智能控制題庫(合并版)

一、填空題1．智能控制是一門新興的學科，它具有非常廣泛的應用領域，例如、、和。1、交叉學科在機器人控制中的應用在過程控制中的應用飛行器控制2．傳統(tǒng)控制包括和。2、經(jīng)典反應控制現(xiàn)代理論控制3．一個理想的智能控制系統(tǒng)應具備的根本功能是、、和。3、學習功能適應功能自組織功能優(yōu)化能力4．智能控制中的三元論指的是：、和。4、運籌學，人工智能，自動控制5．近年來，進化論、、和等各門學科的開展給智能控制注入了巨大的活力，并由此產(chǎn)生了各種智能控制方法。5、神經(jīng)網(wǎng)絡模糊數(shù)學專家系統(tǒng)6．智能控制方法比傳統(tǒng)的控制方法更能適應對象的、和。6、時變性非線性不確定性7．傅京遜首次提出智能控制的概念，并歸納出的3種類型智能控制系統(tǒng)是、和。7、人作為控制器的控制系統(tǒng)、人機結合作為控制器的控制系統(tǒng)、無人參與的自主控制系統(tǒng)8、智能控制主要解決傳統(tǒng)控制難以解決的復雜系統(tǒng)的控制問題，其研究的對象具備的3個特點為、和。不確定性、高度的非線性、復雜的任務要求9．智能控制系統(tǒng)的主要類型有、、、、和。9、分級遞階控制系統(tǒng)，專家控制系統(tǒng)，神經(jīng)控制系統(tǒng)，模糊控制系統(tǒng)，學習控制系統(tǒng)，集成或者〔復合〕混合控制系統(tǒng)10．智能控制的不確定性的模型包括兩類：(1)；(2)。10、(1)模型未知或知之甚少；(2)模型的結構和參數(shù)可能在很大范圍內變化。11．控制論的三要素是：信息、反應和控制。12．建立一個實用的專家系統(tǒng)的步驟包括三個方面的設計，它們分別是、和。12、知識庫的設計推理機的設計人機接口的設計13．專家系統(tǒng)的核心組成局部為和。13、知識庫、推理機14．專家系統(tǒng)中的知識庫包括了3類知識，它們分別為、、和。14、判斷性規(guī)那么控制性規(guī)那么數(shù)據(jù)15．專家系統(tǒng)的推理機可采用的3種推理方式為推理、和推理。15、正向推理、反向推理和雙向推理16．根據(jù)專家控制器在控制系統(tǒng)中的功能，其可分為和。16、直接型專家控制器、間接型專家控制器17．普通集合可用函數(shù)表示,模糊集合可用函數(shù)表示。17、特征、隸屬18．某省兩所重點中學在(x1~x5)五年高考中，考生“正常發(fā)揮”的隸屬函數(shù)分別為、、、、和0.92、0.96、0.87、0.93、0.94。那么在研究該省重點中學高考考生水平發(fā)揮的狀況時，論域應為，假設分別用、表示兩個學校考試“正常發(fā)揮”的狀況，那么用序偶表示法分別表示為，；“未正常發(fā)揮”模糊子集〔用行向量表示〕分別為和；而該省兩所重點中學每年高考考生“正常發(fā)揮”的模糊子集應該是〔用Zadeh法表示〕。18．，，19.確定隸屬函數(shù)的方法大致有、和。19、模糊統(tǒng)計法主觀經(jīng)驗法神經(jīng)網(wǎng)絡法20．在模糊控制中應用較多的隸屬函數(shù)有6種，它們分別為高斯型隸屬函數(shù)、、、、和。20、廣義鐘形隸屬函數(shù)S形隸屬函數(shù)梯形隸屬函數(shù)三角形隸屬函數(shù)Z形隸屬函數(shù)21．在天氣、學問、晴朗、表演和淵博中可作為語言變量值的有和。21、晴朗、淵博22．在天氣、學問、暖和、表演和中年人中可作為語言變量值的有和。22.暖和、中年人23．模糊控制是以、、和為根底的一種智能控制方法。模糊集理論，模糊語言變量，模糊邏輯推理24．模糊控制的數(shù)學根底為。24、模糊集合25．模糊控制中，常用的語言變量值用,,,等表示,其中代表,代表。25、正中、負零26.在模糊控制中，模糊推理的結果是量。26、模糊27.在模糊控制中，解模糊的結果是量。確定量28.根本模糊控制器的組成包括知識庫以及、和。28、模糊化接口、推理機、解模糊接口29.在模糊控制中，實時信號需要才能作為模糊規(guī)那么的輸入，從而完成模糊推理。模糊化30．模糊控制是建立在根底之上的，它的開展可分為三個階段，分別為、、和。30、人工經(jīng)驗模糊數(shù)學開展和形成階段產(chǎn)生了簡單的模糊控制器高性能模糊控制階段31．模糊集合邏輯運算的模糊算子為、和。31、交運算算子并運算算子平衡算子32．在溫度、成績、暖和、口才和很好中可作為語言變量值的有和32.暖和、很好33．在水位、壓力、暖和、表演、中年人和比擬好中可作為語言變量值的有、和。33、暖和、中年人和比擬好34．