智能控制復習題

1、智能控制復習第一章選擇題1智能控制的概念首次由著名學者（D）提出A蔡自興BJ.S.AlbusCJ.M.Mendel2經(jīng)常作智能控制典型研究對象的是A智能決策系統(tǒng)B智能故障診斷系統(tǒng)C智能制造系統(tǒng)D智能機器人D傅京孫（D3解決自動控制面臨問題的一條有效途徑就是，把人工智能等技術用入自動控制系統(tǒng)中，其核心是（B）A控制算法B控制器智能化C控制結(jié)構D控制系統(tǒng)仿真4智能自動化開發(fā)與應用應當面向A生產(chǎn)系統(tǒng)C復雜系統(tǒng)5不屬于智能控制是A神經(jīng)網(wǎng)絡控制C模糊控制（C）B管理系統(tǒng)D線性系統(tǒng)（D）B專家控制D確定性反饋控制6以下不屬于智能控制主要特點的是（DA具有自適應能力C具有分層遞階組織結(jié)構7以下不屬于智能控制

2、的是A神經(jīng)網(wǎng)絡控制C模糊控制B具有自組織能力D具有反饋結(jié)構（D）B專家控制D自校正調(diào)節(jié)器第二章選擇題1地質(zhì)探礦專家系統(tǒng)常使用的知識表示方法A語義網(wǎng)絡B框架表示C劇本表示D產(chǎn)生式規(guī)則2自然語言問答專家系統(tǒng)使用的知識表示方法A框架表示B語義網(wǎng)絡C劇本表示D產(chǎn)生式規(guī)則控制規(guī)則集、知識庫、推理機和傳感器信息獲取與處理、知識庫、控制規(guī)則集和推理機 信息獲取與處理、知識庫、推理機和傳感器 信息獲取與處理、控制規(guī)則集、推理機和傳感器3專家系統(tǒng)中的自動推理是基于(A直覺C知識4適合專家控制系統(tǒng)的是A雷達故障診斷系統(tǒng)C聾啞人語言訓練系統(tǒng)5 直接式專家控制通常由(B)ABCDC)的推理。B邏輯D預測(DB軍事沖突

3、預測系統(tǒng)D機車低恒速運行系統(tǒng)組成6 專家控制可以稱作基于(D)的控制。A直覺B邏輯C預測D知識7直接式專家控制通常由(C)組成A信息獲取與處理、知識庫、推理機構和傳感器B信息獲取與處理、知識庫、控制規(guī)則集和傳感器C信息獲取與處理、知識庫、推理機構和控制規(guī)則集D信息獲取與處理、控制規(guī)則集、推理機構和傳感器8專家系統(tǒng)的核心部分是(B)A人機接口、過程接口、推理機構B知識庫、數(shù)據(jù)庫、推理機構C人機接口、知識獲取結(jié)構、推理機構D知識庫、數(shù)據(jù)庫、人機接口9以下不屬于專家系統(tǒng)知識表示法的是(CA彩色Petri網(wǎng)絡B語義知識表示C樣本分類D產(chǎn)生式規(guī)則10 產(chǎn)生式系統(tǒng)的推理方式不包括(CA正向推理B反向推理C

4、簡單推理D雙向推理11 肺病診斷專家系統(tǒng)使用的知識表示方法為(DA語義網(wǎng)絡B產(chǎn)生式規(guī)則C劇本表示D框架表示( A )B 數(shù)據(jù)庫D 解釋部分( C數(shù)據(jù)庫、知識源、調(diào)度器D 黑板、規(guī)則庫、調(diào)度器12以下不屬于專家系統(tǒng)組成部分的是A專家C知識庫13黑板專家控制系統(tǒng)的組成有A黑板、數(shù)據(jù)庫、調(diào)度器BC黑板、知識源、調(diào)度器14建立專家系統(tǒng)，最艱難(“瓶頸”)的任務是A知識表示B知識獲取C知識應用D知識推理15.在專家系統(tǒng)中,是專家系統(tǒng)與用戶間的人-機接口A知識庫BC推理機D16 .產(chǎn)生式系統(tǒng)包含的基本組成A知識庫、規(guī)則庫和數(shù)據(jù)庫C知識庫、規(guī)則庫和模型庫數(shù)據(jù)庫解釋機構(A )B規(guī)則庫、模型庫和控制器D規(guī)則庫

5、、數(shù)據(jù)庫和控制器第三章模糊控制1 .某模糊控制器輸出信息的解模糊判決公式為Uo方法為n? u ' mu (uj上,該解模糊?甲(Ui)i= 1(D )A 最大隸屬度法C隸屬度限幅元素平均法B取中位數(shù)法D重心法2 .在溫度模糊控制系統(tǒng)中，二維模糊控制器的輸入是A溫度的誤差e和溫度誤差變化量deB控制加熱裝置的電壓的誤差e和電壓誤差變化量deC控制加熱裝置的電壓的誤差e和溫度誤差變化量deD控制加熱裝置的電壓的誤差e和溫度誤差變化量de3 .下列概念中不能用普通集合表示的是A控制系統(tǒng)B低于給定溫度C工程師D壓力不足4 .以下應采用模糊集合描述的是A高三男生B年輕C教師D社會5 .總結(jié)手動控

