智能控制技术复习题课后答案 - 图文(13)

?0.2??0.20.2?????当输入A2和B2时，有:A2*B2?0.5??0.30.6??0.30.5 ???????0.4???0.30.4??将A2*B2矩阵展成如下列向量：(A2*B2)T??0.2T0.20.30.50.30.4?

T?0.20.20.20.20.10.1?T??最后得C2：C2??0.20.20.30.50.30.4??0.30.40.30.40.10.1

????0.30.70.30.60.10.1?? ??0.20.40.5?

0.20.40.5??,用最大隶属度法求控制输出234(2)因为Y的量化论域为{2,3,4}，所以得出C2?的清晰量u0?4

2.设需要函数的最大值，f(x)??x/2?17.5x?6

自变量x在0-31之间取整数时，若用遗传算法求解函数值的最大值，有5位二进制代码

串可组成所有染色体的基因型。随机取4个x值3, 29, 10, 22，组成初始种群，A1:00011，A2:11101，A3:01010，A4:10110；

试用二进制编码交叉方法，对第2位后的编码串进行交换，写出两个个体A1与A2交叉后得到的新个体B1与B2；A3与A4交叉得到的新个体B3与B4；如用变异的方法对编码的第4基因位进行变异，写出对个体B1，B2，B3，B4变异得到的新个体C1，C2，C3，C4; 并分别计算这12个个体的适应度和在下一代生存的期望数目。（函数f(x)作为适应度fi的计算式） 复制概率：Pi?2?ffi ；期望复制数：R?i?Mfi（M=4为种群规模）。 f?i期望复制数 0.506 0.871 1.227 1.396 解：根据题意条件可计算各项数据如下： 串号 初始种群 x值 1 2 3 4 00011 11101 01010 10110 3 29 10 22 适应度 fi (x) 54 93 131 149 复制概率Pi 0.126 0.218 0.307 0.349 进行二进制编码交叉方法，得出新个体B1，B2，B3，B4，计算各项 数据如下： 串号 初始种群 x值 1 2 3 00101 11011 01110 5 27 14 适应度 fi (x) 81 114 153 复制概率Pi 0.160 0.225 0.302 期望复制数 0.64 0.9 1.208 4 10010 18 159 0.313 1.25 用变异的方法对编码的第4基因位进行变异，得出新个体C1，C2，C3，C4； 计算各项数据如下： 串号 初始种群 x值 1 2 3 4 00111 11001 01100 10000 7 25 12 16 适应度 fi (x) 104 131 144 158 复制概率Pi 0.194 0.244 0.268 0.294 期望复制数 0.776 0.976 1.073 1.181 6、已知某RBF神经网络的结构为3-4-1，其结构如下图所示，神经网络输出层节点为线性激励函数；中间层节点激励函数为：

fi?exp(?X?aj2bj22) j=1, 2, 3, 4 。设{aj}为常量，试从两个方面描述该神经网络的学习

算法。

（1）信号从输入层向输出层的正向传递；

（2）网络期望输出值为d,误差信号的反向传播调节输出层的权值{wj}和激励函数的参数{bj}。

解：REF神经网络是三层前向神经网络，采用误差反转（BP）学习算法。

（1）信号从输入层向输出层的正向传递；对某个训练样本，输入层的输出信号与输入信号相等，即X(k)?{x1(k),x2(k),x3(k)}。

中间层节点的激励函数为REF，输出信号为Oi?fi?exp(?输出层节点的激励函数为线性函数，输出信号为

X?aj2bj22) j=1, 2, 3, 4

y??wjOj?w1O1?w2O2?w3O3?w4O4

j?44（2）网络期望输出值为d，输出层误差为E?121e?(d?y)2 22对神经网络的权系数按误差函数梯度变化的反方向进行调整，使网络的输出接近期望值。

输出层权系数的修正公式为

?bj????E?E?Oj j=1, 2, 3, 4 ????j?Oj?bj其中 ??E?E?y???(d?y)wj j=1, 2, 3, 4 ?Oj?y?Oj则有?bj??(d?j)wj?fj?bj??(d?j)wjfj(x)X?ajbj32

得到权系数与参数{bj}为

wj(k?1)?wj(k)??wj(k)?wj(k)??(d?y)Oj j=1, 2, 3, 4

b1(k?1)?b1(k)??b1(k)?b1(k)??(d?y)w1f1(x)

X?a1b132

《智能控制技术》考试试题 …… 此处隐藏：129字，全部文档内容请下载后查看。喜欢就下载吧 ……