智能控制技术课后答案全攻略.pdf

1 智能控制技术第二章习题答案智能控制技术第二章习题答案 2-2 解: (1)语气算子”很” =2 即w(a)= 2 )(ar “很年轻”模糊集隶属度函数 w(a)= ) + 20025(1 2500 1 2 5 25 a a a (2) “不老也不年轻” V=OY v(a)= + = 0 1 Neti 阀 值函数 f （2） 分段线性型 0 0 max 0 () ii iiiiil iil NetNet f NetkNet NetNetNet fNetNet = 0 fmax Neti 线性函数 f Neti1Neti0 （3） Sigmoid 函数型 1 () 1 i iNet T f Net e = + 0 Neti Sigmoid函数 f 1 0.5 （4） Tan 函数型 () ii ii NetNet TT iNetNet TT ee f Net ee = + 0 Neti Tan函数 f 1 2、 为什么由简单的神经元连接而成的神经网络具有非常强大的功能？ 神经系统是一个高度复杂的非线性动力学系统， 虽然每一个神经元的结构和功能十分简 单，但由大量神经元构成的网络系统的行为却是丰富多彩和十分复杂的。 从神经元模型角度来看，有线性处理单元和非线性处理单元。 从网络结构方面来看，有：前向网络、反馈网络和自组织网络。 3、神经网络按连接方式分有哪几类，按功能分有哪几类、按学习方式分又有哪几类？ 神经网络按连接方式？ 神经网络按连接方式分 神经网络是由通过神经元的互连而达到的。 根据神经元的连接方式的不同， 神经网络可 分为以下四种形式： （1） 前向网络 由输入层、隐含层和输出层组成。每一层只接受前一层神经元的输 入。各神经元之间不存在反馈。属于层次型网络。 . . . . . . . . . 输 入 输 出 前向网络 （2） 反馈网络 只在输出层到输入层存在反馈，即每一个输入节点都有可能接受来 自外部的输入和来自输出神经元的反馈。属于层次型网络。 输 入 输 出 反馈网络 （3） 相互结合型网络 这种神经网络在任意两个神经元之间都可能有连接。在这个 状态中，信号要在神经元之间反复往返传递，网络处在一种不断改变状态的动态之中，从某 种初态开始，经过若干次的变化，才会达到某种平衡状态。属于网状结构网络。 输 入 输 出 相互结合型网络 （4） 混合型网络 通过同一层内神经元的相互结合，可以实现同一层内神经元之间 的横向抑制或兴奋机制。 这样可以限制每层内能同时动作的神经元数， 或者把每层内的神经 元分为若干组，让每组作为一个整体来动作。它是层次型网络和网状结构网络的一种结合。 输 入 输 出 混合型网络 神经网络按功能分有哪几类、 神经网络将神经元按功能和顺序的不同分为输出层、中间层（隐层）、输出层。输出层各神 经元负责接收来自外界的输入信息， 并传给中间各隐层神经元； 隐层是神经网络的内部信息 处理层，负责信息变换。根据需要可设计为一层或多层；最后一个隐层将信息传递给输出层 神经元经进一步处理后向外界输出信息处理结果。 神经网络按按学习方式分又有哪几类？ 有导师学习和无导师学习。 4 、 如 图 4-24 所 示 的 多 层 前 向 传 播 神 经 网 络 结 构 。 假 设 对 于 期 望 的 输 入 12 ,13x x=, 12 ,0.90.3 dd yy=。 网络权系数的初始值见图。 试用 BP 算法训练此网 络。并详细写出第一次迭代学习的计算结果。这里，取神经元激励函数 1 ( ) 1 x f x e = + 。学 习步长为1=。最大迭代次数为 iterafe max。误差为 e。 （四舍五入，精确到小数后 1 位） x1 x2 1 1 2 -2 0 3 -1 -1 1 0 -2 1 -2 3 o1 o2 y1 y2 神经网络 结 构 图 w11 w12 w21 w22 w20 w112 w122 w10 w102 w212 w222 w202 解 输入最大容许逼近误差值和最大迭代学习次数 iterate max。置初始迭代学习次数 0iterate =。 （1）.置各权值或阈值的初始值：(0),(0) jij w为小的随机数值； 回顾： 单一人工神经元有线性和非线性 （1） 单一人工神经元线性 单一人工神经元示意图（线性） . . . 