在水位、寒冷、溫度、表演和偏高中可作為語言變量值的有和。34.寒冷、偏高35.模糊控制的根本思想是把人類專家對特定的被控對象或過程的總結成一系列以“”形式表示的控制規(guī)那么。35、控制策略“IF條件THEN作用”36．神經(jīng)網(wǎng)絡的開展歷程經(jīng)歷了4個階段，分別為、、和。36、啟蒙期、低潮期、復興期、新連接機制期37．神經(jīng)元由4局部構成，它們分別為、、和突觸。37、細胞體、樹突、軸突38．根據(jù)神經(jīng)網(wǎng)絡的連接方式，神經(jīng)網(wǎng)絡的３種形式為：、和。38、前向網(wǎng)絡反應網(wǎng)絡自組織網(wǎng)絡39．神經(jīng)網(wǎng)絡的3個要素為：、和。39、神經(jīng)元的特性拓撲結構學習規(guī)那么40．神經(jīng)網(wǎng)絡的3個要素為：、和。40、神經(jīng)元的特性拓撲結構學習規(guī)那么41.目前神經(jīng)網(wǎng)絡的學習算法有多種，按有無導師分類，可分為、和。41、有導師學習無導師學習再勵學習42.神經(jīng)網(wǎng)絡的研究主要分為3個方面的內容，即、和。42.神經(jīng)元模型、神經(jīng)網(wǎng)絡結構、神經(jīng)網(wǎng)絡學習算法43.神經(jīng)網(wǎng)絡的學習過程主要由正向傳播和反向傳播兩個階段組成。44．神經(jīng)網(wǎng)絡控制是將和相結合而開展起來的智能控制方法。神經(jīng)網(wǎng)絡，控制理論45.遺傳算法的主要用途是。45、尋優(yōu)〔優(yōu)化計算〕46．常用的遺傳算法的染色體編碼方法有二種，它們分別為實數(shù)編碼和。46、二進制編碼47.遺傳算法的3種根本遺傳算子、和。47、比例選擇算子單點交叉算子變異算子48．遺傳算法中，適配度大的個體有被復制到下一代。25、更多時機49.遺傳算法中常用的3種遺傳算子〔根本操作〕為、、和。49、復制、交叉和變異二、簡答題：1.試說明智能控制的的根本特點是什么？〔1〕學習功能〔1分〕〔2〕適應功能〔1分〕〔3〕自組織功能〔1分〕〔4〕優(yōu)化能力〔2分〕2、試簡述智能控制的幾個重要分支。專家控制、模糊控制、神經(jīng)網(wǎng)絡控制和遺傳算法。3、試說明智能控制研究的數(shù)學工具。智能控制研究的數(shù)學工具為：〔1〕符號推理與數(shù)值計算的結合；〔2〕離散事件與連續(xù)時間系統(tǒng)得結合；〔3〕模糊集理論；〔4〕神經(jīng)網(wǎng)絡理論；〔5〕優(yōu)化理論4.智能控制系統(tǒng)有哪些類型，各自的特點是什么？〔1〕專家控制系統(tǒng)〔1分〕專家系統(tǒng)主要指的是一個智能計算機程序系統(tǒng)，其內部含有大量的某個領域專家水平的知識與經(jīng)驗。它具有啟發(fā)性、透明性、靈活性、符號操作、不一確定性推理等特點?！?〕模糊控制系統(tǒng)〔1分〕在被控制對象的模糊模型的根底上，運用模糊控制器近似推理手段，實現(xiàn)系統(tǒng)控制的一種方法模糊模型是用模糊語言和規(guī)那么描述的一個系統(tǒng)的動態(tài)特性及性能指標?！?〕神經(jīng)控制系統(tǒng)〔1分〕神經(jīng)網(wǎng)絡具有某些智能和仿人控制功能。學習算法是神經(jīng)網(wǎng)絡的主要特征?！?〕遺傳算法〔2分〕遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法,是基于進化論在計算機上模擬生命進化論機制而開展起來的一門學科.遺傳算法可用于模糊控制規(guī)那么的優(yōu)化及神經(jīng)網(wǎng)絡參數(shù)及權值的學習,在智能控制領域有廣泛的應用。5、試說明智能控制的三元結構，并畫出展示它們之間關系的示意圖。把智能控制擴展為三元結構，即把人工智能、自動控制和運籌學交接如下表示：〔2分〕IC=AI∩AC∩OROR一運籌學〔Operationresearch〕IC一智能控制(intelligentcontrol);Al一人工智能(artificialintelligence);AC一自動控制(automaticColltrol);∩一表示交集.6．比擬智能控制與傳統(tǒng)控制的特點。傳統(tǒng)控制：經(jīng)典反應控制和現(xiàn)代理論控制。它們的主要特征是基于精確的系統(tǒng)數(shù)學模型的控制。適于解決線性、時不變等相對簡單的控制問題?！?分〕智能控制：以上問題用智能的方法同樣可以解決。