nhóm Kỹ thuật Nơ ron

NASA .
Bang Massachusetts , có Trung tâm
Dạy học Tính toán và Sinh học tại Viện
Công nghệ Massachusetts -MIT , Nhóm
tính toán ở khoa Não và khoa học Nhận
thức thuộc MIT , NeuoDyne Ins,
Cambridge.
Bang Washington có Phòng Thí nghiệm
Ưng dụng , Trí tuệ Tính toán thuộc Đại
học Washington , Nhóm Nghiên cứu Nơ
ron tại Phòng thí nghiệm Xử lý Thông tin
. Nhóm nghiên cứu Nơ ron thuộc Phòng
thí nghiệm Pacific Northwest tại
Washington.
Bang Texas có Phòng thí nghiệm Kỹ
thuật Nơ ron R&D thuộc Đại học Texas
ở Austin .Phòng thí nghiệm Tính toán
Ưng dụng tại đại học Kỹ thuật Texas .
Bang Pensylvania có Trung tâm Cơ sở
Nơ ron của Nhận thức tại Carnegie
Melon .
Bang Ohio có Phòng Thí nghiệm Hệ
thống Nơ ron Nhân tạo thuộc Đai học
Cincinnati.
Bang New Mexico có Nhóm Tính
toán Thích nghi thuộc Đại học New
Mexico. Nhóm Tính toán Thích nghi Phi
tuyến thuộc Phòng thí nghiệm Quốc gia
Los Alamos .
Bang New Jersey có Nhóm Nghiên

cứu Nơ ron Nhân tạo ở Viện nghiên cứu
NEC , Princeton. Nhóm Nhận thức , Trí
tuệ và Tính toán dựa trên DNA , ở Viện
nghiên cứu NEC , Princeton v.v
Anh:
có Trung tâm Mạng Nơ ron tại tr-
uờng Hoàng gia London. Trung tâm
Hệ thống Nơ ron tại Đại học Edinburgh.
Nhóm Nghe , Nhìn và Robot Đại học
Cambridge. Nhóm Nghe , Nhìn và Hệ
thống Thông minh Đại học
Southhampton.Nhóm Nghiên cứu Trí
tuệ Nhân tạo thuộc Đại học
Nottingham. Nhóm nghiên cứu Hệ
thống Thông minh, khoa Khoa Học
Máy tính thuộc Đại học London v.v
Nhật:
có Phòng Thí nghiệm Robot
và Cơ -Điện tử thuộc Đại học Nagoya.
Phòng thí nghiệm Okabe và Hirose
thuộc Đại học Tokyo . Phòng thí
nghiệm Sinh-Điện tử thuộc Đại học
Nagoya.Phòng thí nghiệm Nghiên cứu
Xử lý Thông tin Nguời ở Kyoto v.v
Đức:
có Viện Tin học Nơ ron ở Đại
học Ruhr , Bochum. Nhóm nghiên cứu
Mờ và Tính toán Mềm tại Đại học
Braunschweig. Nhóm Nhiên cứu Mờ và
Nơ ron tại Đại học Công nghệ

Damstardt. Nhóm Nhìn- Máy tính và
Nhận dạng thuộc Đại học Bon . Trung
tâm nghiên cứu Trí tuệ Nhân tạo Đức
DFKI thuộc Kaiserlautern . Nhóm
Nghiên cứu Nơ ron của GMD FIRST tại
Berlin.Viện Logic, Tổ hợp và Hệ thống
Suy diễn tại Đại học Karlsruhe.
Pháp:
có Nhóm nghiên cứu Tin-Sinh
học Truờng Cao cấp ,Pari.Nhóm tính
toán Nơ ron thuộc Phòng Tin học Pari
Nord .Nhóm nghiên cứu Nơ ron ở
LEIBNIZ, Grenoble. Nhóm nghiên cứu
Laplace , Mô hình gần đúng trong
Robot và Trí tuệ Nhân tạo ở LEIBNIZ,
Grenoble.
Hungary:
có Nhóm Xử lý thông tin
Nơ ron thuộc Đại học
Eotvos Lorand ,
Budapest .

