智能控制(神经网络)-作业
(完整版)智能控制题目及解答
智能控制题目及解答第一章绪论作业作业内容1.什么是智能、智能系统、智能控制?2.智能控制系统有哪几种类型,各自的特点是什么?3.比较智能控制与传统控制的特点.4.把智能控制看作是AI(人工智能)、OR(运筹学)、AC(自动控制)和IT(信息论)的交集,其根据和内涵是什么?5.智能控制有哪些应用领域?试举出一个应用实例,并说明其工作原理和控制性能.1 答:智能:能够自主的或者交互的执行通常与人类智能有关的智能行为,如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力,即像人类那样工作和思维。
智能系统:是指具有一定智能行为的系统,对于一定的输入,它能产生合适的问题求解相应。
智能控制:智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科,它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。
是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。
2 答:(1)人作为控制器的控制系统:人作为控制器的控制系统具有自学习、自适应和自组织的功能。
(2)人—机结合作为作为控制器的控制系统:机器完成需要连续进行的并需快速计算的常规控制任务,人则完成任务分配、决策、监控等任务。
(3)无人参与的自组控制系统:为多层的智能控制系统,需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务.3 答:在应用领域方面,传统控制着重解决不太复杂的过程控制和大系统的控制问题;而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。
在理论方法上,传统控制理论通常采用定量方法进行处理,而智能控制系统大多采用符号加工的方法;传统控制通常捕获精确知识来满足控制指标,而智能控制通常是学习积累非精确知识;传统控制通常是用数学模型来描述系统,而智能控制系统则是通过经验、规则用符号来描述系统。
在性能指标方面,传统控制有着严格的性能指标要求,智能控制没有统一的性能指标,而主要关注其目的和行为是否达到。
人工智能控制技术课件:神经网络控制
例如,在听觉系统中,神经细胞和纤维是按照其最敏感的频率分
布而排列的。为此,柯赫仑(Kohonen)认为,神经网络在接受外
界输入时,将会分成不同的区域,不同的区域对不同的模式具有
不同的响应特征,即不同的神经元以最佳方式响应不同性质的信
号激励,从而形成一种拓扑意义上的有序图。这种有序图也称之
,
,
⋯
,
)
若 输 入 向 量 X= ( 1
, 权 值 向 量
2
W=(1 , 2 , ⋯ , ) ,定义网络神经元期望输出 与
实际输出 的偏差E为:
E= −
PERCEPTRON学习规则
感知器采用符号函数作为转移函数,当实际输出符合期
望时,不对权值进行调整,否则按照下式对其权值进行
单神经元网络
对生物神经元的结构和功能进行抽象和
模拟,从数学角度抽象模拟得到单神经
元模型,其中 是神经元的输入信号,
表示一个神经元同时接收多个外部刺激;
是每个输入所对应的权重,它对应
于每个输入特征,表示其重要程度;
是神经元的内部状态; 是外部输入信
号; 是一个阈值(Threshold)或称为
第三代神经网络:
2006年,辛顿(Geofrey Hinton)提出了一种深层网络模型——深度
置信网络(Deep Belief Networks,DBN),令神经网络进入了深度
学习大发展的时期。深度学习是机器学习研究中的新领域,采用无
监督训练方法达到模仿人脑的机制来处理文本、图像等数据的目的。
控制方式,通过神经元及其相互连接的权值,逼近系统
智能控制(神经网络)-作业
智能控制作业学生姓名: 学号: 专业班级:(一)7-2 采用BP网路、RBF网路、DRNN网路逼近线性对象, 分别进行matlab 仿真。
(二)采用BP网络仿真网络结构为2-6-1。
采样时间1ms, 输入信号, 权值的初值随机取值, 。
仿真m文件程序为:%BP simulationclear all;clear all;xite=0.5;alfa=0.5;w1=rands(2,6); % value of w1,initially by randomw1_1=w1;w1_2=w1;w2=rands(6,1); % value of w2,initially by randomw2_1=w2;w2_2=w2_1;dw1=0*w1;x=[0,0]';u_1=0;y_1=0;I=[0,0,0,0,0,0]'; % input of yinhanceng cellIout=[0,0,0,0,0,0]'; % output of yinhanceng cellFI=[0,0,0,0,0,0]';ts=0.001;for k=1:1:1000time(k)=k*ts;u(k)=0.5*sin(3*2*pi*k*ts);y(k)=(u_1-0.9*y_1)/(1+y_1^2);for j=1:1:6I(j)=x'*w1(:,j);Iout(j)=1/(1+exp(-I(j)));endyn(k)=w2'*Iout; %output of networke(k)=y(k)-yn(k); % error calculationw2=w2_1+(xite*e(k))*Iout+alfa*(w2_1-w2_2); % rectify of w2for j=1:1:6FI(j)=exp(-I(j))/(1+exp(-I(j))^2);endfor i=1:1:2for j=1:1:6dw1(i,j)=e(k)*xite*FI(j)*w2(j)*x(i); % dw1 calculation endendw1=w1_1+dw1+alfa*(w1_1-w1_2); % rectify of w1% jacobian informationyu=0;for j=1:1:6yu=yu+w2(j)*w1(1,j)*FI(j);enddyu(k)=yu;x(1)=u(k);x(2)=y(k);w1_2=w1_1;w1_1=w1;w2_2=w2_1;w2_1=w2;u_1=u(k);y_1=y(k);endfigure(1);plot(time,y,'r',time,yn,'b');xlabel('times');ylabel('y and yn');figure(2);plot(time,y-yn,'r');xlabel('times');ylabel('error');figure(3);plot(time,dyu);xlabel('times');ylabel('dyu');运行结果为:(三)采用RBF网络仿真网路结构为2-4-1, 采样时间1ms, 输入信号, 权值的初值随机取值, , 高斯基函数初值, 。