智能控制是對傳統(tǒng)控制理論的開展，傳統(tǒng)控制是智能控制的一個組成局部，在這個意義下，兩者可以統(tǒng)一在智能控制的框架下。7.簡述智能控制系統(tǒng)較傳統(tǒng)控制的優(yōu)點。在傳統(tǒng)控制的實際應用遇到很多難解決的問題，主要表現(xiàn)以下幾點：〔1〕實際系統(tǒng)由于存在復雜性、非線性、時變性、不確定性和不完全性等，無法獲得精確的數(shù)學模型。(1分)〔2〕某些復雜的和包含不確定性的控制過程無法用傳統(tǒng)的數(shù)學模型來描述，即無法解決建模問題。(1分)〔3〕針對實際系統(tǒng)往往需要進行一些比擬苛刻的線性化假設，而這些假設往往與實際系統(tǒng)不符合。(1分)〔4〕實際控制任務復雜，而傳統(tǒng)的控制任務要求低，對復雜的控制任務，如機器人控制、CIMS、社會經(jīng)濟管理系統(tǒng)等復雜任務無能為力。(1分)智能控制將控制理論的方法和人工智能技術靈活地結合起來，其控制方法適應對象的復雜性和不確定性,能夠比擬有效的解決上述問題,具有較大的優(yōu)越性。(1分)8、智能控制與傳統(tǒng)控制的主要區(qū)別如何？傳統(tǒng)控制：經(jīng)典反應控制和現(xiàn)代理論控制。它們的主要特征是基于精確的系統(tǒng)數(shù)學模型的控制。適于解決線性、時不變等相對簡單的控制問題。智能控制：以上問題用智能的方法同樣可以解決。智能控制是對傳統(tǒng)控制理論的開展，能夠解決傳統(tǒng)控制方法難以解決的復雜系統(tǒng)的控制問題，如：對象的不確定性、高度的非線性和復雜的任務要求。傳統(tǒng)控制是智能控制的一個組成局部，在這個意義下，兩者可以統(tǒng)一在智能控制的框架下。9.簡述專家系統(tǒng)與專家控制的區(qū)別。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)能完成專門領域的功能，輔助用戶決策；專家控制能進行獨立的、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?！?〕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應信息，即要求在線工作方式。10.簡述專家系統(tǒng)的根本構成。知識庫和推理機，具體略。11、簡述專家控制與專家系統(tǒng)存在的區(qū)別。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)能完成專門領域的功能，輔助用戶決策；專家控制能進行獨立的、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應信息，即要求在線工作方式。12.請畫出直接型專家控制器的結構圖并說明其設計思想。圖略直接型專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過程。具有模擬操作工人智能的功能。這種類型的控制器任務和功能相對簡單，但需要在線、實時控制。13.簡述直接型專家控制器的主要設計內容。直接型專家控制器的主要設計內容：①建立知識庫；②控制知識的獲??；③選擇適宜的推理方法。14.畫出間接型專家控制器的結構圖并說明其設計思想。圖略設計思想：間接型專家控制器用于和常規(guī)控制器相結合，組成對生產(chǎn)過程或被控對象進行間接控制的智能控制系統(tǒng)。具有模擬〔或延伸，擴展〕控制工程師智能的功能。該控制器能夠實現(xiàn)優(yōu)化適應、協(xié)調、組織等高層決策的智能控制。15．簡述間接型專家控制器的概念及其分類。間接型專家控制器用于和常規(guī)控制器相結合，組成對生產(chǎn)過程或被控對象進行間接控制的智能控制系統(tǒng)。具有模擬〔或延伸，擴展〕控制工程師智能的功能。該控制器能夠實現(xiàn)優(yōu)化適應、協(xié)調、組織等高層決策的智能控制(1分)。按照高層決策功能的性質，間接型專家控制器可分為以下幾種類型：①優(yōu)化型專家控制器(1分)；②適應型專家控制器(1分)；③協(xié)調型專家控制器(1分)；④組織型專家控制器(1分)。16.根據(jù)高層決策功能的性質，簡述間接型專家控制器的分類。按照高層決策功能的性質，間接型專家控制器可分為以下幾種類型：①優(yōu)化型專家控制器；②適應型專家控制器；③協(xié)調型專家控制器；④組織型專家控制器。17．簡述模糊集合的概念。設為某些對象的集合,稱為論域,可以是連續(xù)的或離散的；論域到[0,1]區(qū)間的任一映射:→[0,1]確定了的一個模糊子集；稱為的隸屬函數(shù)，表示論域的任意元素屬于模糊子集F的程度。