专业英语课文翻译(课堂讲解部分整理汇总)

P2U7B
Artificial Netural Network 络
第二部分第七单元课文B
人工神经网
所有的自然神经元 都有树突、体细胞、轴 突和神经键4个基本部 分。基本上，一个生物 神经元从其它来源获得 输入，将之以一定方式 化合，执行针对结果的 通常是非线性的操作， 然后输出最后的结果。 如图表示了一个简单的 生物神经元及其四部分 之间的关系。
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
另外，为了控制复杂系统，有效处理复杂计算的问题也是研究 的领域之一；传统控制中其还在研究者关心之外，而当尝试控 制复杂系统时，很明显它已经是一个中心的问题。 此时正适合给智能控制中的智能一词作概要的说明。我 们注意到“智能”的精确定义已经不为人类所知数千年了。最 近这个问题以引起多个学科的注意，如心理学、哲学和生物学， 当然还有人工智能（AI）；注意AI被定义为使用计算模型实现 智能的研究。对于什么构成了智能还没有一致的意见。关于广 泛使用的智商测验的讨论表明我还远未理解这个问题。在这个 报告中我们也未尝试给智能下一个全面的定义。取而代之，我 们介绍和讨论了几种在前面提及的解决复杂系统控制时表现出 可用性的智能系统的特点。 现在罗列了关于“智能控制”的一些内容。智能控制器 设想模仿人类智力，如自适应和自学习、在巨大不确定性条件 下的自计划和处理大量的数据等等，以便能有效的控制复杂过 程；
P2U7B
Artificial Netural Network
第二部分第七单元课文B
人工神经网
络
人脑最基本的单元是一种细胞，是它们使我们可以记忆、思 考和运用以往的经验来指导我们的每一个行为。这些细胞被称为 神经元，每个神经元都与大约200，000个其他神经元相连。大 脑的能力就来自于这些基本单元及其之间多样的连接。 所有的自然神经元都有树突、体细胞、轴突和神经键4个基本 部分。基本上，一个生物神经元从其它来源获得输入，将之以一 定方式化合，执行针对结果的通常是非线性的操作，然后输出最 后的结果。下图表示了一个简单的生物神经元及其四部分之间的 关系。
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
同样传统控制的诸如稳定性类的定义也必须随之修改，例如被 控过程被描述为离散时间系统模型；本文也谈到了这个问题。 在智能控制中，当研究计划系统时，如能到达性和死锁等发展 于运筹学和计算机科学领域的定义将被使用到。基于诸如预测 运算的严格数学结构被用于研究此类问题。然而，为了解决控 制问题，这些数学结构可能不太方便，他们必须提高，或者必 须发展新的方法来妥善处理这些问题。来源于计算机科学和运 筹学的技术主要是作为分析非动态系统的工具发展起来的，当 将其应用到控制时，综合这些技术来设计动态系统的实时反馈 控制律才是我们主要关心的。鉴于此讨论，我们应该清楚主要 为应用所驱动的智能控制研究含有非常重要和具有挑战性的理 论成分。但凡重大的理论跨越必先解决一些悬而未决的问题， 于是控制理论学家们被邀请来解决这些问题。这些问题虽然很 平凡，但仍需付出巨大努力才能解决。 如前所述，智能控制中的控制一词要比传统控制中的控 制一词具有更普遍的意义；其事实上也更近于日常用语中的控 制一词。由于智能控制解决了包含传统控制解决的问题在内的 更多更广泛的问题，所以提出有代表性的例子相当困难。智能 控制能够解决一些传统控制无法阐释的控制问题。
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