智能控制课后习题
作业11 简述智能控制的概念。
定义一: 智能控制是由智能机器自主地实现其目标的过程。
定义二:K.J.奥斯托罗姆则认为,把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟,并用于控制系统的分析与设计中,以期在一定程度上实现控制系统的智能化,这就是智能控制。
定义三: 智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制,也是用计算机模拟人类智能的一个重要领域。
2 智能控制由哪几部分组成?各自的特点是什么?智能控制由人工智能、自动控制、运筹学组成。
人工智能是一个知识处理系统,具有记忆、学习、信息处理、形式语言、启发推理等功能。
自动控制描述系统动力学特性,是一种动态反馈。
运筹学是一种定量优化的方法。
如线性优化,网络规划,调度管理,优化决策和多目标优化的方法等等。
3 比较智能控制和传统控制的特点?1)传统控制方法在处理复杂性、不确定性方面能力低而且有时丧失了这种能力,智能控制在处理复杂性、不确定性方面能力高2)传统控制是基于被控对象精确模型的控制方式,可谓“模型论”智能控制是智能决策论,相对于“模型论”可称为“控制论”3)传统的控制为了控制必须建模,而利用不精确的模型又采用摸个固定控制算法,使整个的控制系统置于模型框架下,缺乏灵活性,缺乏应变性,因此很难胜任对复杂系统的控制智能控制的可信是控制决策,次用灵活机动的决策方式迫使控制朝着期望的目标逼近。
4)传统控制适用于解决线性、时不变等相对简单的的控制问题智能控制是对传统控制理论的发展,传统控制室智能控制的一个组成部分,是智能控制的低级阶段。
4 智能控制有哪些应用领域?试举出一个应用实例。
应用领域:模糊系统、神经网络、专家控制、工业想、系统、电力系统、机器人等其他领域的控制。
应用实例:模糊控制的交流伺服系统作业21.在完成上次作业的基础上,进一步细化,给出使用智能控制的必要性 ,以及智能控制结果的验证比较方法;传统控制方法包括经典控制和现代控制,是基于被控对象精确模型的控制方式,缺乏灵活性和应变能力,只适用于解决线性、时不变线等相对简单的控制问题。
智能控制——神经网络控制1
人工神经元模型的输入输出关系
神经元输入输出之间的关系:
nห้องสมุดไป่ตู้
∑ s j = Wij xi −θ j i yj = f (sj )
转换函数的作用
z 1、控制输入对输出的激活作用; z 2、使神经元具有非线性变换的能力;
几种常用的转换函数
1、阀值型(硬限制型) 2、线性型 3、S型函数(Sigmoid) 4、辐射基函数
1. 神经元分层排列,可有多层 2. 同层神经元之间无连接 3. 信息流方向:由入到出 是应用最为广泛的网络结构 感知器(perceptron即为此)
2、回归神经网络(recurrent
neural network)
1): 全反馈网络
Inner recurrent neural network
回归网络特点
关于突触: •神经元对信息的接受和传递都是通过突触来进行的。 •每个神经元平均的突触数目可能有1.5—3万个左右。 •多个神经元以突触联接形成了一个神经网络。
神经元的兴奋与抑制
在抑制状态,细胞膜内外之间有内负外正的电位差,这个电位差大 约在-50—--100mv之间。在兴奋状态,则产生内正外负的相反电位 差,这时表现为约60—100mv的电脉冲。细胞膜内外的电位差是由 膜内外的离子浓度不同导致的。细胞的兴奋电脉冲宽度一般大约为 1ms。
z 神经元之间的连接强度决定信号传递的 强弱;
z 神经元之间的连接强度是可以随训练改 变的;
3.1.2 人工神经网络
z 人工神经元模型 (Artificial Neuron model)
z 人工神经网络的几种结构 (structure of ANN)
z 人工神经网络的学习 (learning or training of ANN)
智能控制习题答案解析
第一章绪论1. 什么是智能、智能系统、智能控制?答:“智能”在美国Heritage词典定义为“获取和应用知识的能力”。
“智能系统”指具有一定智能行为的系统,是模拟和执行人类、动物或生物的某些功能的系统。
“智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素,使之具有某种智能性;也是基于认知工程系统和现代计算机的强大功能,对不确定环境中的复杂对象进行的拟人化管理。
2.智能控制系统有哪几种类型,各自的特点是什么?答:智能控制系统的类型:集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系统、学习控制系统等。
各自的特点有:集散控制系统:以微处理器为基础,对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。
该系统将若干台微机分散应用于过程控制,全部信息通过通信网络由上位管理计算机监控,实现最优化控制,整个装置继承了常规仪表分散控制和计算机集中控制的优点,克服了常规仪表功能单一,人机联系差以及单台微型计算机控制系统危险性高度集中的缺点,既实现了在管理、操作和显示三方面集中,又实现了在功能、负荷和危险性三方面的分散。
人工神经网络:它是一种模范动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。
专家控制系统:是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
可以说是一种模拟人类专家解决领域问题的计算机程序系统。
多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。