III.MANG PERCEPTRON NHIEU LOP

MPL



Đây là mạng Nơ ron thuận với những tín
hiệu vào liên tục và những lớp bao gồm :

lớp tín hiệu vào , lớp tín hiệu ra , lớp trung
gian (lớp ẩn ) . Đặc điềm chính của mạng
perceptron là liên kết trực tiếp những nút
của những lớp giống nhau là không cho
phép . Đuờng vòng của những lớp cũng
không đuợc phép . Ví dụ , khi liên kết nút
tín hiệu vào với nút tín hiệu ra đuờng vòng
của lớp ẩn bị cấm .




0
y
1M
y

Lop ra



lop an
1



Lop an

2

'
0
x

Lop vao


0
x

1
N
x

IV.THUAT TOAN PHAN HOI :
Buớc 1 :
Đua ra trọng luợng và giá trị
nguỡng bằng những giá trị duơng nhỏ .
Buớc 2:
Đua ra tín hiệu đầu vào
121
,...,,
N
xxx

v giỏ tr u ra mong mun
121
,...,
M

ddd
.
Nếu mạng nơ ron đuợc sử dụng nhu một bộ
phân loại , sau đó đặt tất cả
i
d
tới không , trừ
một
cái là biểu hiện loại trong đó tín hiệu
giá trị 1.
Buớc 3:

Tính toán giá trị thực , sử dụng hàm
sigmoid và thực hiện tính toán
theo sơ đồ
Buoc 4:

Cập nhật trọng luợng ban đầu từ nút tín hiệu ra
và thực hiện phản hồi sử dụng công thức :
Hinh.1
MANG NO RON 3 LOP

,
)()1(
xjijij
xtwtw

+=+

ở đây :

w
ij
là trọng luợng synap của liênkết nút i
với nút j của lớp tieptheo ở thời gian t .
x
'
i
tín hiệu ra của nút i ( hoặc tín
hiệu vào i của mạng nơ ron ) .


hệ số thu nhận ( hệ số tỉ số
dạy học )

j

số hạng sai số cho nút xác định
nhu :

j

=y
j
(1-y
j
)(d
i
-y
i
)

với
y
j
là tín hiệu thực
d
j
là tín hiệu đầu ra mong muốn .
Nếu nút j là nút của lớp ẩn , khi đó :


j

= x
'
j
(1-x
'
j
)

k
k

w
jk

ở đây , k mở rộng cho tất cả các nút của
những lớp truớc . Nguỡng của những nút
bên trong đuợc thích ứng tuơng tự nhu vậy ,
giả sử chúng là trọng luợng liên kết trong

những tín hiệu vào của những giá trị không
đổi . Cho tốc độ hội tụ , một cái có thể
cộng thêm số hạng nhu :w
ij
(t}= w
ij
+
j

x
'
i
+

[ w
ij
(t) - w
ij
(t-1)] , 0 <

< 1
Buớc 5 :
Lặp lại từ buớc 2 .


V. MOT SO CONG TRINH MANG NO
RON DA CONG BO O NUOC NGOAI:
Đa số các nhà nghiên cứu các Hệ
thống Thông minh chấp nhận rằng : Trí
tuệ Tính toán (Computational

Intelligence) do Hội đồng Mạng Nơ ron
Thế giới đua ra vào năm 1991 và Tính
toán mềm (Soft computing) do Lofti A
Zadeh , giáo su đại học California
Berkeley đua ra năm 1990 là đồng
nghĩa và đuợc sử dụng thay thế lẫn
nhau . Trí tuệ Tính toán đuợc chấp
nhận là một thuật ngữ để biểu diễn các
kỹ thuật cho việc ra quyết định dựa trên
việc xử lý thông tin không chắc chắn .
Về cơ bản , Trí tuệ Tính toán bao gồm
Logic Mờ , Mạnh Nơ ron , Thuật giải Di
truyền , Lập luận Xác xuất ,các Phuơng
pháp Học , Lý thuyết Hỗn độn , các Hệ
chuyên gia . Một điều quan trọng cần
nhấn mạnh là Trí tuệ Nhân tạo không
chỉ là một tâp hợp các phuơng pháp
luận cho lập luận dựa trên thông tin
không chắc chắn mà là sự liên kết các
phuơng pháp trong đó mỗi phuơng
pháp đều có lợi thế riêng để tiến tới đạt
mục tiêu chung . Bởi vậy , các thành
phần của Trí tuệ Tính toán phải đuợc
xem nhu các phần bổ xung cho nhau
chứ không phải tuơng đuơng . Tất cả
các kỹ thuật đó nhằm mục đích đua ra
một dạng Máy Thông minh nào đó
mà nó có thể bắt chuớc sự suy nghĩ
của con nguời trong việc ra quyết định
. Động cơ chủ yếu cho việc sử dụng Trí