针对复杂系统为了在一段时间内达到控制目的，控制器必须 应对固定反馈鲁棒控制器和自适应控制器无法解决的显著的 不确定性。由于要在存在巨大的不确定性的条件下实现控制 目标，故障诊断和控制重构、自适应和自学习成为了智能控 制器重要的考虑因素。明显地，任务计划是智能控制设计的 一个重要领域。因此，智能控制是传统控制的提高。其更有 挑战性和普遍性。不断提高的控制要求需要使用不同于传统 控制典型应用的方法，这一点并不令人惊讶。智能控制领域 其实是跨学科的，它尝试将诸如控制、计算机科学和运筹学 等多个领域的理论和方法混合和扩展，使之能达到复杂系统 的控制目标。 注意，由于运筹学和计算机科学领域的理论和方法是根 据不同的需要发展而来的，通常这些理论和方法无法直接用 来解决控制问题；在非常复杂的动态系统控制器能用系统的 手段设计出来之前，这些理论和方法必须首先得到增强，并 且其与传统控制方法结合的新方法也得到发展。
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
并且因为这些智力能力被人为使人类智能重要的特征，所以 这也为智能控制使用智能这个词做了解释。当然智能控制这 个词在近些年被一些人滥用和误用，这是很不幸的。注意这 个术语既不是第一次也不是最后一次服务于某人的目的而被 使用。象诸如最优这个词被他人大量使用（或被误用）一样， 智能控制这个易被记住的词也被一些人大量使用（或误用） 乃至更多；当然一些最严重的错误甚至牵涉到“民主”这个 词！不论好坏，智能控制这个词被大量使用。一个替代性词 汇是“自治控制”。它强调一点，即在完成甚至设置控制目 标时智能控制器关注如何可以达到更高程度的自治，而非强 调达到这些目标的方法。另一方面，“智能控制”只是一个 今天看来有用的名字而已。同样地由于六十年代的“现代控 制”已经变成了主流部分，现在它也变成了“传统控制”了， 而今日所谓“智能控制”在不远的将来也就只能被称为“控 制”了。比使用的术语更重要的是定义和方法，及是否控制 领域和智能控制能够满足当今科技社会日益增长的控制需求 。 这才是真正的挑战。
x0 x1 x2 w0 Y=f(I) 传函 xn 输入 wn 权值
i i
w1
w2 求和 传函
输出路径
xn
wn 处理机
图 2-7B-ቤተ መጻሕፍቲ ባይዱ 人工神经元的基本结构
P2U7B
Artificial Netural Network 络
第二部分第七单元课文B
人工神经网
注意，多种输入用数学符号x(n)来表示。每一个输入都乘 以连接权值，这些权值用w(n)来表示。在最简情况中，对这些 乘积只进行简单的相加求和，然后馈入传函生成结果，既而输 出。 尽管所有的人工神经网络都由这个基本的模块构成，但是 这些模块间连接原理却多种多样且有所不同。
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
参考译文(Part2 UNIT 7 A)
A 传统控制与智能控制
“传统控制”这个术语是指在过去的几十年里发展起来 的用于控制以微分和差分方程表述的动态系统的理论和方法。 我们注意到在解决某些问题时仅仅使用这种数学结构表述是不 充分的。事实上，众所周知，使用微分和差分方程结构是无法 充分描述一些控制问题的。例如在研究包括离散事件的制造与 通信系统时,自治与排队论就被引入到系统的控制中。 特别是在控制领域外的大多数人的头脑中，“智能控制” 这个术语意味着控制采用诸如模糊或者神经网络等方法。许多 非科研性的文章和介绍使这个观念愈加根深蒂固。然而智能控 制并非局限于使用那些方法。事实上，根据智能控制的一些定 义并非使用了神经或模糊控制器就可以被认为是智能的。现在 存在一些控制问题无法使用传统的微分和差分方程形式来公式 化和研究。为了能够用一种系统的方法来处理这些问题，一些 众所周知的智能控制方法就被提出了。
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