这种结构的特点是:1.上、下级是隶属关系,上级对下级有协调权,它的决策直接影响下级控制器的动作。
2.信息在上下级间垂直方向传递,向下的信息有优先权。
同级控制器并行工作,也可以有信息交换,但不是命令。
智能控制习题
智能控制习题⼀、填空题(每空1分,共20分)1.控制论的三要素是:信息、反馈和控制。
2.传统控制是经典控制和现代控制理论的统称。
3.智能控制系统的核⼼是去控制复杂性和不确定性。
4.神经元(即神经细胞)是由细胞体、树突、轴突和突触四部分构成。
5.按⽹络结构分,⼈⼯神经元细胞可分为层状结构和⽹状结构按照学习⽅式分可分为:有教师学习和⽆教师学习。
6.前馈型⽹络可分为可见层和隐含层,节点有输⼊节点、输出节点、计算单元。
7.神经⽹络⼯作过程主要由⼯作期和学习期两个阶段组成。
⼆、判断题:(每题1分,共10分)1.对反馈⽹络⽽⾔,稳定点越多,⽹络的联想与识别能⼒越强,因此,稳定点的数据⽬越多联想功能越好。
(错)2.简单感知器仅能解决⼀阶谓词逻辑和线性分类问题,不能解决⾼阶谓词和⾮线分类问题。
(对)3. BP算法是在⽆导师作⽤下,适⽤于多层神经元的⼀种学习,它是建⽴在相关规则的基础上的。
(错)4.在误差反传训练算法中,周期性函数已被证明收敛速度⽐S型函数慢。
(错)5.基于BP算法的⽹络的误差曲⾯有且仅有⼀个全局最优解。
(错) 6.对于前馈⽹络⽽⾔,⼀旦⽹络的⽤途确定了,那么隐含层的数⽬也就确定了。
(错)7.对离散型HOPFIELD⽹络⽽⾔,如权矩阵为对称阵,⽽且对⾓线元素⾮负,那么⽹络在异步⽅式下必收敛于下⼀个稳定状态。
(对)8.对连续HOPFIELD⽹络⽽⾔,⽆论⽹络结构是否对称,都能保证⽹络稳定。
(错)9.竞争学习的实质是⼀种规律性检测器,即是基于刺激集合和哪个特征是重要的先验概念所构造的装置,发现有⽤的部特征。
(对)10.⼈⼯神经元⽹络和模糊系统的共同之处在于,都需建⽴对象的精确的数学模型,根据输⼊采样数据去估计其要求的决策,这是⼀种有模型的估计。
(错)三、简答题(每题5分,共30分)1.智能控制系统有哪些类型?答:1)多级递阶智能控制 2)基于知识的专家控制3)基于模糊逻辑的智能控制——模糊控制4)基于神经⽹络的智能控制——神经控制5)基于规则的仿⼈智能控制6)基于模式识别的智能控制7)多模变结构智能控制8)学习控制和⾃学习控制9)基于可拓逻辑的智能控制——可拓控制10)基于混沌理论的智能控制——混沌控制2.⽐较智能控制与传统控制的特点?1)传统控制⽅法在处理复杂性、不确定性⽅⾯能⼒低⽽且有时丧失了这种能⼒智能控制在处理复杂性、不确定性⽅⾯能⼒⾼2)传统控制是基于被控对象精确模型的控制⽅式,可谓“模型论”智能控制是智能决策论,相对于“模型论”可称为“控制论”3)传统的控制为了控制必须建模,⽽利⽤不精确的模型⼜采⽤摸个固定控制算法,使整个的控制系统置于模型框架下,缺乏灵活性,缺乏应变性,因此很难胜任对复杂系统的控制。
人工智能概论习题答案第3章 人工神经网络作业 20210307
一、单项选择题1.人工神经网络是人工智能的三大流派思想中哪个流派的基础。
(B)A.符号主义B.连接主义(或称为仿生学派)C.行为主义D.逻辑推理主义2.以下关于感知器的说法错误的是(A)。
A.单层感知器可以解决异或问题B.感知器分类的原理是就是通过调整权重使两类不同的样本经过感知机模型后的输出不同C.单层感知器只能针对线性可分的数据集分类D.学习率可以控制每次权值调整力度3.人工神经网络的层数增加会出现梯度消失现象,其本质原因是(C)。
A.各层误差梯度相加导致B.各层误差梯度相减导致C.各层误差梯度相乘导致D.误差趋于饱和4.卷积层的主要作用是(A)A.提取图像特征B.降低输入维度C.解决梯度消失和梯度爆炸问题D.进行某种非线性变换二、多项选择题1.知识可以从以下哪几个维度来进行分类(AC)。
A.是否可统计B.是否可计算C.是否可推理D.是否可被人理解2.人工神经网络由许多神经元构成,M-P模型的主要特征包括(ABD)。
A.多输入单输出B.对输入加权求和C.具有树突和轴突D.具有激活函数3.卷积神经网络的结构主要包括(ABCD)。
A.卷积层B.池化层C.全连接层D.输入层三、判断题1.人工神经网络的层数是固定的,每层的神经元个数是不固定的(错)2.BP神经网络的误差是从前往后传播的(错)3.卷积神经网络的层数一般超过三层(对)四、简答题1.感知机是如何实现从数据中学习的?答:通过训练数据得到误差,再根据误差来调整权值,让再次计算训练数据得到的误差减小,最终达到无误差。
这时候得到的权值就称为学习到关于这些数据的知识。
2.什么是梯度,什么是梯度的方向?答:梯度就是把多元函数关于各个变量的偏导数放在一起构成的向量(也称为矢量)。
梯度方向表示当函数的各个变量都按照各自偏导数的比例进行增加时,各个增加量合起来构成的方向,是函数值变化最快的方向。
3.有A类物体和B类物体,均有两个类似的特征值。
以下有三个属于A类的样本,每个样本的特征值分别为[0.1, 1],[0.2, 0.7],[0.4, 0.8],样本标签用1表示;有三个属于B类的样本,其特征值分别为[0.8, 0.3],[0.9, 0.2],[1.0, 0.5],样本标签用0表示。
自动化概论作业——智能控制
自动化概论作业—智能控制智能控制基本概念智能控制的定义一: 智能控制是由智能机器自主地实现其目标的过程.而智能机器则定义为,在结构化或非结构化的,熟悉的或陌生的环境中,自主地或与人交互地执行人类规定的任务的一种机器.定义二: K.J.奥斯托罗姆则认为,把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟,并用于控制系统的分析与设计中,以期在一定程度上实现控制系统的智能化,这就是智能控制.他还认为自调节控制,自适应控制就是智能控制的低级体现.定义三: 智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制,也是用计算机模拟人类智能的一个重要领域.定义四: 智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律,研制具有仿人智能的工程控制与信息处理系统的一个新兴分支学科。