tuệ Tính toán là khai thác khả năng xử
lý thông tin không chính xác , không
chắc chắn , chỉ đúng một phần và kết
quả đạt đuợc là tính dễ áp dụng ,sự
năng động và các giải pháp chi phí
thấp cho các vấn đề phức tạp . Đây
cũng là mục tiêu do giáo su Lofti A
Zadeh , Đại học California Berkeley (
nguời sáng tạo Lý thuyết Tập Mờ 1965
dua ra vào đầu những năm 1990 đối
với sự phát triển của các Hệ Thông
minh .
Hai dạng của Mạng Nơ ron thuờng
đuợc sử dụng trong Kỹ thuật Robot là
Mạng Hopfield và Mạng Perceptron
nhiều lớp do Hopfied đa ra 1982,
Kohonen 1984, Rumelhart 1986.
Những mạng khác bao gồm Mạng
Cạnh tranh & Hợp tác do Amari &Arbib
nghiên cứu năm 1977 và Mạng Thuởng
phạt do A.G.Barto&C.W.Anderson
1983.
Hệ thống Robot bao gồm 3 hệ thống
phụ là : Hệ thống truyền động , Hệ
thống Nhận dạng và Hệ thống Điều
khiển . Những vấn đề chính của Điều
khiển Robot bao gồm Động học , Động
lực học , Lập kế hoạch đuờng đi (Thiết
lập quĩ đạo ) , Điều khiển , Cảm biến ,
Lập trình và Trí tuệ (Thông minh).

Mạng Nơ ron có thể giảm tổ hợp tính
toán và giải những bài toán robot đuợc
đua ra yếu . Lời giải giải tích của động
học nguợc làm chính xác kết quả số ,
trong khi lời giải Mạng nơ ron nói chung
không làm chính xác.Công việc phát
triển Động học nguợc Nơ ron đuợc
T.Iberall phát triển năm 1987, A.Guez
năm1988.
Trong Động lực học Robot Nơ ron ,
M.Kawato,Furukawa,Suzuki phát triển
năm 1987. Y.Uno &M.Isobe 1988.
S.G.Tzafestas1986, M.Kawato
,Y.Maeda,Y.Uno &Suzuki 1990.
Mạng Nơ ron sử dụng nhằm thiết lập
quĩ đạo đuợc K.Tsutsumi 1988,
H.liu1988, R.Ecmiller 1987.
Bài toán lập quĩ đạo tránh vật cản sử
dụng Mạng Hopfield đuợc
H.matsumoto& K.Tsutsumi phát triển .
Truờng hợp Robot Di động , Thiết lập
quĩ đạo với Mạng Nơ ron đuợc nghiên
cứu bởi V.Seshadri1988.Ơ đây Mạng
Nơ ron cố gắng cực tiểu hoá độ dài đu-
ờng đi . Nick Vallidis đã nghiên cứu
điều khiển Hexapod di động bằng
mạng nơ ron , 2000. L.M.Reyneri,
M.Chiaberge Khoa điện tử , Đại học
Bách khoa Torino- Italy nghiên cứu
phần cứng-Mạng Mờ-Nơ ron điều khiển

