Luận án Mô hình dự báo chuỗi thời gian ngôn ngữ dựa trên đại số gia tử

Tên luận án:

MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN NGÔN NGỮ DỰA TRÊN ĐẠI SỐ GIA TỬ

Ngành:

Máy tính (Chuyên ngành: Hệ thống thông tin)

Tóm tắt nội dung tài liệu:

Luận án nghiên cứu việc ứng dụng phương pháp tính toán dựa trên Đại số gia tử (ĐSGT) vào bài toán dự báo chuỗi thời gian, một lĩnh vực quan trọng nhằm nâng cao hiệu quả công việc và ra quyết định. Bắt đầu từ việc giới thiệu mô hình dự báo chuỗi thời gian mờ (FTS-FM) của Song & Chissom (1993) và Chen (1996), luận án nhận thấy tiềm năng của FTS trong xử lý dữ liệu bất định và dự báo ngôn ngữ. Tuy nhiên, các nghiên cứu FTS tại Việt Nam còn hạn chế, đặc biệt với bài toán dự báo FTS.

Xuất phát từ khái niệm ĐSGT do N.C. Hồ và W. Wechler đề xuất, cho phép mô hình hóa toán học các từ ngôn ngữ tự nhiên và lượng hóa giá trị ngữ nghĩa, luận án đề xuất một hướng nghiên cứu mới. Điểm khác biệt chính là phương pháp tính toán dự báo được thực hiện trực tiếp trên ngữ nghĩa định lượng của các từ ngôn ngữ, không cần chia khoảng không gian nền như các phương pháp FTS truyền thống. Điều này mang lại lợi thế về sự đơn giản, độ chính xác và tính linh hoạt.

Các đóng góp chính của luận án bao gồm: đề xuất khái niệm Chuỗi thời gian ngôn ngữ (LTS), Quan hệ lô-gic ngôn ngữ (LLR) và Nhóm quan hệ lô-gic ngôn ngữ (LLRG). Luận án xây dựng mô hình dự báo LTS-FM, sử dụng ngữ nghĩa định lượng của các từ ngôn ngữ làm công cụ tính toán chính, dựa trên việc thiết lập LLR và LLRG. Đồng thời, luận án phát triển các nghiên cứu mở rộng cho mô hình dự báo chuỗi thời gian ngôn ngữ, bao gồm mô hình có trọng số (WLTS-FM), khả năng mở rộng không gian ngôn ngữ, tối ưu hóa tham số bằng giải thuật PSO (LTSPSO), đồng tối ưu tham số và bộ từ (LTSPSCO), và mô hình dự báo bậc cao (HO-LTS).

Các thực nghiệm trên dữ liệu sinh viên nhập học của Đại học Alabama (EUA) và năng suất nông sản Lahi của Ấn Độ đã chứng minh các mô hình đề xuất có độ chính xác cao hơn so với các phương pháp đối sánh như Song & Chissom và Chen. Luận án khẳng định tính đúng đắn và ưu việt của việc ứng dụng ĐSGT trong dự báo chuỗi thời gian, đồng thời mở ra các hướng nghiên cứu tiếp theo về tối ưu hóa tham số, mô hình đa nhân tố và ứng dụng thực tế.

Mục lục chi tiết:

• MỞ ĐẦU
  • 1. Tính cấp thiết
• CHƯƠNG 1. MỘT SỐ KIẾN THỨC CƠ SỞ
  • 1.1. Dự báo chuỗi thời gian mờ
    • 1.1.1. Khái niệm về chuỗi thời gian
    • 1.1.2. Mô hình dự báo chuỗi thời gian mờ
  • 1.2. Thông tin và cấu trúc toán học của miền ngôn ngữ tự nhiên
• CHƯƠNG 2. CHUỖI THỜI GIAN NGÔN NGỮ VÀ MÔ HÌNH DỰ BÁO
  • 2.1. Khái niệm chuỗi thời gian ngôn ngữ
  • 2.2. Quan hệ lô-gic ngôn ngữ và nhóm quan hệ lô-gic ngôn ngữ
  • 2.3. Mô hình dự báo chuỗi thời gian ngôn ngữ
  • 2.4. Một số kết quả thử nghiệm và thảo luận
• CHƯƠNG 3. MỘT SỐ NGHIÊN CỨU MỞ RỘNG MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN NGÔN NGỮ
  • 3.1. Trọng số của quan hệ lô-gic ngôn ngữ
  • 3.2. Mở rộng không gian trong mô hình dự báo chuỗi thời gian ngôn ngữ
  • 3.3. Tính toán tối ưu trong mô hình dự báo LTS-FM
  • 3.4. Mô hình dự báo chuỗi thời gian ngôn ngữ bậc cao
• KẾT LUẬN CỦA LUẬN ÁN
• DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