智能控制的特点同时具有以知识表示的非数学广义模型和以数学模型表示的混合过程,也往往是那些含有复杂性,不完全性,模糊性或不确定性以及不存在已知算法的非数学过程,并以知识进行推理,以启发引导求解过程;智能控制的核心在高层控制,即组织级;智能控制器具有非线性特性;智能控制具有变结构特点;智能控制器具有总体自寻优特性;智能控制系统应能满足多样性目标的高性能要求;智能控制是一门边缘交叉学科;智能控制是一个新兴的研究领域。
智能控制的主要技术方法智能控制是以控制理论、计算机科学、人工智能、运筹学等学科为基础,扩展了相关的理论和技术,其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论和自适应控制、自组织控制、自学习控制等技术。
专家系统专家系统是利用专家知识对专门的或困难的问题进行描述. 用专家系统所构成的专家控制,无论是专家控制系统还是专家控制器,其相对工程费用较高,而且还涉及自动地获取知识困难、无自学能力、知识面太窄等问题. 尽管专家系统在解决复杂的高级推理中获得较为成功的应用,但是专家控制的实际应用相对还是比较少。
神经网络作业
机器学习,是人工智能的一个子领域,主要关注于开发一些蠩计算机可以自动“学习”的技术。
更堷体说,机器学习是一种用于创建数据順分析分析程序的方法。
机器学习跟统计学有着重要的关系,因为这两个领域都栯研究数据分析,但是又不像统计学,栺器学习关注的是计算实现的算法复杂堦。
很多推论问题属于无程序可循难度,所以部分的机器学习研究是开发容栓处理的近似算法。
机器学习已经有亠十分广泛的应用例如搜索引擎、诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音识别和手写识别识别、战略游戏和机器人运用。
第五讲机器学习机器学习就是计算机自动获取知识,它是知识工程的三个分支(使用知识、知识表示、获取知识)之一。
5.1 研究机器学习的必要性和可行性人工智能的概念和方法已经用于很多领域中,主要成果是专家系统、自然语言理解、计算机视觉和听觉、推理系统的研究。
当前人工智能研究的主要障碍和发展方向之一就是机器学习,这包括发展机器学习的计算理论和构造学习系统。
现在的人工智能系统还完全没有或仅有很有限的学习能力。
人工智能系统中的知识由人工编程送入系统,知识库中错误也不能自动改正。
也就是说,现有的AI系统是演绎推理而不是归纳推理,因而不能自动获取和生成知识。
人类有能力获取新知识、学习新技巧,并在实践中改进之。
如果一个人反复犯同样的错误,就不能说他是有智能的。
学习是智能的重要一环,人工智能的研究目标之一应该是理解学习的本质和建立学习系统。
人工智能解决的问题越来越复杂,系统中的知识越来越多,这些知识包括:领域专用的事实和规则,作为常识的启发式和约束,通用的概念和理论,把如此复杂的知识送入系统是复杂的、费时的、容易出错的和需要经验的。
例如:∙建立专家系统需要有关领域的专家和知识工程师的配合。
使用机器学习技术可以简化这一过程;∙计算机视觉中包含各种视觉专用变换、几何概念和对象的物理与功能描述。
把所有这些知识送入系统中是很困难的,系统应该可以由示教实例自动生成知识。
智能控制智能控制试卷(练习题库)(2023版)
智能控制智能控制试卷(练习题库)1、简述智能控制的概念。
2、比较智能控制和传统控制的特点?3、智能控制的概念首次由著名学者()提出的。
4、经常作为智能控制典型研究对象的是()。
5、智能自动化开发与应用应当面向()。
6、不属于智能控制是()。
7、以下不属于智能控制主要特点的是()。
8、以下不属于智能控制的是()。
9、地质探矿专家系统常使用的知识表示方法为()。
10、自然语言问答专家系统使用的知识表示方法为()。
11、专家系统中的自动推理是基于O的推理。
12、适合专家控制系统的是()。
13、直接式专家控制通常由O组成。
14、产生式系统的推理方式不包括()。
15、黑板专家控制系统的组成有O16、建立专家系统,最艰难(“瓶颈”)的任务是()。
17、产生式系统包含的基本组成O18、下列概念中不能用普通集合表示的是()。
19、以下应采用模糊集合描述的是()。
20、某模糊控制器的语言变量选为实际温度与给定温度之差即误差e、误差变化率4e;以及加热装置中可控硅导通角21、在论域U中,模糊集合A的支集只包含一个点u,且OAum=I,则A称为()。
22、在模糊控制中,隶属度()。
23、在模糊控制器的推理输出结果中,取其隶属度最大的元素作为精确值, 去执行控制的方法称为()。
24、在温度模糊控制系统中,二维模糊控制器的输出是()。
25、以下的集合运算性质中,模糊集合不满足的运算性质()。
26、模糊控制方法是基于()。
27、以下应采用模糊集合描述的是()。
28、模糊隶属度函数曲线的形状可以为()。
29、某模糊控制器的语言变量选为实际水位与给定水位之差即误差e,以及调节阀门开度的变化量u,故该模糊控制器30、某一隶属度函数曲线的形状可以选为()。
31、模糊控制器的术语“正中”,可用符合O表示。
32、在模糊控制器的推理输出结果中,取其隶属度函数曲线与横坐标围成面积的重心作为输出值,去执行控制的方法称33、下列概念中不能用普通集合表示的是()。
北航智能控制神经网络控制作业
《智能控制及应用》—人工神经网络学号姓名指导老师2013-12-16目录一、设计题目 (3)二、任务解答 (3)2.1任务一解答 (3)2.1.1逻辑“与”的计算原理 (3)2.1.2感知器的学习算法 (4)2.1.3训练c++程序 (4)2.2任务二解答 (7)一、设计题目1、设计一个实现逻辑“与”的单计算层感知器,并写出其学习算法和程序。
2、紧密结合自己的专业背景、科研方向或解决问题的经历,说明人工神经网络在解决与你有关的某个工程技术问题上的应用概况。
要求:说明自己的科研或专业背景,所关注的工程技术问题,人工神经网络在该问题上的应用概况,指出采用神经网络法比传统方法的优势所在。
二、任务解答2.1任务一解答2.1.1逻辑“与”的计算原理实现逻辑“与”计算的真值表:由真值表可以看出,4个样本的输出分为两类,一类输出为0,另一类输出为1。