1 x1 x2 xn 0 1 w 2 w n w ( ) x y 单一人工神经元的示意图 最简单的人工神经元输入和输出数学表示： 假设输入项Net由输入信号xj(j=1,2,n)的线性组合构成，即 0 1 n jj j Netw x = =+ 0 为阀值； j w是决定第 j 个输入的突触权系数。 神经元的平衡态输出 y 为 0 1 () n jj j yw x = =+ 式中( )x表示神经元的激励函数 前面假设输入项Net是输入信号xi的线性函数。 一般情况下， Net是输入信号xi的非线性函数。 因此本题的权值 1 11 w， 1 12 w， 1 10 w， 1 21 w， 1 22 w， 1 20 w x1 x2 1 1 2 -2 0 3 -1 1 1 0 -2 1 -2 3 o1 o2 y1 y2 图 4-15 例4-1 的神经网络 结 构 图 w11 w12 w21 w22 w20 w112 w122 w10 w102 w212 w222 w202 （2）.提供训练样本：输入矢量：,1,2,., k XkP=；期望输出：,1,2,., k dkP=；对每个 输入样本进行下面 iterate max 的迭代； 12 ,13x x= （3）.计算网络的实际输出及隐层单元的状态： () kjjjikij i ofw o=+ 因为 12 ,13 TT x x= 1111 111 11221012 1( 2)1 32netw xw xwxx=+=+ += 1111 221 12222012 2(0)1 ( 1)1netw xw xwxx=+=+= 1 1 1 2 11 0.1192 1 1 net o e e = + + 1 2 2 1 11 0.7311 1 1 net o e e = + + 2222 111 11221012 1(0)2 12.1192netw ow owoo=+=+ = 2222 221 12222012 1( 2)3 1 -4.3430netw ow owoo=+=+ = 2 1 1 1 0.8928 1 net y e = + 2 2 2 1 0.0128 1 net y e = + （4）.计算训练误差： (1)()() kjkjkjkjkj ooto=输出层 (1)() kjkjkjkmmj m oow= 隐含层 1）输出层 22 11111111 ()()()(1)6.8910e-004 dd yyfnetyy yyd= 22 22222222 ()()()(1)0.0036 dd yyfnetyyyyd= 2）隐含层 1222222 11 1111122111 (1)() (1) (6.8910e-004 1 (0.0036) 1) 0.1192 (1 0.1192) 4.5032e-004 kk k w oowwoodddd=+ = + = 1222222 222211222222 (1)()(1) (6.8910e-004 0(0.0036) ( 2) 0.7311 (1 0.7311) -0.0014 kk k w oowwoodddd=+ = + = （5）.修正权值和阈值： (1)( )( )(1) (1)( )( )(1) jijijkijiji jjjjj wtwtowtwt tttt +=+ +=+ 11 1111 4.5032e-004 14.5032e-004wxd= = 11 1212 4.5032e-004 30.0014wxd= = 11 101 4.5032e-004wd= 11 2121 (-0.0014) 1-0.0014wxd= = 11 2222 (-0.0014) 3 0.0042wxd= = 11 202 -0.0014wd= 22 1111 6.8910e-004 0.1192 8.2141e-005wod= 22 1212 6.8910e-004 0.73115.0380e-004wod= 22 101 6.8910e-004wd= 22 2121 0.0036 0.11924.2912e-004wod= 22 2222 0.0036 0.7311 0.0026wod= 22 202 0.0036wd