6、制策略，得出一組由模糊條件語句構成的控制規(guī)則，據(jù)此可建立(D)A輸入變量賦值表B輸出變量賦值表C模糊控制器查詢表D模糊控制規(guī)則表6 .某模糊控制器的語言變量選為實際溫度與給定溫度之差即誤差e、誤差變化率Ae；以及加熱裝置中可控硅導通角的變化量u,故該模糊控制器為(A)A雙輸入一單輸出B單輸出一單輸入7.C雙輸入一雙輸出D單輸出一雙輸入在論域U中，模糊集合A的支集只包含一個點u,且mvu)=1,則A稱A a 截集C 核B 模糊單點D 支集8在模糊控制中，隸屬度A 不能是 1 或 0C 反映元素屬于某模糊集合的程度（ C ）B 根據(jù)對象的數(shù)學模型確定D 只能取連續(xù)值9模糊集合中，mA（u）=0.5

7、對應的元素u稱為A交叉點B模糊單點C核D支集10在模糊控制器的推理輸出結(jié)果中，取其隸屬度最大的元素作為精確值，去執(zhí)行控制的方法稱為A重心法BC系數(shù)加權平均法11 若模糊集合A 表示模糊概念“老”微老”相當于 A ，其中為，A 2C 1 2（ B ）最大隸屬度法D 中位數(shù)法mA ，則模糊概念“略（ C ）B 4D 1 412.若對誤差、誤差變化率論域X、Y中元素的全部組合計算出相應的控制量變化Uj,可寫成矩陣（叫）n,m,一般將此矩陣制成（C）A輸入變量賦值表B輸出變量賦值表C模糊控制器查詢表D模糊控制規(guī)則表13在溫度模糊控制系統(tǒng)中，二維模糊控制器的輸出是（C）A溫度的誤差eB溫度誤差變化量de

8、C控制加熱裝置的電壓UD控制加熱裝置的電壓的誤差e和溫度誤差變化量de14以下的集合運算性質(zhì)中，模糊集合不滿足的運算性質(zhì)（D）A交換律B結(jié)合律C分配律D互補律15 以下屬于模糊集合表示方法的是（B）A重心法B扎德法C系數(shù)加權平均法D中位數(shù)法16 在選定模糊控制器的語言變量及各個變量所取的語言值后，可分別為各語言變量建立各自的（C）A控制規(guī)則表B控制變量賦值表C 語言變量賦值表17模糊控制方法是基于A 模型控制C 學習的控制18 . 以下應采用模糊集合描述的是A 學生BC 老師D19 .若模糊集合A表示模糊概念“老”D 論域量化表（ D ）B遞推的控制D專家知識和經(jīng)驗的控制（ B ）大蘋果演員其

9、隸屬度函數(shù)為mA ， 則模糊概念 “極老”相當于A，其中為，（DA2B4C12D1420某液位模糊控制系統(tǒng)的語言變量選為實際溫度與給定溫度之差即誤差e以及加熱裝置中可控硅導通角的變化量u,但不考慮溫度誤差變化率e,該模糊控制器應為（B）A雙輸入一單輸出B單輸入一單輸出C雙輸入一雙輸出D單輸入一雙輸出21模糊隸屬度函數(shù)曲線的形狀可以為（C）A橢圓形B平行四邊形C梯形D圓形22 在選定模糊控制器的語言變量及各個變量所取的語言值后，可分別為各語言變量建立各自的（C）A控制規(guī)則表B控制查詢表C語言變量賦值表D基本論域量化表23 .某模糊控制器的語言變量選為實際水位與給定水位之差即誤差e,以及調(diào)節(jié)閥門開

10、度的變化量u,故該模糊控制器為（B）.A.單輸出雙輸入B單輸入單輸出C.雙輸入雙輸出D.雙輸入單輸出24某一隸屬度函數(shù)曲線的形狀可以選為（C）A橢圓形B圓形C三角形D正方形25 模糊控制器的術語“正中”，可用符合（D）表示APBBNMCZEDPM26 以下關于模糊關系的正確說法是（B）A模糊關系是普通關系的一個特例B模糊關系描述元素之間的關聯(lián)程度C模糊關系中的元素都是整數(shù)D模糊關系矩陣一定是方陣27模糊控制以模糊集合為基礎，最早提出模糊集合的學者是AL.A.ZadehBMamdaniCTakagiDSugeno28在模糊控制器的推理輸出結(jié)果中，取其隸屬度函數(shù)曲線與橫坐標圍成面積的重心作為輸出值

11、，去執(zhí)行控制的方法稱為(A)A重心法B最大隸屬度法C系數(shù)加權平均法D中位數(shù)法29下列概念中不能用普通集合表示的是(DA控制系統(tǒng)C機電工程師30在模糊控制中，隸屬度A不能是1或0B壓力不足D低于給定溫度(C)B是根據(jù)對象的數(shù)學模型確定的C反映元素屬于某模糊集合的程度D只能取連續(xù)值31最適合作為語言變量的值是(AA速度B天氣C特別D表演32若模糊集合A表示模糊概念“老”，其隸屬度函數(shù)為mA，則模糊概念相當于A，其中為，A2B4C12D14第4章神經(jīng)網(wǎng)絡1 BP網(wǎng)絡使用的學習規(guī)則是A相關規(guī)則C競爭規(guī)則2 BP神經(jīng)網(wǎng)絡所不具備的功能是A自適應功能C優(yōu)化功能B糾錯規(guī)則D模擬退火算法B泛化功能D非線性映射