Hexapod Di động, 1993-2000 .
Điều khiển Robot bằng Mạng Nơ ron
đuợc gọi là Điều khiển khớp bằng mô
hình tiểu não CMAC do Albus 1975
1979. Giáo s F.L.Lewis ,Viện nghiên
cứu Robot và Tự động hoá, Đại học
Texas Arlington USA đã ứng dụng
CMAC để điều khiển hệ động lực phi
tuyến, 1997.
Nhận dạng hệ động lực phi tuyến sử
dụng mạng nơ ron đuợc
S.J.Jagannathan, Liên hợp Phân tích
Tự động hoá, USA nghiên cứu năm
1996.
Y.Pao&D.Sobasic 1987 thực hiện hệ
thống điều khiển vị trí robot hai bậc tự
do sử dụng Mạng Nơ ron Perceptron .
A.Guez sử dụng mô hình thích nghi
(MRAC). W.T. Miler sử dụng kỹ thuật
CMAC trong liên kết với phuơng pháp
điều khiển mô men. R.Elsley thực hiện
điều khiển Jacobi nguợc,sử dụng Mạng
Perceptron nhiều lớp.
Mạng Nơ ron Đuợc sử dụng trong cảm
biến và điều khiển Robot nhiều lớp ,
liên tục bởi R.Esley , &Y.Pati 1988.
Điều khiển thích nghi hệ động lực học
phi tuyến sử dụng mạng nơ ron đuợc
giáo su A.M.Annaswamy , Phòng thí
nghiệm Điều khiển thích nghi - Khoa

Chế tạo Máy Viện Công nghệ
Massachusetts MIT nghiên cứu, 1997.
Ưng dụng Mạng Nơ ron điều khiển
nguợc theo vết đuợc giáo su K. S.
Narendra, Trung tâm Khoa học Hệ
thống , Đại học Yale,USA nghiên cứu,
1999.
Giáo su Vukobratovic , Trung tâm
Robot, Viện Mikhailo Pupin , Nam tu
(cũ ) , phó chủ tịch Viện Hàn lâm Khoa
học, đã nghiên cứu phân loại mô hình
động lực học môi truờng trên cơ sở Nơ
ron để điều khiển robot ,1998.
Bộ điều khiển Mờ-Nơ ron để dẫn hu-
ớng Robot Di động và hộ tống đội robot
đuợc giáo su M.M.Trivedi Khoa Kỹ
thuật Điện và Máy tính , Đại học
California San Diego ,USA nghiên
cứu,1998.
Giáo su, Viện sĩ, Vámos Tibor,
nguyên Viện truởng Viện Tin học và Tự
động hoá- Hungary, - nguyên chủ tịch
Hội Máy tính Neyman János (Von
Neyman), nguyên chủ tịch Hội Điều
khiển Tự động Quốc tế IFAC đã nghiên
cứu kỹ thuật Nhận dạng Trí tuệ Nhân
tạo cho robot.
Giáo su ,Viện sĩ Hyungsuck Cho ,
Khoa Chế tạo máy ,Viện Khoa học
&Công nghệ Cao cấp Hàn quốc-

KAIST, Hãng Thép và Kim loại
Pohang-POSCO, Viện truởng Viện
Điều khiển ,Tự động hoá và Kỹ thuật
Hệ thống, đã nghiên cứu điều khiển và
cảm biến nano cho robot ,2001.
Giáo su T.Fukuda , Khoa Kỹ thuật Vi
Hệ thống,Trung tâm Hợp tác Khoa học
&Công nghệ Cấp cao, Đại học Nagoya-
Nhật bản, nguyên Chủ tịch Hội Robot
và Tự động hóa Quốc tế , Chủ tịch Hội
đồng Công nghệ Nano Quốc tế, đã
nghiên cứu Mạng Mờ-Nơ ron -Thuật
giải AND để điều khiển robot, 2000.
Công nghệ Nano đang mở ra những
triển vọng to lớn. Việc chế tạo ra những
robot nhỏ cỡ Nano 10
-9
mm đòi hỏi
những nghiên cứu mới về cơ sở lý
thuyết cũng nhu công nghệ. Giáo su
Toshio Fukuda , đặc biệt nhấn mạnh
tầm quan trọng của Robot Micro-Nano
trong Kỹ thuật Robot và Tự động hoá
tuơng lai.
Giáo su,Viện sĩ G.M.Edelman ,giải
thuởng Nobel, Viện truởng Viện Khoa
học Nơ ron - USA ,Chủ tịch Hội nghiên
cứu Khoa học Nơ ron Quốc tế, đã mô
phỏng Nơ ron hệ thống Nghe-Nhìn của
loài chim để điều khiển robot ,1999.

