智能控制技术复习题课后答案 - 图文(5)

~~B then C”所决定的二元模糊关系为：

~~T1~~R?A?B?C

??第五章

1、简述人工神经元模型的基本原理

答：人工神经元是一个多输入单输出的非线性器件。它是根据人脑神经元的结构设计而成；常用一阶微分方程来描述，

n??ui??wijxj??ij?1??y?f(u)i?i(5?1)

式中，ui(i=1,2,...,m)为神经元i的内部状态；θi为阈值；xi为输入信号；wij表示输入与神经元连接的权值；si表示外部输入的控制信号；f(?)表示神经元输入与输出的对应关系，又称激活函数，用于模拟生物神经元的非线性传递特性。

2、人工神经网络的常用学习方法有哪些？试推到出Q学习规则。

答：有教师学习、无教师学习、再励学习；Q学习规则：

? 假设下列误差准则函数

? 式中，dp代表期望的输出(教师信号)，yp=f(WXp)为网络的实际输出，W是权值向量

? Xp为输入模式：Xp=(x1,x2,...,xn)T，训练样本数p=1,2, ..., M。

? 问题是如何调整权值W，使准则函数最小。可用梯度下降法来求解，基本思想是延着E的负梯度方向不断修正W值，直到E达到最小，这种方法的数学表达式为 ?E

? W的修正规则为

?W??(?? 其中

?E??W?p?1M?W?Ep)(5?8)?W(5?9)Ep?1(dp?yp)22(5?10)? 用θp表示WXp,则有

?Ep?Ep??p?Ep?yp??Xp??(dp?yp)f?(?p)Xp?W??p?W?yp??p?W???(dp?yp)f?(?p)Xpp?1M(5?11)(5?12) 3、前馈神经网络和反馈神经网络各有什么特点？

答：前馈神经网络的特点：（1）各神经元只接收前一层的输出作为自己的输入，并且将其输

出给下一层，整个网络中没有反馈。（2）是一个很强的学习能力系统。（3）具有复杂的非线性处理能力等

反馈神经网络的特点：（1）每个节点只有一个输入和输出（2）是一种反馈动力学系统（3）具有联想记忆的功能等。

4、BP学习算法的计算步骤

答：给定输入向量和目标输出、求隐含层、输出层各节点输出、求目标值与实际输出的偏差、计算反向误差、权值学习

5、ＰＩＤ神经网络的网络结构并推导其学习算法

答：PID神经网络是三层前向神经网络，具有非线性特性。它是将PID控制规律融入神经网络构成的，隐含层节点分别为比例(P)、积分(I)、微分(D)单元， PID神经网络采用反向传播(BP)学习算法：

?E? (1)隐含层至输出层权值调整算法： wj(k?1)?wj(k)??2(5?51)?wj

?E?E?x?E?y?x?y????e(k)q(k)(5?52)? 式中， j ?y? ? x 用符号函数近似代替。

y(k)?y(k?1)?j(k)?e(k)sgnx(k)?x(k?1)wj(k?1)?wj(k)??2?j(k)qj(k)?wj?x?wj?y?x?wj?x(5?55)(5?56)? 则有

? (2)输入层至隐含层权值调整算法：

wij(k?1)?wij(k)??1?E?wij(5?57)(5?61)(5?62)? 最终可得到：

q(k)?qj(k?1) ?ij(k)???j(k)sgnjwj(k)

zj(k)?zj(k?1)wij(k?1)?wij(k)??1?j(k)ui(k)6、人工神经网络有哪些主要的结构特征？

（1）并行处理；（2分）（2）信息分布式存储；（2分）容错性。（1分）

7、神经网络应具备的四个基本属性是什么？

1）并行分布式处理2）非线性处理 3）自学习功能 4）可通过硬件实现并行处理

8、简述误差反向传播学习算法的主要思想

误差反传算法的主要思想是把学习过程分为两个阶段（1分）：第一阶段（正向传播过程）给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值（2分）；第二阶段（反向过程），若在输出层未能得到期望输出值，则逐层递归的计算实际输出与期望输出之差值（误差）以便根据此差值调节权值。

9、简述前向(多层)神经网络的结构并画出结构图。

前向(多层)神经网络具有递阶分层结构,由一些同层神经元间不存在互连的层组成。从输入层至输出层的信号通过单向连接流通；神经元从一层连接至下一层,不存在同层神经元

间的连接,如图所示。前向(多层)神经网络具有形式，如：多层感知器、BP网络、RBF网络等。

前向(多层)神经网络

10、简述神经网络的发展历程。

神经网络的发展历程经过4个阶段。

（1 ）启蒙期（1890-1969年）( 1分) （2 ）低潮期（1969-1982）( 1分) （3） 复兴期（1982-1986）( 2分)

1982年，物理学家Hoppield提出了Hoppield神经网络模型，该模型通过引入能量函数，实现了问题优化求解，1984年他用此模型成功地解决了旅行商路径优化问题(TSP)。

在1986年，在Rumelhart和McCelland等提出了一种著名的多层神经网络模型，即BP网络。该网络是迄今为止应用最普遍的神经网络。 （4） 新连接机制时期（1986-现在）( 1分)

11、简述神经网络具备的特征。

（1）能逼近任意非线性函数；( 1分)

（2）信息的并行分布式处理与存储；( 1分) (3) 可以多输入、多输出；( 1分)

（4）便于用超大规模集成电路或光学集成电路系统实现，或用现有的计算机技术实现；( 1分)

（5）能进行学习，以适应环境的变化。( 1分)

12、简述BP基本算法的优缺点。

BP网络的优点为：

（1）只要有足够多的隐层和隐层，BP网络可以逼近任意的非线性映射关系； (2) BP网络的学习算法属于全局逼近算法，具有较强的泛化能力；

（3）BP网络输入输出之间的关联信息分布地存储在网络的连接权中，个别神经元的损坏对输入输出关系有较小的影响，因而BP网络具有较好的容错性。 BP网络的主要缺点为：

（1）待寻优的参数较多，收敛速度较慢；

(2)目标函数函数存在多个极值点，按梯度下降法进行学习，很容易陷入局部极小值； （3）难以确定隐层和隐层节点的数目。

13、.简述RBF神经网络和BP神经网络的主要区别。

RBF神经网络的学习过程和BP神经网络的学习过程类似，二者的主要区别在于各使用不同的作用函数。BP神经网络中隐层使用的Sigmoid是函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络（２分）；而RBF神经网络的作用函数是高斯函数，其值在输入空间中有限的范围内为非零值，因而是一种局部逼近的神经网络（２分），采用RBF神经网络可大大加快学习的速度，适合于实时控制的要求。（１分）

第七章

1、遗传算法主要应用于哪些领域？

答：遗传算法的主要应用领域：函数优化；组合优化；生产调度问题；自动控制；机器人智能控制；图像处理和模式识别；人工生命；机器学习；遗传程序设计。 2、简述遗传算法的基本原理。

答：遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体

中，按所选择的适应函数并通过遗传中的复杂、交叉及变异对个体进行筛选，使适应高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，知道满足一定的条件。 3、遗传算法编码的原则和方法是什么？

答：编码原则：(1)有意义基因块编码原则。(2)最小字符集编码原则。 在处理实际问题时，必须对编码方法、交叉运算方法、变异运算方法、解码方法等统筹考虑，以便对问题求解简便，寻求遗传运算效率最高的编码方法。

编码方法：二进制编码方法、格雷码编码方法、实数编码、多参数编码 4、适应度 …… 此处隐藏：2110字，全部文档内容请下载后查看。喜欢就下载吧 ……