12、功能3由于各神經(jīng)元之間的突觸連接強度和極性有所不同并可進行調(diào)整，因此人腦才具有(A)的功能。A學習和存儲信息B輸入輸出C聯(lián)想D信息整合4.采用單層拓撲結(jié)構的神經(jīng)網(wǎng)絡是AHopfield網(wǎng)絡CBP網(wǎng)絡B生物神經(jīng)網(wǎng)絡D小腦模型網(wǎng)絡5單層神經(jīng)網(wǎng)絡，有兩個輸入，兩個輸出，它們之間的連接權有(BA6個B4個C2個D8個6神經(jīng)網(wǎng)絡直接逆控制是一種（B）控制。7誤差反向傳播算法屬于（8以下不屬于9最適宜用于聯(lián)想記憶的神經(jīng)網(wǎng)絡1011下面哪個方程最好描述了12在神經(jīng)網(wǎng)絡內(nèi)模控制結(jié)構中，神經(jīng)網(wǎng)絡辨識器用來獲得13單層神經(jīng)網(wǎng)絡，有三個輸入，三個輸出，它們之間的連接權有14多層前向神經(jīng)網(wǎng)絡與單層感知器相比較，下面（

13、1516能夠用于無導師學習的神經(jīng)網(wǎng)絡模型是17連續(xù)型18離A反饋B前饋C串級D混合B）學習規(guī)則A無導師B有導師C死記憶D混合人工神經(jīng)網(wǎng)絡主要特點的是（B）A便于用超大規(guī)模集成電路或光學集成電路系統(tǒng)實現(xiàn)B網(wǎng)絡中含有神經(jīng)元C信息分布在神經(jīng)元的連接上D可以逼近任意非線性系統(tǒng)（D）ABP神經(jīng)網(wǎng)絡B感知器網(wǎng)絡C自適應線性神經(jīng)網(wǎng)絡DHopfield網(wǎng)絡.PID神經(jīng)網(wǎng)絡控制中，控制器使用了（C）ACMAC#經(jīng)網(wǎng)絡BHopfield網(wǎng)絡CPID神經(jīng)網(wǎng)絡D感知器網(wǎng)絡.下面哪個方程最好描述了Hebb學習規(guī)則（A）A兩個神經(jīng)元同時興奮或同時抑制時，它們之間連接權的強度增強B兩個神經(jīng)元同時興奮或同時抑制時，它們之間連

14、接權的強度減弱C兩個神經(jīng)元，一個興奮，另一個抑制，它們之間連接權的強度增強D兩個神經(jīng)元，一個興奮，另一個抑制，它們之間連接權的強度不變（A）A被控對象的正模型B被控劉象的逆模型C線性濾波器D控制器（B）A6個B9個C16個D25個C）不是多層網(wǎng)絡所特有的特點B 含有一層或多層的隱層神經(jīng)元D 隱層激活函數(shù)采用可微非線性函數(shù)B 實現(xiàn)樣本分類D 實現(xiàn)函數(shù)逼近A采用誤差反向傳播算法C神經(jīng)元的數(shù)目可達到很多單層感知器網(wǎng)絡可以A解決異或問題C進行優(yōu)化計算A Hopfield 網(wǎng)絡C BP 神經(jīng)網(wǎng)絡Hopfield 網(wǎng)絡A 是前饋神經(jīng)網(wǎng)絡BC 具有函數(shù)逼近問題DHopfield 網(wǎng)絡BCMA神經(jīng)網(wǎng)絡D自適應

15、線性神經(jīng)網(wǎng)絡（B是單層反饋型非線性神經(jīng)網(wǎng)絡是多層反饋型非線性神經(jīng)網(wǎng)絡（CA 是多層反饋網(wǎng)絡C 具有聯(lián)想記憶功能B是多層反饋網(wǎng)絡D具有函數(shù)逼近功能19神經(jīng)網(wǎng)絡PID控制是一種A前饋控制B反饋控制C開環(huán)控制D混合控制（ D實現(xiàn)函數(shù)逼近D 實現(xiàn)樣本分類20單層感知器網(wǎng)絡可以A解決異或問題BC進行優(yōu)化計算21連續(xù)型Hopfield網(wǎng)絡的神經(jīng)元轉(zhuǎn)移函數(shù)采用（A）A.對稱型Sigmoid函數(shù)B.對稱型階躍函數(shù)C.分段線性轉(zhuǎn)移函數(shù)D,閾值型轉(zhuǎn)移函數(shù)22在間接神經(jīng)網(wǎng)絡模型參考自適應控制中，（B）A需要一個神經(jīng)網(wǎng)絡控制器B需要一個神經(jīng)網(wǎng)絡控制器及一個神經(jīng)網(wǎng)絡辨識器C需要兩個神經(jīng)網(wǎng)絡控制器及一個神經(jīng)網(wǎng)絡辨識器D需

16、要一個神經(jīng)網(wǎng)絡控制器及兩個個神經(jīng)網(wǎng)絡辨識器23生物神經(jīng)元的突觸連接相當于神經(jīng)元之間的（DA輸入連接B輸出連接C絕緣D輸入輸出接口24.在間接神經(jīng)網(wǎng)絡模型參考自適應控制結(jié)構中，神經(jīng)網(wǎng)絡辨識器用來獲得（A）A被控對象的正模型B被控劉象的逆模型C線性濾波器D控制器25生物神經(jīng)元的組成包括細胞體、軸突、樹突和（C）A軸突末梢B細胞核C突觸D細胞膜26以下不屬于人工神經(jīng)網(wǎng)絡主要特點的是（B）A信息并行處理B網(wǎng)絡中含有神經(jīng)元C信息分布在神經(jīng)元的連接上D可以逼近任意非線性系統(tǒng)27一般認為，人工神經(jīng)網(wǎng)絡最適用于（B）A線性系統(tǒng)B非線性系統(tǒng)C多輸入多輸出系統(tǒng)D多變量系統(tǒng)28在直接神經(jīng)網(wǎng)絡模型參考自適應控制中，（