模糊子集F的表示方法有幾種，如：向量表示法、Zadeh表示法、序偶表示法等。18、比擬模糊集合與普通集合的異同。比擬模糊集合與普通集合的異同。相同點：都表示一個集合；不同點：普通集合具有特定的對象。而模糊集合沒有特定的對象，允許在符合與不符合中間存在中間過渡狀態(tài)。19．試比擬特征函數(shù)和隸屬函數(shù)。特征函數(shù)用來表示某個元素是否屬于普通集合，而隸屬函數(shù)那么用來表示某個元素屬于模糊集合的程度，特征函數(shù)的取值{0，1}，而隸屬函數(shù)的取值[0，1]，特征函數(shù)可以看作特殊的隸屬函數(shù)20．在模糊控制器的設計中，常用的反模糊化的方法有哪幾種？最大隸屬度法、中心法和加權平均法。21.簡述將模糊控制規(guī)那么離線轉化為查詢表形式的模糊控制器的設計步驟。(1)確定模糊控制器的結構;(2)定義輸入、輸出模糊集；(3)定義輸入、輸出隸屬函數(shù)；(4)建立模糊控制規(guī)那么；(5)建立模糊控制表；(6)模糊推理；(7)反模糊化。22.簡述模糊控制的開展方向模糊控制的開展方向有：〔１〕Fuzzy-PID復合控制〔2〕自適應模糊控制〔3〕專家模糊控制〔4〕神經(jīng)模糊控制〔5〕多變量模糊控制23、模糊控制系統(tǒng)一般由幾個局部組成？1〕模糊控制器2〕輸入/輸出接口裝置3〕廣義對象4〕傳感器24、請畫出模糊控制系統(tǒng)的組成框圖，并結合該圖說明模糊控制器的工作原理。模糊控制器的工作原理為:

(1)

模糊化接口

測量輸入變量(設定輸入)和受控系統(tǒng)的輸出變量,并把它們映射到一個適宜的響應論域的量程,然后,精確的輸入數(shù)據(jù)被變換為適當?shù)恼Z言值或模糊集合的標識符。本單元可視為模糊集合的標記。(2)

知識庫

涉及應用領域和控制目標的相關知識,它由數(shù)據(jù)庫和語言(模糊)控制規(guī)那么庫組成。數(shù)據(jù)庫為語言控制規(guī)那么的論域離散化和隸屬函數(shù)提供必要的定義。語言控制規(guī)那么標記控制目標和領域專家的控制策略。

(3)

推理機

是模糊控制系統(tǒng)的核心。以模糊概念為根底,模糊控制信息可通過模糊蘊涵和模糊邏輯的推理規(guī)那么來獲取,并可實現(xiàn)擬人決策過程。根據(jù)模糊輸入和模糊控制規(guī)那么,模糊推理求解模糊關系方程,獲得模糊輸出。

(4)

模糊判決接口

起到模糊控制的推斷作用,并產(chǎn)生一個精確的或非模糊的控制作用。此精確控制作用必須進行逆定標(輸出定標),這一作用是在對受控過程進行控制之前通過量程變換來實現(xiàn)的25、模糊控制與傳統(tǒng)控制的不同之處：傳統(tǒng)控制方法均是建立在被控對象精確數(shù)學模型根底上的，然而，隨著系統(tǒng)復雜程度的提高，將難以建立系統(tǒng)的精確數(shù)學模型；模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為根底，從行為上模仿人的模糊推理和決策過程的一種智能控制方法。該控制方法適應對象的復雜性和不確定性，不需要依賴對象的精確數(shù)學模型可實現(xiàn)復雜系統(tǒng)的控制。26、模糊控制器設計包括幾項內容？1．〔此題5分〕模糊控制器設計包括幾項內容？1〕確定模糊控制器的輸入變量和輸出變量(即控制量)2〕設計模糊控制器的控制規(guī)那么3〕確立模糊化和非模糊化〔又稱清晰化〕的方法4〕選擇模糊控制器的輸入變量及輸出變量的論域并確定模糊控制器的參數(shù)〔如量化因子、比例因子〕5〕編制模糊控制算法的應用程序6〕合理選擇模糊控制算法的采樣時間27．簡述神經(jīng)網(wǎng)絡的開展歷程。神經(jīng)網(wǎng)絡的開展歷程經(jīng)過4個階段?！?〕啟蒙期〔1890-1969年〕(1分)〔2〕低潮期〔1969-1982〕(1分)〔3〕復興期〔1982-1986〕(2分)1982年，物理學家Hoppield提出了Hoppield神經(jīng)網(wǎng)絡模型，該模型通過引入能量函數(shù)，實現(xiàn)了問題優(yōu)化求解，1984年他用此模型成功地解決了旅行商路徑優(yōu)化問題(TSP)。在1986年，在Rumelhart和McCelland等提出了一種著名的多層神經(jīng)網(wǎng)絡模型，即BP網(wǎng)絡。該網(wǎng)絡是迄今為止應用最普遍的神經(jīng)網(wǎng)絡?！?〕新連接機制時期〔1986-現(xiàn)在〕(1分)神經(jīng)網(wǎng)絡從理論走向應用領域。