据此,画出逻辑“与”的运算分类图:由图可知,应用感知器学习规则进行训练得到的连接权值和阈值并不会单一,只需要保证输入输出满足真值表即可,利用符号函数对各点计算,符号函数为sgn:2.1.2感知器的学习算法感知器训练按如下步骤进行:(1)给定权初值w i (0)(较小的随机非零值,包括阈值w 0= -θ,阈值并入权W 中),学习次数k=0;(2)输入一个样本X p 和d p ,计算输出(f 为符号函数);(3)修正权 w i (k+1)= w i (k) +α(d p -y p ) x pi ,i=0,1,2,…,n ,学习率0<α<=1,用于控制修正速度;(4)选另外一组样本,k 增1,重复(2)~(4),直到w i (k+1)对一切样本均稳定不变(即dp=yp )为止。
2.1.3训练c++程序(Qt 下开发)#include <QCoreApplication> #include<QTextStream> #include<QTextCodec>double alpha=0.2; //学习率,用于控制学校速度 //根据输入得到函数输出值 int f(double w[],double x[]){ double y=0;for(int i=0;i<3;i++) y+=w[i]*x[i]; return y>=0?1:0; }//根据结果调整权值void revise(double x[],double w[],int yp,int dp){ for(int k=0;k<3;k++)w[k]+=alpha*(dp-yp)*x[k]; }int main(int argc, char *argv[]) {QCoreApplication a(argc, argv);QTextStream cout(stdout,QIODevice::WriteOnly); int i;double w[3]={0,1,1}; //阈值初试值,权值初始值 cout<<"**********************"<<endl; cout<<"**********************"<<endl;00()(1,01np i pi p p i y f w x x X ===∑设取的第个分量总为)cout<<"**********************"<<endl;cout<<"alpha="<<w[0]<<endl;cout<<"w:"<<endl;cout.setRealNumberPrecision(4);cout<<"w1="<<w[1]<<" w2="<<w[2]<<endl;cout<<"**********************"<<endl;cout<<"**********************"<<endl;double x1[3]={1,1,1}; //输入值double x2[3]={1,0,1};double x3[3]={1,1,0};double x4[3]={1,0,0};int dp[4]={1,0,0,0}; //期望输出值int yp[4]={0,0,0,0};cout<<"training....."<<endl;//周而复始的进行训练while(dp[0]!=yp[0]||dp[1]!=yp[1]||dp[2]!=yp[2]||dp[3]!=yp[3]) {yp[0]=f(w,x1);revise(x1,w,yp[0],dp[0]);yp[1]=f(w,x2);revise(x2,w,yp[1],dp[1]);yp[2]=f(w,x3);revise(x3,w,yp[2],dp[2]);yp[3]=f(w,x4);revise(x4,w,yp[3],dp[3]);}cout<<"result>>"<<endl;cout<<"**********************"<<endl;cout<<"alpha="<<w[0]<<endl;cout<<"w:"<<endl;cout.setRealNumberPrecision(4);cout<<"w1="<<w[1]<<" w2="<<w[2]<<endl;cout<<"**********************"<<endl;cout.setRealNumberPrecision(8);cout<<"--real--"<<"--hope--"<<endl;cout.setRealNumberPrecision(10);for(i=0;i<4;i++)cout<<yp[i]<<" "<<dp[i]<<endl;return a.exec();}输出结果如下图所示。
神经网络控制大作业-南航-智能控制
神经网络控制大作业-南航-智能控制-标准化文件发布号:(9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII南京航空航天大学研究生实验报告实验名称:神经网络控制器设计姓名:学号:专业:201 年月日一、题目要求考虑如下某水下航行器的水下直航运动非线性模型:()||a m m v k v v u y v++==其中v R ∈为水下航行器的前进速度, u R ∈为水下航行器的推进器推力,y R ∈为水下航行器的输出,航行器本体质量、附加质量以及非线性运动阻尼系数分别为100,15,10a m m k ===。
作业具体要求:1、设计神经网络控制器,对期望角度进行跟踪。
2、分析神经网络层数和神经元个数对控制性能的影响。
3、分析系统在神经网络控制和PID 控制作用下的抗干扰能力(加噪声干扰、加参数不确定)、抗非线性能力(加死区和饱和特性)、抗时滞的能力(对时滞大小加以改变)。
二、神经网络控制器的设计1.构建系统的PID 控制模型在Simulink 环境下搭建水下航行器的PID 仿真模型,如下图1所示:图1 水下航行器的PID 控制系统其中,PID控制器的参数设置为:K p=800,K i=100,K d=10。
需要注意的一点是,经过signal to workspace模块提取出的数据的Save format为Array格式。
2.BP神经网络控制器的训练首先将提取出的训练数据变为标准的训练数据形式,标准的训练数据分为输入和目标输出两部分。
经过signal to workspace模块提取出的数据为一个训练数据个数乘以输入(或输出)个数的矩阵,因此分别将x、u转置后就得到标准训练数据x’,u’。