17、A）A需要一個神經(jīng)網(wǎng)絡控制器B需要一個神經(jīng)網(wǎng)絡控制器及一個神經(jīng)網(wǎng)絡辨識器C需要兩個神經(jīng)網(wǎng)絡控制器及一個神經(jīng)網(wǎng)絡辨識器D需要一個神經(jīng)網(wǎng)絡控制器及兩個個神經(jīng)網(wǎng)絡辨識器29離散型Hopfield網(wǎng)絡的神經(jīng)元轉(zhuǎn)移函數(shù)采用（D）A.對稱型Sigmoid函數(shù)B.對稱型階躍函數(shù)30采用單層拓撲反饋結(jié)構的神經(jīng)網(wǎng)絡是3132最早提出人工神經(jīng)網(wǎng)絡模型的學者是33神經(jīng)網(wǎng)絡內(nèi)?？刂凭哂?.23能夠往種群中引入新的遺傳信息是以下哪種遺傳算法的操作4哪一種說法是對遺傳算法中復制操作的描述56哪種遺傳算法的操作，能夠從種群中淘汰適應度值小的個體（7遺傳算法將問題的求解表示成“染色體C.分段線性轉(zhuǎn)移函數(shù).采用單層拓撲反饋結(jié)構

18、的神經(jīng)網(wǎng)絡是AHopfield網(wǎng)絡CPID神經(jīng)網(wǎng)絡基于多層前向神經(jīng)網(wǎng)絡的環(huán)節(jié)。A一個C三個D 閾值型轉(zhuǎn)移函數(shù)B BP網(wǎng)絡D 小腦模型神經(jīng)網(wǎng)絡PID 控制系統(tǒng)結(jié)構有（ DB 四個D 兩個（ A ）內(nèi)含神經(jīng)網(wǎng)絡的（B）AHebbBMcCulloch和PittsCRosenblattDHopfield（C）A直接逆控制的優(yōu)點和缺點B直接逆控制的優(yōu)點C直接逆控制的優(yōu)點，但無直接逆控制的缺點第 5章 最早提出遺傳算法概念的學者是遺傳算法A J.H.HollandC J.R.Koza遺傳算法的基本操作順序是A 計算適配度、交叉、變異、選擇B J.D.BagleyD L.Davis（ CB 計算適配度、交叉

19、、選擇、變異C計算適配度、選擇、交叉、變異D 計算適配度、選擇、交叉、變異D直接逆控制的缺點（DA交叉B復制C優(yōu)選D變異（A）A個體串按照它們的適配值進行復制B隨機改變個體串的適配度函數(shù)值C隨機改變一些串中的一小部分D為權值隨機產(chǎn)生小的初始值遺傳算法中，關于變異操作的最好敘述是（A）A隨機改變一些“串中的一小部分B隨機挑選新“串組成下一代C為權隨機產(chǎn)生新的初始值D從兩個“串中隨機組合遺傳信息C）A交叉B優(yōu)選C復制D變異，“染色體實際上是（D）A 基因C 種群B適應度函數(shù)D用編碼表示的字符串8哪種遺傳算法的操作，可以從父代雙親中繼承部分遺傳信息，傳給子代（A）A交叉B變異D 共享C復制9下面哪種

20、類型的學習能夠用于移動機器人的路徑規(guī)劃（DA 多層前向神經(jīng)網(wǎng)絡C 自適應線性神經(jīng)網(wǎng)絡10輪盤賭技術可用于A 選擇最好的“染色體”C 交叉所選擇的“染色體”BPID神經(jīng)網(wǎng)絡D遺傳算法（B）B隨機選擇“染色體”D變異“染色體”的適應度11遺傳算法將問題的求解表示成“染色體”，“染色體”實際上是（CA種群B存在于細胞核中能被堿性染料染色的物質(zhì)C用編碼表示的字符串D各種數(shù)值12在遺傳算法中，復制操作可以通過（B）的方法來實現(xiàn)A解析B隨機C交叉匹配D變異判斷題第一章緒論1 與傳統(tǒng)控制相比較，智能控制方法可以較好地解決非線性系統(tǒng)的控制問題。（，）2 智能控制系統(tǒng)采用分層遞階的組織結(jié)構，其協(xié)調(diào)程度越高，所體

21、現(xiàn)的智能也越高。（，）3分層遞階智能控制按照自下而上精確程度漸減、智能程度漸增的原則進行功能分配。（，）4 .智能系統(tǒng)是指具備一定智能行為的系統(tǒng)。（，）5 智能控制的不確定性的模型包括兩類，一類是模型未知或知之甚少；另一類是模型的結(jié)構和參數(shù)可能在很大范圍內(nèi)變化。（，）第二章專家系統(tǒng)1在專家系統(tǒng)中，數(shù)據(jù)庫是領域知識的存儲器，是系統(tǒng)的核心部分之一。（V）2在設計專家系統(tǒng)時，知識工程師的任務是提供解決問題的知識和經(jīng)驗。（x）3數(shù)據(jù)庫和推理機是專家系統(tǒng)的核心部分。（應為知識庫）（X）4按照執(zhí)行任務分類，專家系統(tǒng)有解釋型、預測型、診斷型、調(diào)試型、維修型等多種類型。（，）5.專家系統(tǒng)實質(zhì)上是一種數(shù)學計算系