28．簡述神經(jīng)元模型并畫出結構圖。和神經(jīng)生理學類似,人工神經(jīng)網(wǎng)絡的的根本處理單元稱為神經(jīng)元，每個神經(jīng)元模型模擬一個生物神經(jīng)元,如下圖：神經(jīng)元模型該神經(jīng)元單元由多個輸入,i=1,2,...,n和一個輸出y組成。中間狀態(tài)由輸入信號加權和表示,其輸出為:式中,為神經(jīng)元單元的閾值),為連接權系數(shù)(對于激發(fā)狀態(tài),取正值,對于抑制狀態(tài),取負值),n為輸入信號數(shù)目,為神經(jīng)元輸出,t為時間,f(＿)為輸出變換函數(shù),有時叫做激發(fā)或鼓勵函數(shù),往往采用0和1二值函數(shù)、S形函數(shù)和高斯函數(shù)等。29．人工神經(jīng)網(wǎng)絡有哪些主要的結構特征？〔1〕并行處理；〔2分〕〔2〕信息分布式存儲；〔2分〕容錯性。〔1分〕30．簡述神經(jīng)網(wǎng)絡具備的特征。〔1〕能逼近任意非線性函數(shù)；(1分)〔2〕信息的并行分布式處理與存儲；(1分)(3)可以多輸入、多輸出；(1分)〔4〕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)，或用現(xiàn)有的計算機技術實現(xiàn)；(1分)〔5〕能進行學習，以適應環(huán)境的變化。(1分)31、神經(jīng)網(wǎng)絡應具備的四個根本屬性是什么？1〕并行分布式處理2〕非線性處理3〕自學習功能4〕可通過硬件實現(xiàn)并行處理32．簡述誤差反向傳播學習算法的主要思想誤差反傳算法的主要思想是把學習過程分為兩個階段〔1分〕：第一階段〔正向傳播過程〕給出輸入信息通過輸入層經(jīng)隱含層逐層處理并計算每個單元的實際輸出值〔2分〕；第二階段〔反向過程〕，假設在輸出層未能得到期望輸出值，那么逐層遞歸的計算實際輸出與期望輸出之差值〔誤差〕以便根據(jù)此差值調節(jié)權值。33．簡述BP神經(jīng)網(wǎng)絡中，BP算法的根本思想。誤差反向傳播的學習算法簡稱BP算法，其根本思想是按梯度下降法進行學習。它采用梯度搜索技術，以期使網(wǎng)絡的實際輸出值與期望的輸出值的誤差均方值為最小。34．簡述BP根本算法的優(yōu)缺點。BP網(wǎng)絡的優(yōu)點為：〔1〕只要有足夠多的隱層和隱層，BP網(wǎng)絡可以逼近任意的非線性映射關系；(2)BP網(wǎng)絡的學習算法屬于全局逼近算法，具有較強的泛化能力；〔3〕BP網(wǎng)絡輸入輸出之間的關聯(lián)信息分布地存儲在網(wǎng)絡的連接權中，個別神經(jīng)元的損壞對輸入輸出關系有較小的影響，因而BP網(wǎng)絡具有較好的容錯性。BP網(wǎng)絡的主要缺點為：〔1〕待尋優(yōu)的參數(shù)較多，收斂速度較慢；(2)目標函數(shù)函數(shù)存在多個極值點，按梯度下降法進行學習，很容易陷入局部極小值；〔3〕難以確定隱層和隱層節(jié)點的數(shù)目。35.簡述RBF神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡的主要區(qū)別。RBF神經(jīng)網(wǎng)絡的學習過程和BP神經(jīng)網(wǎng)絡的學習過程類似，二者的主要區(qū)別在于各使用不同的作用函數(shù)。BP神經(jīng)網(wǎng)絡中隱層使用的Sigmoid是函數(shù)，其值在輸入空間中無限大的范圍內為非零值，因而是一種全局逼近的神經(jīng)網(wǎng)絡〔２分〕；而RBF神經(jīng)網(wǎng)絡的作用函數(shù)是高斯函數(shù)，其值在輸入空間中有限的范圍內為非零值，因而是一種局部逼近的神經(jīng)網(wǎng)絡〔２分〕，采用RBF神經(jīng)網(wǎng)絡可大大加快學習的速度，適合于實時控制的要求?！玻狈帧?6．簡述前向(多層)神經(jīng)網(wǎng)絡的結構并畫出結構圖。前向(多層)神經(jīng)網(wǎng)絡具有遞階分層結構,由一些同層神經(jīng)元間不存在互連的層組成。從輸入層至輸出層的信號通過單向連接流通；神經(jīng)元從一層連接至下一層,不存在同層神經(jīng)元間的連接,如下圖。前向(多層)神經(jīng)網(wǎng)絡具有形式，如：多層感知器、BP網(wǎng)絡、RBF網(wǎng)絡等。前向(多層)神經(jīng)網(wǎng)絡37.試述何為有導師學習？何為為無導師學習？