例如，在轧钢厂中，传统控制器可以包括钢辊的速度（rpm） 整定器，而智能控制结构的控制器却可以包含更多，如故障 诊断和报警系统；还有决定整定器设定点的问题，这个问题 可以基于过程指令序列、经济决策、维护时间表和机器可用 性等多方面。由于这些因素在作为全局目标的产品生产过程 控制中起着各自的作用，所以其必须被考虑到。 智能控制和传统控制的另一个区别在于控制器和被控系 统的分离。在传统控制中的被称为设备的被控系统通常是独 立和区别于控制器的。在给定设备且不变的情况下，控制器 由设计人员来设计；注意最近关于坐标系统设计和控制在诸 如空间结构和化学工艺等领域被报道，同样某种设计的改变 导致系统更加易于控制。在智能控制中设备和控制器可能没 有明显的分离；控制律可能被嵌入而成为被控系统的一部分。 这开辟了新的机遇和挑战，因为它可能影响到用更系统的方 法来进行过程的设计。 除传统控制外，智能控制还包括如自计划、自学习、搜 索算法、混合系统、故障诊断和重构、自治、Petri网、神经 网络和模糊逻辑等相关研究领域。
P2U7B
Artificial Netural Network 络
第二部分第七单元课文B
人工神经网
Part2 UNIT 7 B 人工神经网络
人工神经网络是近似模仿人类大脑的一种系统。这个领 域有很多术语，例如连接机制、并行分布处理、神经计算、 自然智能系统、机器学习算法和人工神经网络。这是一种通 过使用专门的硬件或者高度复杂的软件来仿真的尝试，多层 次的单一处理单元称为神经元。每个神经元都以不同权值的 连通性与其邻居们相连，这里的权值代表着这种连接的强度。 通过调节这些连接的强度使整个网络输出合适的结果，从而 完成了自学习。 神经元 神经元是仿人脑结构建模的神经网络最基本的单元。一 些神经网络结构与大脑并不相近而且也没有大脑与之对应的 部分。然而，神经网络与大脑有很大的相似，因此从神经科 学中借用了大量的术语。
层
在生物学上，神经网络是由微小的单元在三维空间建立起 来的。这些神经元好像能够几乎无限制的相互连接。这在任何 人造网络中都是不现实的。人工神经网络是简单的人工神经元 的简单聚类。这种聚类表现在彼此连接的层的建立上。这些层 的连接也很多样。大体上说，所有的人工神经网络都有相似的 拓扑结构。一些神经元作为接口与外界相连从而接收输入，另 一些神经元将网络的输出提供给外界。所有剩下的神经元则隐 而不见。
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
传统控制与智能控制有明显区别，对此本文将在下文中描 述。我们应该记住一点，就是智能控制使用了传统控制方法来 解决一些“低层的”控制问题，所以传统控制也包含在智能控 制领域内的。智能控制尝试着发展和增强传统控制方法以解决 新的具有挑战性的控制问题。 “智能控制”中的控制一词与“传统控制”中的控制一 词相比有所不同，并且拥有更广泛的内涵。首先，其关心的方 法更广泛且可描述，例如使用离散事件系统模型或者微分差分 方程模型，再或者二者兼有之。由此引领了混合控制系统理论 的发展，即通过使用离散序列体系来研究连续动态过程的控制。 此外，智能控制还顾及更加广泛的方法，而能控制的目标也更 加广泛。例如，“更换卫星上的部件A”对于空间机械手控制 器来说就是一个普遍性的任务；这个任务可以分成许多的子任 务，其中的几个可能包含如“跟随特定轨迹”此类问题，而这 种问题恰可用传统控制方法来解决。
典型神经细胞的4部分
树突：接收输入
体细胞：处理输入
轴突： 将处理过的输入转化为输 出 神经键：神经元间的电化学连接
图 2-7B-1 生物神经元
P2U7B
Artificial Netural Network 络
第二部分第七单元课文B
人工神经网
人工神经元，作为神经网络的基本单元，模拟了自然神 经元的四个基本功能。人工神经元要比生物神经元简单的多； 下图为人工神经元的基本结构。 I=∑w x 总和
P2U7A Conventional and Intelligent Control
第二部分第七单元课文A 传统控制与智能控制
我愿以乐观的语调来结束这篇概述；而且也的确有许多乐 观的理由。这确实是控制领域一段极好的时光。我们正在扩展 我们的视野，建立远大的目标，打开新局面，迎接新挑战，我 们正瞥见那令人兴奋且有前途的未来。