《智能控制》剖析

1、_/到H鶴邸網(wǎng)絡(luò)輸出Yp*神經(jīng)網(wǎng)緡！西南大學(xué)網(wǎng)絡(luò)與繼續(xù)教育學(xué)院課程考試試題卷類別：網(wǎng)教專業(yè)：電氣工程及其自動化2016年12月課程名稱【編號】；，智能控制【1085】A卷大作業(yè)滿分：100分一、試分析有導(dǎo)師學(xué)習(xí)和無導(dǎo)師學(xué)習(xí)算法的不同之處，并分別舉例說明。（20分）答：目前神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法有多種，按有無導(dǎo)師分類，可分為有導(dǎo)師學(xué)習(xí)（SupervisedLearning）、無導(dǎo)賺學(xué)習(xí)（UnsupervisedLearning.）和再勵學(xué)習(xí)在有導(dǎo)師的學(xué)習(xí)方式中，網(wǎng)絡(luò)的輸出和期望的輸出（即導(dǎo)師信號）進(jìn)行比較，然后在無導(dǎo)師的學(xué)習(xí)方式中，輸入模式進(jìn)入網(wǎng)絡(luò)后，網(wǎng)絡(luò)按照一預(yù)先設(shè)定的規(guī)則（如競爭規(guī)則）自動調(diào)整權(quán)

2、值，使網(wǎng)絡(luò)最終具有模式分類等功能。再勵學(xué)習(xí)是介于上述兩者之間 i 7 r w,b-， , T ,* *的一種學(xué)習(xí)方式Q圖無導(dǎo)師指導(dǎo)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)最基本的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法：1、Hebb學(xué)習(xí)規(guī)則Hebb學(xué)習(xí)規(guī)則是一種聯(lián)想式學(xué)習(xí)算法6生物學(xué)家D.O.Hebbian基于對生物學(xué)和心理學(xué)的研究,認(rèn)為兩個神經(jīng)元同時處于激發(fā)狀態(tài)時,:它們之間的連接強(qiáng)度將得到加強(qiáng),這一論述的數(shù)學(xué)描述被稱為Hebb學(xué)習(xí)規(guī)則，即二、遺傳算法有哪些基本運行參數(shù)，其值一般設(shè)為多少？(20分）基本遺傳算法的運行參數(shù)其中,Wij(k)為連接從神經(jīng)元i到神經(jīng)元j的當(dāng)前權(quán)值*li和Ij為神經(jīng)元的激活有下述4個運行參數(shù)需要提前設(shè)定:水平。He

3、bb學(xué)習(xí)規(guī)則是一種無導(dǎo)師的學(xué)習(xí)方法,它只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此，這種方法又稱為相關(guān)學(xué)習(xí)或并聯(lián)學(xué)習(xí)。2>Delta(3)學(xué)習(xí)規(guī)則假設(shè)誤差準(zhǔn)則函數(shù)為:E其中,P,2Pr（dpyp）ep2pl.pidp代表期望的輸出（導(dǎo)師信號）yp為網(wǎng)絡(luò)的實際輸出，yfWTX;P(p)W為網(wǎng)絡(luò)所有權(quán)值組成的向量，即即言體中所含個體的數(shù)量遺傳算法的終止進(jìn)化鈉，f取為：LOO500;取9.4099;變異微奉取P000010.1.神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的目的是通過調(diào)整權(quán)值W,使誤差準(zhǔn)則函數(shù)最小9權(quán)值的調(diào)整采用梯WwO,wl,wXp為輸入模式:TXpl,Xpn其中訓(xùn)練樣本數(shù)為p12J。度下降法來實現(xiàn)，其基本思

4、想是沿著E的負(fù)梯度方向不斷修正W值，直到E達(dá)到最小。三、專家系統(tǒng)與專家控制有何區(qū)別？(20分)答：專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別:(1)專家系統(tǒng)能完成專門領(lǐng)域的功能，輔助用戶決策；專家控制能進(jìn)行獨立的、實時的自動決策。專家控制比專家系統(tǒng)對可靠性和抗干擾性有著更高的要求。(2)專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求在線工作方式6四、請舉例說明有哪些典型的神經(jīng)網(wǎng)路？(20分)答:(1)單神經(jīng)元網(wǎng)絡(luò)單神經(jīng)元模型數(shù)學(xué)表達(dá)式為:圖1中:鬻為神經(jīng)元的內(nèi)部狀態(tài)，W為表示從單元uj到單元Uii為閾值,的連接充Xj為輸入信號，j5nSi為外部輸入信號21圖1單神經(jīng)元