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)那么。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擬，當網(wǎng)絡的輸出與期望輸出不符時，根據(jù)過失的方向和大小按一定的規(guī)那么調整權值，以使下一步網(wǎng)絡的輸出更接近期望結果。無導師學習也稱為無監(jiān)督學習，學習過程中，需要不斷給網(wǎng)絡提供動態(tài)輸入信息，網(wǎng)絡能根據(jù)特有的內部結構和學習規(guī)那么，在輸入信息流中發(fā)現(xiàn)任何可能存在的模式和規(guī)律，同時能根據(jù)網(wǎng)絡的功能和輸入信息調整權值，這個過程稱為網(wǎng)絡的自組織，其結果是使網(wǎng)絡能對屬于同一類的模式進行自動分類。38.簡述根本遺傳算法的構成要素?！?〕染色體編碼方法，根本遺傳算法使用固定長度的二進制來表示群體中的個體，其等位基因是由二值符號集{0，1}所組成的，其中個體的基因值可用均勻分布的隨機值來生成。(2)個體適應度評價，根本遺傳算法與個體適應度成正比的概率來決定當前群體中每個個體遺傳到下一代群體的概率多少。為正確計算這個概率必須先確定出由目標函數(shù)值J(x)到個體適應度函數(shù)F(x)的轉換規(guī)那么；(3)遺傳算子，即選擇運算、交叉運算和變異運算的根本遺傳算子；(4)根本遺傳算法的運行參數(shù)，即Ｍ、Ｇ、和等參數(shù)。39.簡述遺傳算法的應用領域。遺傳算法的應用領域：〔1〕函數(shù)優(yōu)化；〔2〕組合優(yōu)化；〔3〕生產(chǎn)調度問題；〔4〕自動控制；〔5〕機器人；〔6〕圖像處理；〔７〕人工生命〔８〕遺傳編程〔９〕機器學習。40.簡述根本遺傳算法的特點。見書P201頁41.簡述根本遺傳算法的應用步驟?！?〕確定決策變量及各種約束條件,即確定出個體的表現(xiàn)型Ｘ和問題的解空間；(2)建立優(yōu)化模型，即確定出目標函數(shù)的類型及數(shù)學描述形式或量化方法；〔3〕確定表示可行解的染色體編碼方法，即確定出個體的基因型Ｘ及遺傳算法的搜索空間；(4)確定個體適應度的量化評價方法，即確定出由目標函數(shù)值J(x)到個體適應度函數(shù)F(x)的轉換規(guī)那么；(5)設計遺傳算子，即確定選擇運算、交叉運算、變異運算等遺傳算子的具體操作方法；(6)確定遺傳算法的有關運行參數(shù)，即Ｍ、Ｇ、和等參數(shù)；(7)確定解碼方法，即確定出由個體表現(xiàn)型Ｘ到個體基因型x的對應關系或轉換方法。三、作圖題1.分別畫出以下應用場合下適當?shù)碾`屬函數(shù)：〔a〕我們絕對相信附近的e(t)是“正小”，只有當e(t)足夠遠離時，我們才失去e(t)是“正小”的信心；〔4分〕〔b〕我們相信附近的e(t)是“正大”，而對于遠離的e(t)我們很快失去e(t)是“正大”的信心；〔4分〕〔c〕隨著e(t)從向左移動，我們很快失去e(t)是“正小”的信心，而隨著e(t)從向右移動，我們較慢失去e(t)是“正小”的信心?！?分〕1．(a)(b)(c)2.分別畫出以下應用場合下適當?shù)碾`屬函數(shù)：〔a〕我們絕對相信附近的e(t)是“正小”，只有當e(t)足夠遠離時，我們才失去e(t)是“正小”的信心；〔4分〕〔b〕我們相信附近的e(t)是“正大”，而對于遠離的e(t)我們很快失去e(t)是“正大”的信心；〔4分〕〔c〕隨著e(t)從向左移動，我們很快失去e(t)是“正小”的信心，而隨著e(t)從向右移動，我們較慢失去e(t)是“正小”的信心?！?分〕(a)(b)3.論域X=[0，100]上的模糊集合代表“偏大”，在[0，80]區(qū)間上，在〔80，100]區(qū)間上?！?〕寫出的隸屬度函數(shù)的解析表達式〔2〕畫出的隸屬度函數(shù)曲線答0.0125x1〔2分〕圖略〔2分〕4.設實數(shù)論域X上的模糊集“大約是5”采用高斯型隸屬函數(shù)表示，其中參數(shù)〔1〕寫出的隸屬度函數(shù)的解析表達式〔2分〕〔2〕畫出的隸屬度函數(shù)曲線〔2分〕答〔1〕〔2分〕〔2〕圖略〔2分〕5.設實數(shù)論域X上的模糊集“大約是6”采用三角形隸屬函數(shù)表示，其中參數(shù)a=3;b=6;C=8〔1〕寫出的隸屬度函數(shù)的解析表達式〔2〕畫出的隸屬度函數(shù)曲線答〔2分〕圖略〔2分〕6.畫出以下兩種情況的隸屬函數(shù)圖：〔a〕畫出精確集合的隸屬函數(shù)圖；〔4分〕〔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?！?