22、統(tǒng)。（X:6在設計專家系統(tǒng)時，知識工程師的任務是模仿人類專家，運用他們解決問題的知識和經(jīng)驗。（，）第三章模糊控制1.模糊控制只是在一定程度上模仿人的模糊決策和推理，用它解決較復雜問題時，還需要建立數(shù)學模型。（X）2在模糊控制中，為把輸入的確定量模糊化，需要建立模糊控制規(guī)則表。（應該是確定模糊集合）（X）3在模糊集合的向量表示法中，隸屬度為0的項必須用0代替而不能舍棄。（V）4從模糊控制查詢表中得到控制量的相應元素后，乘以比例因子即為控制量的變化值。（V）5 與傳統(tǒng)控制相比，智能模糊控制所建立的數(shù)學模型因具有靈活性和應變性，因而能勝任處理復雜任務及不確定性問題的要求。（x）6 .在模糊語言變量中

23、，語義規(guī)則用于給出模糊集合的隸屬函數(shù)。（V）7 模糊控制對被控對象參數(shù)的變化不敏感，可用它解決非線性、時變、時滯系統(tǒng)的控制。（，）8 .普通關系是模糊關系的推廣，它描述元素之間的關聯(lián)程度。（X）9 .模糊控制就是不精確的控制。（X）10在模糊控制中，為把輸入的確定量模糊化，需要建立語言變量賦值表。（V）11模糊控制規(guī)則是將人工經(jīng)驗或操作策略總結(jié)而成的一組模糊條件語句（V）12通常，模糊控制器的輸入、輸出語言變量分別取為控制系統(tǒng)的誤差和誤差變化率。（x）13模糊控制器的輸入語言變量一般可取控制系統(tǒng)的誤差及其變化率。（V）14模糊控制只是在一定程度上模仿人的模糊決策和推理，用它解決較復雜問題時，還

24、需要建立數(shù)學模型。（x）15 .T-S模糊控制系統(tǒng)采用系統(tǒng)狀態(tài)變化量或輸入變量的函數(shù)作為IF-THEN模糊規(guī)則的后件，不可以描述被控對象的動態(tài)模型。（X）(X16 .Mamdan型模糊控制器，通過模糊推理得到的結(jié)果是精確量17在模糊控制中，隸屬度是根據(jù)對象的數(shù)學模型來確定的。18模糊控制中，語言變量的值可用負大、負小、零等表示。19模糊控制在一定程度上模仿人的模糊決策和推理，用它解決較復雜問題123反饋型神經(jīng)網(wǎng)絡中，每個神經(jīng)元都能接收所有神經(jīng)元輸出的反饋信息45.6離散7神經(jīng)網(wǎng)絡已在多種控制結(jié)構中得到應用，如8一般情況下，神經(jīng)網(wǎng)絡系統(tǒng)模型的串910離散型單層感知器的轉(zhuǎn)移函數(shù)一般采用閾值（符號）

25、函數(shù)。1112兩關節(jié)機械手的控制可應用小腦神經(jīng)網(wǎng)絡直接逆模型控制。13神經(jīng)網(wǎng)絡用于系統(tǒng)正模型辨識的結(jié)構只有串聯(lián)結(jié)構一種。14連續(xù)型123遺傳算法的復制操作有嚴格的程序，不能通過隨機方法來實現(xiàn)。.在模糊控制中，隸屬度是根據(jù)對象的數(shù)學模型來確定的。（X.模糊控制中，語言變量的值可用“負大、負小、零”等表示。（V.模糊控制在一定程度上模仿人的模糊決策和推理，用它解決較復雜問題時，不需要建立數(shù)學模型。（V第四章神經(jīng)網(wǎng)絡可以充分逼近任意復雜的非線性函數(shù)關系是神經(jīng)網(wǎng)絡的特點之一。（，一般情況下，神經(jīng)網(wǎng)絡系統(tǒng)模型的并聯(lián)結(jié)構可以保證系統(tǒng)辨識收斂。（X）。（V）運算效率高，收斂速度快是BP神經(jīng)網(wǎng)絡的主要特點之一

26、。（X）神經(jīng)元的各種不同數(shù)學模型的主要區(qū)別在于采用了不同的轉(zhuǎn)移函數(shù)，從而使神經(jīng)元具有不同的信息處理特性。（，）離散Hopfield網(wǎng)絡的兩種工作方式是同步和異步工作方式。（V）PID控制、內(nèi)模控制、直接逆控制等。（，）-并聯(lián)型結(jié)構不利于保證系統(tǒng)辨識模型的穩(wěn)定性。（X）BP神經(jīng)網(wǎng)絡是一種多層全互連型結(jié)構的網(wǎng)絡。（X）.離散型單層感知器的轉(zhuǎn)移函數(shù)一般采用閾值（符號）函數(shù)。（，.Hopfield網(wǎng)絡的吸引子是指網(wǎng)絡的穩(wěn)定狀態(tài)。（，）.兩關節(jié)機械手的控制可應用小腦神經(jīng)網(wǎng)絡直接逆模型控制。（，.神經(jīng)網(wǎng)絡用于系統(tǒng)正模型辨識的結(jié)構只有串聯(lián)結(jié)構一種。（X）Hopfield網(wǎng)絡是多層前饋型神經(jīng)網(wǎng)絡，每一節(jié)點的輸