然后,新建m文件,编写神经网络控制器设计程序:%----------------------------------------------------------------p=x'; %inputt=u'; %inputnet=newff(p,t,3,{'tansig','purelin'},'trainlm');net.trainparam.epochs=2500;net.trainparam.goal=0.00001;net=train(net,x',u'); %train networkgensim(net,-1); %generate simulink block%----------------------------------------------------------------上述m文件建立了如下图所示的神经网络,包含输入层、1个隐含层和输出层,各层神经元节点分别为 1、 3 和1。
智能控制技术作业2【最新】
2013年《智能控制技术技术及应用》试题姓名:刘树文学号:2013226210008教师:罗阳评分:回答以下问题。
(每题10分)1, 什么是智能和智能系统?智能是人类大脑的较高级活动的体现,它至少应具备自动地获取和应用知识的能力、思维与推理的能力、问题求解的能力和自动学习的能力。
智能系统(Intelligence system)是指能产生人类智能行为的计算机系统2, 工程领域中的复杂系统有哪些特征?为什么要在解决复杂系统相关问题时引入人工智能技术?工程领域中的复杂系统的特征有假设的多样性,因为在研究过程当中,需要作出假设,假设的对与错影响到系统的复杂性,研究制作耗时,研究一个复杂系统要很多研究人员和大量的时间;计算的复杂性,计算的复杂性是因为在某一个特定的系统的许多相互依赖的变量;动态性,系统都会有变化,每种事物都有其固有发展的规律和趋势;系统的不透明性,研究人员无法洞察系统的全貌等复杂系统相关问题上引入人工智能技术,人工智能的研究领域包括了模糊控制技术,神经网络控制技术,专家控制技术,学习控制技术,分层递阶控制技术等对复杂系统的相关问题的解决具有很好的能力。
3, 简单综述人工智能研究的现状。
人工智能的近期研究目标在于建造智能计算机,用以代替人类从事脑力劳动,即使现有的计算机更聪明更有用。
正是根据这一近期研究目标,我们才把人工智能理解为计算机科学的一个分支。
人工智能还有它的远期研究目标,即探究人类智能和机器智能的基本原理,研究用自动机(automata)模拟人类的思维过程和智能行为。
这个长期目标远远超出计算机科学的范畴,儿乎涉及自然科学和社会科学的所有学科。
在重新阐述我们的历史知识的过程中,哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。
这种努力的结果,可能导致知识的某些改善,以便能够比较容易地推断出令人感兴趣的新的真理。
人工智能研究尚存在不少问题,这主要表现在下列儿个方面:1宏观与微观隔离一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象;另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。
(完整版)西南大学1085《智能控制》作业答案
西南大学网络与继续教育学院1085 《智能控制》作业答案1、下列有关推理机说法不正确的是()A. 推理机是用于对知识库中的知识进行推理来得到结论的“思维”机构。
B. 推理机包括三种推理方式,即正向推理、反向推理和双向推理。
C. 推理机和知识库构成了专家系统D. 推理机是指专家系统中无需任何知识就能完成推理功能的组成部分。
答:d2、下列不属于知识库所包含的是()A. 基于专家经验的判断性规则。
B. 用于推理、问题求解的控制性规则。
C. 用于说明问题的状态、事实和概念以及当前的条件和常识等的数据。
D. 所涉及的领域广泛、普遍的常识和数据。
答:d3、下列不属于智能控制的特点的是()A. 自组织功能和优化能力B. 完全具有人的智能C. 学习功能D. 适应功能答:b4、下列有关智能控制的组成正确的是()A. 智能控制由人工智能,自动控制,运筹学组成。
B. 智能控制由人工智能和自动控制组成C. 智能控制由自动控制和运筹学组成D. 智能控制由运筹学和人工智能组成答:a5、下列有关智能控制的概念说法准确的是()A. 所谓智能控制,即设计一个控制器(或系统),使之具有学习、抽象、推理、决策等功能,并能根据环境(包括被控对象或被控过程)信息的变化作出适应性反应,从而实现由人来完成的任务。
B. 所谓智能控制,就是将控制系统进行智能化,使之完全具有人的智能。
C. 所谓智能控制,就是控制过程中,就是人参与控制,从而具有人的智能。
D. 所谓智能控制,就是所设计的控制系统具有很高的智能。
答:a6、下列哪位人物提出模糊集合理论,奠定了模糊控制的基础()A. 美国加州大学自动控制系的L.A.ZedehB. 伦敦大学的Mamdani博士C. 美国的J.H.Holland教授D. 著名的Hopfield教授答:a7、下列不是决定神经网络性能的要素是()A. 神经元(信息处理单元)的特性。
B. 神经元之间相互连接的形式——拓扑结构。
C. 为适应环境而改善性能的学习规则。
人工神经网络在智能控制中的应用
人工神经网络在智能控制中的应用随着科学技术的飞速发展,人类对于机器人的使用和控制越来越依赖智能控制技术,以及人工神经网络技术的发展。
人工神经网络作为智能控制领域的研究热点之一,正在逐渐得到广泛的应用。
本文将从人工神经网络的原理和分类,以及其在智能控制中的应用和发展前景等方面进行探讨。
1. 人工神经网络的原理和分类人工神经网络(Artificial Neural Network,简称ANN)是一种计算模型,其原理类似于生物神经网络。
其基本单元是神经元,神经元之间通过突触相互连接,形成复杂的神经网络。
ANN拥有自适应性、非线性和并行处理等特点,具有较强的学习和自适应能力。
根据神经元之间的连接结构和学习算法的不同,人工神经网络可以分为多种类型,如:前馈神经网络、反馈神经网络、自组织神经网络、深度神经网络等。
其中,前馈神经网络(Feedforward Neural Network)是最常用的一类神经网络,其信息从输入层到输出层单向传递。
反馈神经网络(Recurrent Neural Network)中神经元之间存在反馈连接,可对时间序列数据进行处理。
自组织神经网络(Self-Organizing Neural Network)能够通过学习自动形成特征空间,常用于聚类和分类等任务。