Giáo su đã khẳng định, việc nghiên cứu
này đặc biệt quan trọng duới ánh sáng
của lý thuyết Não Hiện đại, nhấn mạnh
tầm quan trọng của môi truờng và thực
nghiệm Motor-Cảm biến Nơ ron . Sự
hiểu biết những nguyên tắc cơ bản của
não sẽ có ảnh huởng mạnh mẽ đến
thiết kế Hệ thống Nhân tạo hoạt động
trong thế giới thực .Chúng ta tin tuởng
rằng những nghiên cứu mô hình nơ ron
tổng hợp sẽ tham gia một cách có ý
nghĩa bởi sự thiết lập mối liên hệ trực
tiếp giữa khoa học Tự nhiên và Khoa
học Kỹ thuật, đua ra tu tuởng mới trong
lĩnh vực Robot và Trí tuệ Nhân tạo.
VI.TINH HINH NGHIEN CUU MANG
NO RON TRONG NUOC
Ơ Việt nam bắt đầu nghiên cứu Nơ
ron từ năm 1992 tại Viện Cơ học và
Viện Tin học trong khuôn khổ đề tài
cấp Nhà nuớc KC-02 Điều khiển thời
gian thực .
Hiện nay một số cơ sở đang nghiên
cứu nhu Trung tâm Tự động hoá-Viện
tin học , Khoa Công nghệ Thông tin -
ĐHBK.HN , Bộ môn Điều khiển Tự
động ĐHBK.HN, Học viện Buu chính
Viễn thông , Khoa Công nghệ Thông tin
ĐHBK.HCM ,Đại học Giao thông Vận
tải , Viện Vật lý , Viện toán học ,

VietcomBank , Viện Năng luợng
Nguyên tử , Học viện Kỹ thuật Quân sự
, Đại học Quốc gia - HCM . Công tác
đào tạo đuợc triển khai , đã có những
luận án Tiến sĩ (2) , Thạc sĩ và buớc
đầu đuợc giảng dạy cho sinh viên . Tuy
nhiên những nghiên cứu thuờng rải rác
,cha tập trung thành những nhóm
nghiên cứu mạnh để có thể buớc đầu
đua vào ứng dụng và có thể hợp tác với
các tổ chức quốc tế.

VII.KET LUAN :
Chúng ta tin tuởng rằng cuối thế kỷ 21 ,
những robot không chỉ thông minh, mà còn
biết xúc cảm , chúng có thể có các yêu
sách về quyền chính trị & xã hội . Hàng tỷ
bộ não của con nguời sẽ đuợc kết nối vào
một Mạng Nơ ron Toàn cầu . Con nguời có
thể nạp Trí tuệ, thậm chí cả Nhân cách vào
Mạng Nơ ron Toàn cầu . Giấc mơ sống lâu
, bất tử sẽ trở thành hiện thực

VI. TAI LIEU THAM KHAO:
1. Toshio Fukuda &Naoyuki Kubota
Intelligent Robotic Systems.
Pre- print of Japan-USA Vietnam
Workshop on Rerearch and Education
in System Computation and Control
Engineering,pp.26-

35.RESCCE98Hanoi(5/1998).
2. Mohan M Trivecdi
A Neuro- Fuzzy Controller for Mobile
Robot Navigation and Multirobot
Convoying.
IEEE Transation on System, Man an
Cybernetics-PartB.Cybernetics,
vol.28.N
o
6,December1998.
3. Nick Vallidis.
A Hexapod Robot and Novel
Training Approach for Artificial Neural
Networks.2002
4. Claudio Pernechele, Favio
Bortoletto,Enrico Giro.
Oservatorio Astronomico di Padova-
Italy.
Neural network algorithm controlling
a hexapod platform.2002.
5. S . Jagannathan and F.L. Lewis
Dicsrete time neural net controller
for a class of nonlinea dynamical
systems. IEEE Transations .on
Automatic Control ,
Vol.41No.11,pp.1693-1699.1996.
6. S . Jaganathan ,S. Commuri and
F.L.Lewis,
Feedback linerization using CMAC
neural network ,

Automatica,Vol.34,N
o
3, March 1998.
7. Gregory Durek & Michael Jenkin
Computational Principles of Mobile
Robots.Cambridge University Press,
2000.