神经网络控制理论基础

传统分类能力
ANN 分类能力
Page 12
神经网络概述
人工神经网络功能 优化计算 优化计算是指在已知的约束条件下，寻找一组参数组合， 使由该组合确定的目标函数达到最小。可以把待求解问 题的可变参数设计为网络的状态，将目标函数设计为网 络的能量函数，从而稳定状态就是问题的最优解。
Page 6
神经网络概述
神经网络与计算机相比的特点
(1) 以大规模模拟并行处理为主 (2) 具有较强的鲁棒性和容错性 (3) 具有较强的自学习能力 (4) 是一个大规模自适应非线性动力学系统，具
有集体运算的能力
Page 7
神经网络概述
人工神经网络的特征 结构特征-------并行处理、分布式存储、容错性。
突触。神经元通过其轴突的神经末稍，经突触与另一神经元 的树突联接，实现信息的传递。由于突触的信息传递特性是 可变的，形成了神经元间联接的柔性，称为结构的可塑性。 细胞膜电位：神经细胞在受到电的、化学的、机械的刺激后， 能产生兴奋，此时，细胞膜内外有电位差，称膜电位。电位 膜内为正，膜外为负。
神经网络在控制系统中的作用
➢ 神经网络逼近非线性函数的能力为自动控制 理论发展提供了生机
➢ 从控制角度，对神经网络的要求更注重其实 时学习训练能力和网络结构的简单性
Page 16
5.2 人工神经网络的基本概念——生物神经元
生物神经元结构 人脑大约由1012个神经元组成，神经元互相连接成神经 网络 神经元以细胞体为主体，由许多向周围延伸的不规则 树枝状纤维构成的神经细胞，其形状很像一棵枯树的 枝干 主要由细胞体、树突、轴突和突触组成
Page 17
生物神经元
细胞体：由细胞核、细胞质和细胞膜等组成。 树突：胞体上短而多分枝的突起。相当于神经元的输入端，
接收传入的神经冲动。 轴突：胞体上最长枝的突起，也称神经纤维。端部有很多神
经末稍传出神经冲动。相当于神经元的输出端。 突触：神经元间的连接接口，每个神经元约有1万～10万个
神经网络是由大量简单处理元件连接组成的高度并行 的非线性系统，具有大规模并行处理特征。虽然每个 处理单元的功能十分简单，但大量简单处理单元的并 行活动使网络呈现出丰富的功能。结构上的并行性使 神经网络的信息存储必然采取分布式方式，即信息不 是存储在网络的某个局部，而是分布在网络所有的连 接权中。这两个特点使神经网络表现出良好的容错性。 当部分神经元损坏时不对系统整体性能造成影响。当 输出模糊、残缺或变形时，神经网络通过联想恢复完 整的记忆。
Page 8
神经网络概述
人工神经网络的特征 能力特征-------自学习、自组织、Biblioteka Baidu适应
自适应性包含自学习与自组织两层含义：自学习 是指当外界环境发生变化时，经过一段时间的训 练或感知，神经能过自动调整网络参数，使得对 于给定输入能产生期望的输出。 自组织是指神经 系统能在外部刺激下按一定规则调整神经元之间
美国国防高级研究计划局 人工神经网络是一个由许多简单的并行工作的处理单 元组成的系统，其功能取决于网络的结构、连接强度 以及各单元的处理方式。
简单描述 人工神经网络是一种旨在模仿人脑结构及其功能的信 息处理系统。
Page 5
神经网络概述
神经网络的基本属性
(1) 非线性：人脑智慧的非线性 (2) 非局域性：神经元相互作用 (3) 非定常性：自适应、自组织 (4) 非凸性：系统演变多样性
神经网络控制
神经网络控制
5.1 神经网络概述 5.2 人工神经网络的基本概念 5.3 前馈网络 5.4 反馈网络 5.5 神经网络控制
Page 2
神经网络概述
人工神经网络的定义
Hecht—Nielsen（1988年）
人工神经网络是一个并行、分布处理结构，它由处理单元 及其称为联接的无向讯号通道互连而成。这些处理单元 （PE—Processing Element）具有局部内存，并可以完 成局部操作。每个处理单元有一个单一的输出联接，这个 输出可以根据需要被分枝成希望个数的许多并行联接，且 这些并行联接都输出相同的信号，即相应处理单元的信号， 信号的大小不因分支的多少而变化。处理单元的输出信号 可以是任何需要的数学模型，每个处理单元中进行的操作 必须是完全局部的。也就是说，它必须仅仅依赖于经过输 入联接到达处理单元的所有输入信号的当前值和存储在处 理单元局部内存中的值。
问题解答
知识分布式表示 由一
知识获取、知识库 神经网
平行推理
络实现
输入数据
变量变换
求解的问题
神经网络专家系统的构成
Page 14
神经网络概述
神经网络在控制系统中的作用
(1) 在基于模型的各种控制结构中充当对象的模型 (2) 用作控制器 (3) 在控制系统中起优化计算的作用
Page 15
神经网络概述
Page 13
神经网络概述
人工神经网络功能
知识处理
神经网络从对象的输入输出 信息中抽取规律而获得关于 对象的知识，并将知识分布 在网络的连接中予以存储。 神经网络的知识抽取能力使 其能够在没有任何先验知识 的情况下自动从输入数据中 提取特征，发现规律，并通 过自组织过程将自身构建成
适合于表达所发现的规律。
的突触连接，逐渐建立起神经网络。
Page 9
神经网络概述
人工神经网络的功能 联想记忆 由于神经网络具有分布存储信息和并行处理信息的 特点，因此它具有对外界刺激信息和输入模式进行 联想记忆的能力。这种能力通过神经元之间的协同 结构以及信息处理的集体行为而实现。
Page 10
神经网络概述
人工神经网络的功能 非线性映射
设计合理的神经网络通过对系统输入输出样本对进 行自动学习，能够以任意精度逼近任意复杂的非线 性映射。
输入样本
神经网络
自动提取 非线性映射规则
输出样本
Page 11
神经网络概述
人工神经网络功能 分类与识别 对输入样本的分类是在样本空间找出符合分类要 求的分割区域，每个区域内的样本属于一类。
Page 3
神经网络概述
人工神经网络的定义 强调点 并行、分布处理结构； 一个处理单元的输出可以被任意分枝，且大小不变； 输出信号可以是任意的数学模型； 处理单元完全的局部操作。
Page 4
神经网络概述
人工神经网络的定义 Simpson（1987年） 人工神经网络是一个非线性的有向图，图中含有可以 通过改变权大小来存放模式的加权边，并且可以从不 完整的或未知的输入找到模式。