深度神经网络(Deep Neural Network)是一类具有多层结构的神经网络,适用于处理大量、高维的数据。
不同类型的神经网络可应用于不同的智能控制领域。
2. 智能控制技术是一种将人工智能技术应用于控制领域的技术,包括模糊控制、神经网络控制、遗传算法控制等多种控制方法。
人工神经网络作为智能控制的一种重要技术手段,在工业、制造业、交通运输、农业等领域具有广泛的应用。
在工业制造领域中,人工神经网络可用于机器故障诊断、生产质量控制、智能优化调度等任务。
例如,将ANN应用于管道泄漏检测中,通过传感器获取管道过程的压力信号和流量信号,并基于神经网络算法,实现对管道泄漏检测的自动化诊断。
智能控制基础-神经网络
第6章 神经网络控制
7
智能控制 基是神经系统结构和功能基本单位,典型的神经 元结构图4-1所示。
第6章 神经网络控制
图4-1 神经元结构 8
智能控制 基础
4.1.1
神经网络原理
视网膜的信息处理机制
光感受器细胞将光波所携带的自 然图像信息转变成神经元电信息
囊泡
受体
K+ Na+ K+
4 神经网络具有自组织、自学习功能,是自适应组 织系统。
第6章 神经网络控制
26
智能控制 基础
4.1.2
神经网络的结构和特点
神经网络的研究主要包括: 神经网络基本理论研究 神经网络模型的研究 神经网络应用研究 神经网络及其融合应用技术
第6章 神经网络控制
27
智能控制 基础
4.1.3
神经网络学习
神经元之间高度互连实现并行处理而表现出的群体特性是非常 复杂,甚至是混沌的; 3利用神经网络通过学习过程可以从周围环境获取知识,中 间 神经元的连接强度(权值)用来表示存贮的知识。
第6章 神经网络控制
20
智能控制 基础
4.1.2
神经网络的结构和特点
神经网络的结构按照神经元连接方式可分成前馈网络 和反馈网络。
(2)Sigmoid函数
(2)
1
f ( X ) 1 eaX
a 0
图4-3 常用的几种激励函数
第6章 神经网络控制
16
智能控制 基础
4.1.1
神经网络原理
常用的激励函数如图4-3所示:
(3)双曲正切函数
(3)
f ( X ) 1 eaX 1 eaX
a 0
(4)高斯函数 X2
智能控制作业
1.给定下列模糊集合A ,B ,C ,确定它们的α切割A :Ц(x )={(2,1),(3,0.8),(4,0.6),(5,0.4),(6,0.2),(7,0.4),(8,0.6),(9,0.8),(10,1)} α=0.2,0.5B :Ц(x )=21011)(-+x α=0.2,0.5 x=[0, ∞] 0 x≤10 α=0.3,0.5 x=[0, ∞] C:Ц(x )=(1+(x-10)-2)-1x>10解:A :当α=0.2时α切割为6 当α=0.5时α切割为4.5B :当α=0.2时α切割为12或者8 当α=0.5时α切割为11或者9C :当α=0.3时α切割为15.44 当α=0.5时α切割为11 2.双边高斯MF ,由下式定义:exp[-21(11σc x -)2] x≤c1T s-gauss (x;c 1,σ1,c 2,σ2)= 1 c1<x<c2exp[-21(11σc x -)2] x≥c2(1) 编一个MATLAB 程序实现上述MF (2) 对不同的参数画出这个MF (3) 找出这个MF 的交叉点和宽度 解:(1)编写的MATLAB 程序如下: c1=input('请输入c1的值:') c2=input('请输入c2的值:') c3=input('请输入c3的值:') c4=input('请输入c4的值:')if x<=c1y=exp(-0.5*((x-c1)/c3).^2);elseif x>c1 & x<c2y=1;elsey=exp(-0.5*((x-c2)/c4).^2);endyplot(x,y)(2)当取x的范围为[-8:0.1:8]C1=2 c2=2 c3=c4=2 绘制的MF如下:(3)如下图所示为该MF的交叉点和宽度范围3.令论域U={1,2,3,4},给定语言变量“Small”=1/1+0.7/2+0.3/3+0.1/4和模糊关系R=“Almost相等”定义如下:1 2 3 41 1 0.6 0.1 0R: 2 0.6 1 0.6 0.13 0.1 0.6 1 0.64 0 0.1 0.6 1利用max-min复合运算,试计算:R(y)=(X是Small)。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
智能控制作业
学生: 学 号: 专业班级:
7-2 采用BP 网路、RBF 网路、DRNN 网路逼近线性对象
2)
1(1)1(9.0)1()(-+-⨯--=k y k y k u k y ,分别进行matlab 仿真。
(一)采用BP 网络仿真
网络结构为2-6-1。
采样时间1ms ,输入信号)6sin(5.0)(t k u ⨯=π,权值21,W W 的初值随机取值,05.0,05.0==αη。
仿真m 文件程序为:
%BP simulation
clear all;
clear all;
xite=0.5;
alfa=0.5;
w1=rands(2,6); % value of w1,initially by random w1_1=w1;w1_2=w1;
w2=rands(6,1); % value of w2,initially by random w2_1=w2;w2_2=w2_1;
dw1=0*w1;
x=[0,0]';
u_1=0;
y_1=0;
I=[0,0,0,0,0,0]'; % input of yinhanceng cell
Iout=[0,0,0,0,0,0]'; % output of yinhanceng cell
FI=[0,0,0,0,0,0]';
ts=0.001;
for k=1:1:1000
time(k)=k*ts;
u(k)=0.5*sin(3*2*pi*k*ts);
y(k)=(u_1-0.9*y_1)/(1+y_1^2);
for j=1:1:6
I(j)=x'*w1(:,j);
Iout(j)=1/(1+exp(-I(j)));
end
yn(k)=w2'*Iout; %output of network
e(k)=y(k)-yn(k); % error calculation