27、出均反饋至節(jié)點的輸入。（x）第五章遺傳算法遺傳算法的復制操作可以通過隨機方法來實現(xiàn)，可使用計算機，也可使用輪盤賭的轉(zhuǎn)盤。（，）在遺傳算法中，初始種群的生成不能用隨機的方法產(chǎn)生。（X）遺傳算法的復制操作有嚴格的程序，不能通過隨機方法來實現(xiàn)。（X4 .遺傳算法具有進化計算的所有特征，其主要用途是數(shù)值計算。（X）5 .遺傳算法中，適配度大的個體有更多機會被復制到下一代。（，）6 .在遺傳算法中，初始種群的生成不能用隨機的方法產(chǎn)生。（X）名詞解釋第一章1 .智能控制有知識的“行為舵手”，它把知識和反饋結(jié)合起來，形成感知-交互集、以目標為導向的控制系統(tǒng)。第二章2 .專家系統(tǒng)一種包含知識和推理的人工智能的

28、計算機程序系統(tǒng)，這些程序軟件具有相當于某個專門領域?qū)＜业闹R和經(jīng)驗水平，同時具有處理該領域問題的能力3 .語義網(wǎng)絡通過概念及相互間語義關系，圖解表示知識網(wǎng)絡。4 .專家控制系統(tǒng)應用專家系統(tǒng)的概念、原理和技術，模擬人類專家的控制知識和經(jīng)驗而建造的控制系統(tǒng)。第三章1 .模糊控制模糊控制是把人類專家對特定的被控對象或過程的控制策略總結(jié)成一系列的控制規(guī)則，通過模糊推理得到控制作用集，作用于被控對象或過程。它無需建立系統(tǒng)模型,是解決不確定系統(tǒng)的一種有效途徑。2 .模糊系統(tǒng)一種基于知識或基于規(guī)則的系統(tǒng)。它的核心就是有IF-THEN規(guī)則形成的知識庫。3 .模糊集合論域U上的模糊集A用一個在區(qū)間0,1上取值的

29、隸屬度函數(shù)mA（u）來表示。4 .隸屬度某元素屬于模糊集合A的程度稱為隸屬度，用隸屬度函數(shù)ni(x)描述。隸屬度函數(shù)的值是閉區(qū)間0,1上的一個數(shù)，表示元素x屬于模糊集合A的程度。5 .模糊關系X與Y直積XYx,y|xX,yY中一個模糊子集R稱為從X到Y(jié)的模糊關系。第四章1 .神經(jīng)網(wǎng)絡神經(jīng)元互連組成的網(wǎng)絡，從微觀結(jié)構和功能上對人腦抽象、簡化，是模擬人類智能的一條重要途徑，反映人腦功能的若干特征，如并行處理、學習聯(lián)想、分類等。2 .小腦模型神經(jīng)網(wǎng)絡由局部調(diào)整、相互覆蓋接收域的神經(jīng)元組成，模擬人的小腦學習結(jié)構。是一種基于表格查詢式輸入輸出多維非線性映射能力。3 .Hopfield神經(jīng)網(wǎng)絡全連接型反饋

30、動態(tài)神經(jīng)網(wǎng)絡，分為離散型和連續(xù)型兩種，網(wǎng)絡達到穩(wěn)定狀態(tài)時，其能量函數(shù)達到最小。第五章1 .變異操作模擬生物在自然遺傳環(huán)境下由于各種偶然因素引起的基因突變，它以很小的概率隨機改變遺傳基因(表示染色體的符號串的某一位)的值。2 .適應度函數(shù)遺傳算法中某個個體對環(huán)境的適應程度，適應值函數(shù)可由目標函數(shù)變換而成。3 .遺傳算法建立在自然選擇和群體遺傳學機理基礎上的隨機迭代和進化，具有廣泛適用性的搜索方法。簡答題第一章1 .智能控制的主要功能特點是什么。(1)多層遞階的組織結(jié)構(2)多模態(tài)控制(3)自學習能力(4)自適應能力5）自組織能力2智能控制的研究對象具備哪些特點不確定性的模型；高度的非線性；復雜的

31、任務要求。3與傳統(tǒng)控制相比，智能控制的主要特點是什么（ 1）處理復雜性、不確定性問題的能力；（ 2）描述系統(tǒng)的模型更為廣泛；（ 3）具有學習、適應、組織的功能；（ 4）具有分層信息處理和決策機構；（ 5）控制其與對象、環(huán)境沒有明顯的分離。4智能控制有哪些主要類型（1） 模糊控制（2） 神經(jīng)網(wǎng)絡控制（3） 專家控制（4） 分層遞階智能控制第二章1. 專家系統(tǒng)中，知識表示方法有哪些常用形式（1）產(chǎn)生式知識表示（2） 框架表示（3） 語義網(wǎng)絡表示（4） 劇本表示（5） Petri網(wǎng)表示2 .用結(jié)構圖描述專家系統(tǒng)的基本結(jié)構3 .直接式專家控制系統(tǒng)有哪幾部分組成？直接式專家控制系統(tǒng)通常由知識庫、控制規(guī)則