5、模型單神經(jīng)元模型可描述為：NetiwijxjSiiJUif(Neti)yig(ui)通常情況下,取g(Ui)Ui即yif(Neti)(2)BP神經(jīng)網(wǎng)絡(luò)1986年，Rumelhart等提出了誤差反向傳播神經(jīng)網(wǎng)絡(luò),簡稱BP網(wǎng)絡(luò)CBackPropagation)該網(wǎng)絡(luò)是種單向傳播的多以前向網(wǎng)絡(luò)。誤差反向傳播的BP算法簡稱BP算法，其基本思想是梯度下降法它采用梯度搜索技術(shù),以期使網(wǎng)絡(luò)的實際輸出值與期望輸出值的誤差均方值為最小。BP網(wǎng)絡(luò)特點C1)是一種多層網(wǎng)絡(luò),包括輸入層、隱含層和輸出層;(2)層與層之間采用全互連方式，同一層神經(jīng)元之間不連接;(3)權(quán)值通過6學(xué)習(xí)算法進(jìn)行調(diào)節(jié);(4)神經(jīng)元激發(fā)函數(shù)為S函

6、數(shù);(5)學(xué)習(xí)算法由正向傳播和反向傳播組成;(6)層與層的連接是單向的，信息的傳播是雙向的。BP網(wǎng)絡(luò)結(jié)構(gòu)量點嘴點帶森(3)BP網(wǎng)絡(luò)逼近仿真實例仿真實例F使用BP網(wǎng)絡(luò)逼近對象,神經(jīng)網(wǎng)絡(luò)采用261結(jié)構(gòu),采樣時間取1msy輸入信號為afork=l:l:1000權(quán)值W1,W2的初始值取之間的隨機(jī)值,下:%BPidentificationclearall;closeall;xite=0.50;alfa=0.05;w2=rands(6,l);w2_1=w2;w2_2=w2_1;wl=rands(2,6);wll=wl;wl2=wl;dwl=0*wl;x=0,0J;輸入.u_l=0;y.i=o；I=0,0,

7、0,0,0,01;定義隱層的6個節(jié)點的輸入Iout=0,0,0,0,0,0T;定義隱層的6各節(jié)點的輸出FI=0,0,0,0,0,01;ts=0.001;采樣時間bp網(wǎng)路逼近程序如time(k)=k*ts;u(k)=0.50*sin(3*2牛i*k笠s);y(k)=u_l八3+y_l/(l+y_l八2);forj=l:l:6I(j)=x*wl(:j)；Iout(j)=1/(I+exp(-I(j);通過S激發(fā)函數(shù)之后的6個隱層節(jié)點輸出值endyn(k)=w2,*Iout;%OutputofNNInetworks)網(wǎng)絡(luò)的輸出e(k)=y(k)-yn(k);%Errorcalculation,誤差w2

8、=w2_l+(xite坨(k)Iout+aIfo汽w2_1-w2_2);輸出層和隱層的權(quán)值算法forj=l:1:6FI(j)=exp(-I(j)/(l+exp(-O)A2；endfori=l:1:2forj=l:1:6隱層和輸入層權(quán)值算法endendwl=wl_l+dwl+alfa*(wl_l-wl_2);隱層和輸入層權(quán)值算法plot(time,dyu);xla be K'time s');ylabe l('dyu');仿真結(jié)果:0 0.占,占，aIO O.l O 203 D A 。與 - D 7 oa 09limo*逼近效果圖逼近誤差%Jacobian%以下是

9、求辨識yu=O;forj=l:l:6yu=yu+w2(j)*wl(1,j)*FI(j);enddyu(k)=yu;x(l)=u(k);x(2)=y(k);wl2=wll;wll=wl;w2_2=w2_1;w2_1=w2;u_l=u(k);y二y(k)；endfigure(1);plot(time,y/r,time,yn/b,);xlabel('times');ykibeK'yandyn);figure(2);plot(time,y-yn/r,);xlabeK'times');ylabel(errof);figure(3);-0 151i1«&#

10、171;1JC 0.10 2030 405 0E 070 8Q.9tingJacobian信息的辨識（4） RBF神經(jīng)網(wǎng)絡(luò)的我果鼻局部的步 絡(luò)的作用囪效力SRBF網(wǎng)絡(luò)結(jié)構(gòu)徑向基函數(shù)(RBF-RadialBasisFunction)神經(jīng)網(wǎng)絡(luò)是由J.Moody和C.Darken在80年代末提出的一種神經(jīng)網(wǎng)絡(luò)，它是具有單隱層的三層前饋網(wǎng)絡(luò)。由于它模擬了人腦中局部調(diào)RBF網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò)，由于輸入到輸出的映射是非線性的，而隱含層空間RBF網(wǎng)絡(luò)整、相互覆蓋接收域（或稱感受野-Receptive：Field）的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，因此,到輸出空間的映射是線性的，從而可以大大加快學(xué)習(xí)速度并避免局部極小問題。是一種局部逼近網(wǎng)絡(luò),已證明它能任意精度逼近任意連續(xù)函數(shù)。TP>r*、一<,.Ia五、解釋題（請在以下三個名詞解釋中選擇2個作答）（2。分）1、恒值模糊控制系統(tǒng)：系統(tǒng)的指令信號為恒定值，通過模糊控制器消除外界對系統(tǒng)的擾,如溫度模糊動作用，使系統(tǒng)的輸出跟蹤輸入的恒定值。也稱為“自鎮(zhèn)