w2=w2_1+(xite*e(k))*Iout+alfa*(w2_1-w2_2); % rectify of w2
for j=1:1:6
FI(j)=exp(-I(j))/(1+exp(-I(j))^2);
end
for i=1:1:2
for j=1:1:6
dw1(i,j)=e(k)*xite*FI(j)*w2(j)*x(i); % dw1 calculation end
end
w1=w1_1+dw1+alfa*(w1_1-w1_2); % rectify of w1
% jacobian information
yu=0;
for j=1:1:6
yu=yu+w2(j)*w1(1,j)*FI(j);
end
dyu(k)=yu;
x(1)=u(k);
x(2)=y(k);
w1_2=w1_1;w1_1=w1;
w2_2=w2_1;w2_1=w2;
u_1=u(k);
y_1=y(k);
end
figure(1);
plot(time,y,'r',time,yn,'b');
xlabel('times');ylabel('y and yn');
figure(2);
plot(time,y-yn,'r');
xlabel('times');ylabel('error'); figure(3);
plot(time,dyu);
xlabel('times');ylabel('dyu'); 运行结果为:
(二)采用RBF 网络仿真
网路结构为2-4-1,采样时间1ms ,输入信号)2sin(5.0)(t k u ⨯=π,权值的初值随机取值,05.0,05.0==αη,高斯基函数初值T j C ]5.0,5.0[=,
T B ]5.1,5.1,5.1,5.1[=。
仿真m 文件程序如下:
%RBF simulation
clear all
clear all
alfa=0.05;
xite=0.5;
x=[0,0]';
b=1.5*ones(4,1);
c=0.5*ones(2,4);
w=rands(4,1);
w_1=w;w_2=w_1;
c_1=c;c_2=c_1;
b_1=b;b_2=b_1
d_w=0*w;
d_b=0*b;
y_1=0;
ts=0.001;
for k=1:1:2000;
time(k)=k*ts;
u(k)=0.5*sin(1*2*pi*k*ts);
y(k)=(u(k)-0.9*y_1)/(1+y_1^2);
x(1)=u(k);
x(2)=y_1;
for j=1:1:4
h(j)=exp(-norm(x-c(:,j))^2/(2*b(j)*b(j)));
end
ym(k)=w'*h';
em(k)=y(k)-ym(k);
for j=1:1:4
d_w(j)=xite*em(k)*h(j);
d_b(j)=xite*em(k)*w(j)*h(j)*(b(j)^-3)*norm(x-c(:,j))^2;
for i=1:1:2
d_c(i,j)=xite*em(k)*w(j)*h(j)*(x(i)-c(i,j))*(b(j)^-2); end
end
w=w_1+d_w+alfa*(w_1-w_1);
b=b_1+d_b+alfa*(b_1-b_2);
c=c_1+d_c+alfa*(c_1-c_2);
% Jacobian information
yu=0;
for j=1:1:4
yu=yu+w(j)*h(j)*(c(1,j)-x(1))/b(j)^2;
end
dyu(k)=yu;
y_1=y(k);
w_2=w_1;
w_1=w;
c_2=c_1;
c_1=c;
b_2=b_1;
b_1=b;
end
figure(1);
plot(time,y,'r',time,ym,'b');
xlabel('time(s)');ylabel('y and ym'); figure(2);
plot(time,y-ym,'r');
xlabel('time(s)');ylabel('error'); figure(3);
plot(time,dyu,'b');
xlabel('time(s)');ylabel('dyu');
仿真结果为:
(三)DRNN 网路仿真
采样时间1ms ,输入信号)4sin(5.0)(t k u ⨯=π,权值I O D W W W ,,的初值随机取值,取35.0,35.0,35.0===I D O ηηη。
仿真m 文件程序为:
%DRNN simulation clear all;
clear all;
wd=rands(7,1); wo=rands(7,1); wi=rands(3,7);
xj=zeros(7,1); xj_1=xj;
u_1=0;y_1=0;
xitei=0.35;
xited=0.35;
xiteo=0.35;
ts=0.001;
for k=1:1:1000
time(k)=k*ts;
u(k)=0.5*sin(4*pi*k*ts);
y(k)=(u_1-0.9*y_1)/(1+y_1^2);
Ini=[u_1,y_1,1]';
for j=1:1:7
sj(j)=Ini'*wi(:,j)+wd(j)*xj(j);
end
for j=1:1:7
xj(j)=(1-exp(-sj(j)))/(1+exp(-sj(j)));
end
Pj=0*xj;
for j=1:1:7
Pj=wo(j)*(1+xj(j))*(1-xj(j))*xj_1(j);
end
Qij=0*wi;
for j=1:1:7
for i=1:1:3
Qij(i,j)=wo(j)*(1+xj(j))*(1-xj(j))*Ini(i); end
end
ymk=0;
for j=1:1:7
ymk=ymk+xj(j)*wo(j);
end
ym(k)=ymk;
e(k)=y(k)-ym(k);
wo=wo+xiteo*e(k)*xj;
wd=wd+xited*e(k)*Pj;
wi=wi+xitei*e(k)*Qij;
xj_1=xj;
u_1=u(k);
y_1=y(k);
end
figure(1);
plot(time,y,'r',time,ym,'b');
xlabel('time/s');ylabel('y and ym'); figure(2);
plot(time,y-ym,'r');
xlabel('time/s');ylabel('error');
仿真结果为:。