32、集、推理機構及信息獲取與處理四個部分組成。第三章1 .簡述模糊控制器中的比例因子計算方法？設卜umax,Umax為控制量U的變化范圍，n為0Umax范圍內(nèi)的區(qū)間個數(shù)，稱為量化區(qū)間數(shù),則比例因子Ku=Umax/n2 .設計一個模糊控制器必須要解決哪三個關鍵問題？1）設計模糊控制器要解決的第一個問題是如何把確定量轉(zhuǎn)換為對應的模糊量；2）根據(jù)操作者的控制經(jīng)驗制定模糊控制規(guī)則，并執(zhí)行模糊邏輯推理，以得到一個輸出模糊集合，這一步稱為模糊控制規(guī)則形成和推理；3）需要為模糊輸出量進行解模糊判決，實現(xiàn)控制。3. 在模糊控制器的設計中，常用的模糊判決方法有哪些？（1）最大隸屬度法（ 2） 加權平均法（ 3） 重

33、心法（ 4） 取中位數(shù)法4. 模糊控制中，描述語言變量常見的語言值有哪幾種？語言變量常見的語言值是負大（NB）、負中（NM）、負?。∟S）、負零（NO）、正零（PO）、正小（PS）、正中（PM）、正大（PB）。5. 模糊控制系統(tǒng)由哪四個基本單元組成？（1）模糊化接口；（2） 知識庫（規(guī)則庫和數(shù)據(jù)庫）；（3） 推理機；（4） 反模糊化接口。6. 簡要回答基本模糊控制器的設計步驟？（1） 選擇輸入、輸出語言變量；（2） 建立各語言變量的賦值表；（3） 建立模糊控制規(guī)則表；（4） 建立查詢表。7. 試寫出幾種常見的模糊條件語句。單輸入-單輸出模糊控制器的模糊規(guī)則有兩種形式：（1）若A則B型；IFAT

34、HENB（2）若A則B型否則C型；IFATHENBELSEC雙輸入-單輸出模糊控制器的模糊規(guī)則(3)若A且B貝UC型。IFAandBTHENC第四章1. 在神經(jīng)網(wǎng)絡的學習算法中，有導師學習的含義是什么?有導師學習也稱為有監(jiān)督學習，這種學習模式采用的是糾錯規(guī)則。在學習訓練過程中需要不斷給網(wǎng)絡成對提供一個輸入模式和一個期望網(wǎng)絡正確輸出的模式，稱為“教師信號”。將神經(jīng)網(wǎng)絡的實際輸出同期望輸出進行比較，當網(wǎng)絡的輸出與期望輸出不符時，根據(jù)差錯的方向和大小按一定的規(guī)則調(diào)整權值，以使下一步網(wǎng)絡的輸出更接近期望結(jié)果。2. 常用的神經(jīng)網(wǎng)絡轉(zhuǎn)移函數(shù)有哪幾種類型？（1）對稱、非對稱閾值型轉(zhuǎn)移函數(shù)；（2） 對稱、非對

35、稱Sigmoid型轉(zhuǎn)移函數(shù)；（3） 分段線性轉(zhuǎn)移函數(shù)。3. 神經(jīng)網(wǎng)絡有哪些主要的結(jié)構特征？（ 1）并行處理；（ 2）信息分布式存儲;（ 3）容錯性。4. 在神經(jīng)網(wǎng)絡學習算法中，何謂無導師的學習？無導師學習也稱為無監(jiān)督學習，是一種自組織學習。輸入模式進入網(wǎng)絡后，網(wǎng)絡按照一種預先設定的規(guī)則，如競爭規(guī)則，反復調(diào)整網(wǎng)絡權值以響應輸入模式的激勵，直到網(wǎng)絡最后形成某種有序狀態(tài)。5. 簡述BP神經(jīng)網(wǎng)絡的基本思想。學習過程由信號的正向傳播和反向傳播兩個過程組成。正向傳播時，輸人樣本由輸入層進入，經(jīng)隱層處理后傳向輸出層。若實際輸出與教師信號不符，則轉(zhuǎn)入誤差的反向傳播階段。反向傳播時，輸出誤差將通過隱層向輸人層逐

36、層反傳，并把誤差分攤而得到各層單元的誤差信號，作為修正各單元權值的依據(jù)。權值的調(diào)整過程即網(wǎng)絡的學習過程，直到網(wǎng)絡輸出精度滿足要求為止。1.給出遺傳算法的一般算法流程圖綜合計算題第3章模糊控制1. 設論域U =Xi X2 X3 X4 X5,兩個模糊集合為a 0.5A = +Xi0.30.40.2+ + ,X2X3X4c 0.20.6B = 一 + 一XiX41+ 一X5試求：AUB、AIB、B。A-0.50.30.40.61AUB一一一XX2X3X4X5AI B0.2 0.2X1X40.80.4XiX4?.8.50.7 +0.3叁r.2.60.424=,試求0.9與(1) A與B的復合Ti(2)

37、 B與A的復合T2R.8仝0.2)(0.7彳10.6)(0.80.4)遒(0.70.9)立2.5仝0.2)(0.3彳10.6)(0.50.4)遒(0.30.9)上物.2譜0.60.40.7m 囑.6 0.7箴.2譜0.30.40.3栩.3 0.4類似得可以求得T2=BoA=服.40.3.60.6：8.13.設有模糊矩陣A = ?080.3；0.2三0.5;0.2三試求(1)AIB(2)A與B的復合T0.10.80.30.50.10.3AIB0.80.30.20.20.30.20.5)遒(0.30.5)遒(0.20.2) +0.2)士觸.1仝0.8)(0.3彳10.3)(0.1T=AoB二31P