分〕〔c〕畫出精確集合的隸屬函數(shù)圖；〔4分〕(a)(b)(c)7.某模糊控制系統(tǒng)的輸入語言變量E和輸出語言變量U的語言值均為：NB、NS、O、PS、PB，E的論域為X＝{－3，－2，－1，0，1，2，3}，U的論域為Y＝{－3，－2，－1，0，1，2，3}。設語言變量E和U的賦值表為：量化等級語言變量值－3－2－10123PB000O00．51PS000110．50OOO0．510．500NS00．51l000NB10．500000試給出以上論域中各元素對各語言變量值所確定的模糊子集的隸屬函數(shù)曲線。8.一個模糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如圖1所示。試計算以下條件和規(guī)那么的隸屬函數(shù)：〔a〕規(guī)那么1：Iferroriszeroandchang-in-erroriszeroThenforceiszero。均使用最小化操作表示蘊含(usingminimumopertor)；〔5分〕〔b〕規(guī)那么2：Iferroriszeroandchang-in-errorispossmallThenforceisnegsmall。均使用乘積操作表示蘊含(usingproductopertor)；〔5分〕假定當前的輸入條件為：error=0,chang-in-error=(a)(b)9.一個模糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如以下圖所示。試通過作圖法分別推理每條規(guī)那么的輸出隸屬度函數(shù)：〔a〕規(guī)那么1：Iferroriszeroandchang-in-erroriszeroThenforce(u)iszero。使用最小化操作表示蘊含〔usingproductopertor〕〔4分〕〔b〕規(guī)那么2：Iferroriszeroandchang-in-errorispossmallThenforce(u)isnegsmall。使用乘積操作表示蘊含〔usingproductopertor〕〔4分〕假定當前的輸入條件為：error=0,chang-in-error=(a)(b)10.一個模糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如下圖。試計算以下條件和規(guī)那么的隸屬函數(shù)：〔a〕規(guī)那么1：Iferrorisnegsmallandchang-in-errorispossmallThenforceiszero。均使用最小化操作表示蘊含(usingminimumopertor)；〔5分〕(b)規(guī)那么2：Iferrorisnegsmallandchang-in-erroriszeroThenforceispossmall。均使用乘積操作表示蘊含(usingproductopertor)；〔5分〕假定當前的輸入條件為：error=,chang-in-error=(a)略(b)略四、計算題1.設論域，且試求〔補集〕，〔補集〕3分3分2分2分2.設有以下兩個模糊關系:試求出R1與R2的復合關系R1○R2R1○R2=3.設有以下兩個模糊關系:R1=R2=試求出R1與R2的復合關系R1○R2R1○R2=4.子女與父母的相似關系模糊矩陣為父母父母父母與祖父母的相似關系模糊矩陣為：祖父祖母祖父祖母求：子女與祖父祖母的相似關系模糊矩陣。(4分)答5、設論域X=Y=｛1，2，3，4，5｝，X、Y上的模糊子集“大”、“小”、“較小”分別定義為：：規(guī)那么假設x小，那么y大問題：當x=較小時，y=？(采用Mamdani推理法)(5分)答6.設論域X=Y={1,2,3,4,5}，以下為X、Y上的模糊集合設=“低”那么，＝“較低”，問如何?答=7、對于一個系統(tǒng)，當輸入A時，輸出為B，否那么為C,且有：當前輸入。求輸出D。(5分)答8.設模糊集合A、B和C的論域分別為：X=，Y=和Z=，且,,。試確定”IFAandBthenC”所決定的模糊關系R，以及輸入為,時的輸出C1答C1=9.,,。試確定”IFAandBthenC”所決定的模糊關系R，以及輸入為,時的輸出C1。答C1=10.,,。試確定”IFAandBthenC”所決定的模糊關系R，以及輸入為,時的輸出C1。答C1=11.設x表示轉速，y表示控制電壓。轉速和控制電壓的論域分別為X={100，200，300，400，500}，Y={1，2，3，4，5}在X、Y上的模糊子集為X×Y上的模糊關系為“假設轉速高，那么控制電壓高；否那么控制電壓不很高”?，F(xiàn)在轉速不很高，控制電壓如何？