Bài giảng Tính toán mềm Soft Computing - GV. Nguyễn Ngọc Sơn

Trong bối cảnh khoa học công nghệ phát triển nhanh chóng, việc giải quyết các bài toán kỹ thuật phức tạp, không tuyến tính và chứa đựng sự không chắc chắn ngày càng trở nên cấp thiết. Tính toán mềm (Soft Computing) nổi lên như một lĩnh vực quan trọng, cung cấp các cơ chế tính toán thông minh để đối phó với những thách thức mà các phương pháp tính toán cứng truyền thống khó xử lý hiệu quả. Môn học này nhằm trang bị cho sinh viên kiến thức nền tảng và khả năng ứng dụng các kỹ thuật tính toán mềm. Cụ thể, sinh viên sẽ được giới thiệu về các thành phần cốt lõi như logic mờ (Fuzzy Logic) và các thuật toán tối ưu, từ đó phát triển kỹ năng sử dụng chúng để giải quyết các vấn đề thực tiễn trong nhiều lĩnh vực kỹ thuật.

Sinh viên ngành Công nghệ Điện tử hoặc các ngành kỹ thuật liên quan có nhu cầu tìm hiểu và ứng dụng các kỹ thuật tính toán thông minh để giải quyết bài toán phức tạp.

Bản thảo này trình bày tổng quan về môn học Tính toán mềm (Soft Computing), một lĩnh vực công nghệ quan trọng được thiết kế để giải quyết các bài toán kỹ thuật phức tạp, không tuyến tính và có chứa dữ liệu không rõ ràng hoặc không chắc chắn. Môn học bắt đầu bằng việc giới thiệu định nghĩa, vai trò và lịch sử hình thành của tính toán mềm, phân biệt rõ ràng với tính toán cứng truyền thống. Các thành phần chính của tính toán mềm được làm rõ, bao gồm Logic mờ (Fuzzy Logic), Mạng nơ rôn nhân tạo (Neural Networks), Thuật toán tối ưu tiến hóa (Evolutionary Algorithms), lập luận xác suất, Machine Learning và các hệ lai (Hybrid Computing). Trọng tâm của môn học là trang bị cho người học khả năng sử dụng các kỹ thuật này. Cụ thể, nội dung sẽ đi sâu vào các thuật toán tối ưu gián tiếp và thuật toán tối ưu tiến hóa, vốn là những công cụ mạnh mẽ để tìm kiếm giải pháp tối ưu trong không gian rộng lớn. Đồng thời, Logic mờ được nghiên cứu kỹ lưỡng để xử lý thông tin không chính xác và không đầy đủ. Tính toán mềm đã chứng tỏ giá trị ứng dụng rộng rãi trong Trí tuệ nhân tạo (AI), Phân tích dữ liệu lớn (Big Data) và Học máy (Machine Learning), bao gồm cả Mạng nơ-ron sâu (Deep Learning). Mục tiêu cuối cùng là giúp sinh viên không chỉ nắm vững lý thuyết mà còn có thể áp dụng hiệu quả các công cụ này để đưa ra các quyết định thông minh và giải quyết các vấn đề thực tiễn trong các môi trường động và bất định.