38、.8仝0.8)(0.2彳10.3)(0.8瑜1僭0.30.10.2就能.30.210.8譜0.20.50.2B穆.80.5粉54.設有模糊矩陣A = 1070.6 +0.4叁1.0文0.4至試求(1)AUB(0.51.0)遒(0.60.4)立(0.71.0)遒(0.40.4)主A和B如下:0.50.20.61.00.51.0AUB0.70.80.40.40.80.4的.5仝0.2)(0.6彳10.8)T=AoB二農(nóng)人心?0.7仝0.2)(0.4彳10.8)$60.5；?0.40.7基5.設論域UUi,U2,U3,U4上的模糊結(jié)合10.60.4-0.20.8A,Bu1u2u3u2u3求：AUB,

39、AIB,A1AUB-U10.60.8U2U3AIB0.2U20.4U3-0.40.6AU2U36.論域 X=0,100上的模糊集合A代表“偏大”，在0,80區(qū)間上mVx)=0.0125x,在80,100區(qū)間上mVx)=1。寫出A的隸屬度函數(shù)解析表達式，并畫出其隸屬度函數(shù)曲線。?0.0125x二？10#x80#x801001.51.0.5.01rli|iriii01020304050607080901007 .畫出以下兩種情況的隸屬函數(shù)：(a)精確集合Ax/x%的隸屬函數(shù)；(b)寫出單點模糊(singletonfuzzification)隸屬函數(shù)的數(shù)學表達形式，并畫出隸屬函數(shù)圖。(a)1.0 0

40、.5 -(b)1 x u00 otherwiseUiu8 .設有一個模糊控制器的輸出結(jié)果為模糊集合U,表示為0.10.40.8110.4一+-+一-4-3-2-101用重心法求模糊判決的結(jié)果?6Uo?u'mu(Ui)i=16?mu(u)i=1-4?0.13?0.42?0.81?10?11?0.40.1+0.4+0.8+1+1+0.4=-1.0279 .設有一個模糊控制器的輸出結(jié)果為模糊集合U,表示為,0.10.80.50.80.8U =+ 12345用最大隸屬度法求模糊判決的結(jié)果？存在3個最大隸屬度mU (2) = mU (4)= u0 = 1(2 +30.36mU (5) =0.84

41、+ 5) = 3.6或者u0 =10.語言變量的量化等級都是9級， 差e的論域為-50,50,控制輸出u 少？1 cc-(2+ 5)= 3.5即-4 , -3 , -2, -1 , 0, 1, 2, 3, 4。誤的論域為-64,64,求量化因子Ke, Ku為多n 4Ke =0.08 （3 分）emax50Ku =64= 16 （3分） n 411.某語言變量五元組描述示意圖如下所示，分別說明圖中的語言變量、語言變 量值的集合、論域具體指什么？誤差：語言變量負大，負中，負小，零，正小，正中，正大:語言變量值的集合-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6:論域X、Y上的模糊集

42、合13.設論域X=Y=1,2,3,4,5,0.70.3A1 =10.6-+ 一 +120.40.2一 十 一0.40.71一+一+345設人=“小”則B 二 “大”，使用Mamdani極大極小推理，求A1=“較小”時,輸出Bi的模糊集合？根據(jù)mA?B(x,y)=RA(x)?m3(y)minmx(x),m3(y)R=A?B0.710.7 0.70.3 0.30000模糊推理輸出Bi=AioR0.40.710.40.70.70.30.30.3000000翻0.00.40.7114 .設丁二爐溫，V=電壓。某控制系統(tǒng)的人工操作經(jīng)驗為若爐溫低于100c則升壓;若爐溫高于100c則降壓;若爐溫等于100

43、c則保持電壓不變選擇輸出語言變量U為電壓變化量。輸入、輸出語言變量均選3個語言值:正、零、負，分別用模糊子集P、O、N表示。試用以上控制規(guī)則給出基本模糊控制器的模糊控制規(guī)則表。選擇輸入語言變量E為爐溫誤差，即E=T-100;若爐溫低于200c則升壓；一ifE=NthenU=P若爐溫高于200c則降壓；一ifE=PthenU=N若爐溫等于200c則保持電壓不變。一ifE=OthenU=O由以上模糊控制規(guī)則建立控制規(guī)則表。（2分）ENOPUPON15 .某液位控制系統(tǒng)的人工操作經(jīng)驗為若液位低于400cm則增大流入閥閥門開度，低得越多開得越大；若液位等于400cm則保持流入閥閥門開度不變；若液位高于400cm則減小流入閥閥門開度，高得越多開得越小。描述輸入變量及輸出變量的語言值的量化范圍可取為：負大、負小、零、正小、正大。試寫出該系統(tǒng)的單輸入單輸出模糊控制規(guī)則，并列出糊控制規(guī)則表。設系統(tǒng)輸入量為液位實測高度與給定值之誤差E,輸出量為閥門開度的變化量U;描述輸入變量及輸出變量的語言值E和U可取為NBNSOPSPB液位控制系統(tǒng)的人工操作經(jīng)驗寫成模糊條件語句為ifE=NBthenU=PBifE=NSthenU=PSifE=OthenU=OifE=PSthenU=NSifE=PBthenU=NB系統(tǒng)的模糊控制規(guī)則表ENBNSOPSPBUPBPSONSNB第四章神經(jīng)網(wǎng)絡E口人k