(7分)答1〕〔2〕〔3〕與模糊控制規(guī)那么“假設轉速高，那么控制電壓高；否那么控制電壓不很高。”對應的模糊關系矩陣為〔4〕12.假設遺傳算法的染色體編碼方法為：用長度為10位的二進制編碼串來分別表示兩個決策變量x1,x2，再將分別表示x1,x2的兩個10位長的二進制編碼串連接在一起，組成一個20位長的二進制編碼串，其中前10位表示x1，后10位表示x2。另外，，那么對個體，請通過解碼確定x1和x2的實際值為多少答13、設論域u={,}，A，B，C是論域上的三個模糊集合，：+，，和，試求模糊集合，和。答3分3分14、〔此題5分〕設模糊矩陣求解：15、〔此題5分〕設模糊集合A的論域，且試分別求，并根據(jù)結果說明普通集合中的互補律在模糊集合中是否成立？1分1分1分由于，所以普通集合中的互補律在模糊集合中不成立。2分五、論述題：1、畫出靜態(tài)多層前向人工神經(jīng)網(wǎng)絡〔BP網(wǎng)絡〕的結構圖，并簡述BP神經(jīng)網(wǎng)絡的工作過程〔10分〕圖4分BP算法的學習過程由正向傳播和反向傳播組成。在正向傳播過程中，輸入信息從輸入層經(jīng)隱層逐層處理，并傳向輸出層，每層神經(jīng)元〔節(jié)點〕的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。(3分)如果在輸出層不能得到期望的輸出，那么轉至反向傳播，將誤差信號〔理想輸出與實際輸出之差〕按聯(lián)接通路反向計算，由梯度下降法調整各層神經(jīng)元的權值，使誤差信號減小。(3分)2、試畫出神經(jīng)網(wǎng)絡內模控制系統(tǒng)的結構圖，并根據(jù)該結構圖表達其工作原理。1．神經(jīng)網(wǎng)絡內?？刂频慕Y構-dy-dyu-fr+濾波器NNC()NNI()對象2．神經(jīng)網(wǎng)絡內模控制的主要特點及工作原理〔7分〕內?？刂萍幢４媪酥苯幽婵刂频膬?yōu)點又可以較好地解決直接逆控制存在的問題。神經(jīng)網(wǎng)絡內?？刂平Y構圖中P是被控對象的非線性模型，d是系統(tǒng)內部擾動，NNI是神經(jīng)網(wǎng)絡辨識器，用來辨識被控對象的正模型(內部模型)，NNC是神經(jīng)網(wǎng)絡控制器，用來實現(xiàn)對象的逆模型，線性濾波器是慣性環(huán)節(jié)或積分環(huán)節(jié)，可以補償NNC中的純微分環(huán)節(jié)并平滑e的變化，以防止控制信號u進入飽和區(qū)。內?？刂茖⒈豢貙ο笈c內部模型的輸入誤差反應到參考輸入端，構成了閉環(huán)控制。如果NNI能夠完全準確地表達對象的輸入輸出關系，即=P，且系統(tǒng)不存在任何干擾，反應信號為=0，系統(tǒng)相當于開環(huán)，與直接逆控制沒有什么區(qū)別。假設由于模型不準以及存在干擾使反應信號不為0，那么由于負反應的作用，仍可使y接近r，因此內?？刂凭哂泻芎玫聂敯粜?。3、請分析將被控對象的神經(jīng)網(wǎng)絡逆模型直接與被控對象串聯(lián)起來的簡單神經(jīng)網(wǎng)絡逆控制的工作原理，然后闡述該方案的缺點，針對此缺點提出一種改良方案，畫出控制方案圖并說明改良的理由。工作原理：這種簡單的神經(jīng)網(wǎng)絡直接逆控制就是將被控對象的神經(jīng)網(wǎng)絡逆模型直接與被控對象串聯(lián)起來，以便使期望輸出與對象實際輸出之間的傳遞函數(shù)為1。那么將此網(wǎng)絡作為前饋控制器后，被控對象的輸出為期望輸出。〔3分〕顯然，神經(jīng)網(wǎng)絡直接逆控制的可用性在相當程度上取決于逆模型的準確精度。由于缺乏反應，簡單連接的直接逆控制缺乏魯棒性。為此，一般應使其具有在線學習能力，即作為逆模型的神經(jīng)網(wǎng)絡連接權能夠在線調整〔2分〕。在圖中，NN1和NN2為具有完全相同的網(wǎng)絡結構，并采用相同的學習算法，分別實現(xiàn)對象的逆。4、試畫出神經(jīng)網(wǎng)絡直接逆控制系統(tǒng)的結構圖，并根據(jù)結構圖表達其工作原理答工作原理：神經(jīng)網(wǎng)絡直接逆控制就是將被控對象的神經(jīng)網(wǎng)絡逆模型直接與被控對象串聯(lián)起來，以便使期望輸出與對象實際輸出之間的傳遞函數(shù)為1。那么將此網(wǎng)絡作為前饋控制器后，被控對象的輸出為期望輸出。顯然，神經(jīng)網(wǎng)絡直接逆控制的可用性在相當程度上取決于逆模型的準確精度。由于缺乏反應，簡單連接的直接逆控制缺乏魯棒性。為此，一般應使其具有在線學習能力，即作為逆模型的