智能简略整理.doc

1.模糊概念 在自然语言中，常用的描述事物特征的一些概念是模糊的。如健康状况一栏中，填“好、比较好、良好等”， 2. 什么是模糊控制? 模糊控制是用模糊数学的知识模仿人脑的思维方式，对模糊现象进行识别和判决，给出精确的控制量，对被控对象进行控制。3. 模糊控制的特点 与经典控制理论和现代控制理论相比，模糊控制的主要特点是不需要建立对象的数学模型。 简化系统设计的复杂性，特别适用于非线性、时变、滞后、模型不完全系统的控制。利用控制法则来描述系统变量间的关系。例：设模糊集合A=0.5 0.7 0.3 B=0.8 0.2 C=0.9 0.4 求A*B*CD-FC系统结构图模糊控制设计过程：1确定输入输出变量的基本论域、论域2定义模糊子集及隶属函数3. 建立模糊控制规则表4. 选择模糊推理方法（max-min）5. 确定模糊化（单点）、清晰化的方法（重心法）人工神经网络人工神经元结构如下，其学习方法分为;有导师学习、无导师学习和灌输式学习人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。Bp网络 结构：输入层 隐藏层 输出层三层bp神经网络结构BP神经网络采用有导师学习方式进行训练和学习，采用的算法是误差反向传播算法，是一种误差函数按梯度下降的学习方法BP算法的优点：具有很强的非线性映射能力、广泛的适应性和有效性。 缺点：1、学习算法的收敛速度慢 2、存在局部极小点3、隐含层层数及节点的选取缺乏理论指导4、训练时学习新样本有遗忘旧样本的趋势改进方案：1、累积误差校正 2、S(sigmoid)函数输出限幅3、增加动量项 2、学习速率自适应调整RBF网络结构：输入层 隐含层（RBF层） 输出层RBF网络为具有单隐层的两层前向网络。 RBF网络的可调参数分为两部分。 第一部分：径向基函数的参数包括 RBF单元的中心向量和偏值。第二部分：输出单元的参数包括 隐含层到输出层的权值及输出层的偏值。确定参数的方法：第一部分1直接法 2有监督学习方法 3样本聚类法 第二部分1线性最小二乘法 2梯度法RBF网络依然是有导师学习网络。目标函数如下，N为模式样本对数；L为网络输出节点数。 对传网Kohonen层执行无导师学习，Grossberg层执行有导师学习Kohonen层训练算法 ：一、对所有的输入向量，进行单位化处理；二、对每个样本（X，Y）执行下列过程 ：1根据相应式子计算knetj； 2求出最大的kneto； 3 计算K； 4 使Wo更接近X； 5 对Wo(new)进行单位化处理 Grossberg层的训练算法：一、对W、V进行初始化；清空Kohonen层各神经元对应的纪录表： 二、对所有的输入向量，进行单位化处理；三、 对每个样本（X，Y）执行下列过程：1 根据相应式子计算knetj；2求出最大的kneto； 3 计算K；4 使Wo更接近Xs；5 对Wo(new)进行单位化处理；6 将Ys放入SKo；7 Vj= SKj中各向量的平均值。 非确定方法概念：神经元按一定概率工作，联接权的计算按一定概率实现随机调整的方法。结构如下：训练方法：从所给的网络中“随机地选取一个联接权”，对该联接权提出一个“伪随机调整量”，当用此调整量对所选的联接权进行修改后，如果“被认为”修改改进了网络的性能，则保留此调整；否则放弃本次调整。 模拟退火法是一种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解。基本思想： 随机地为系统选择一个初始状态wij(p)，在此初始状态下，给系统一个小的随机扰动wij(p)，计算系统的能量变化；E=E(wij(p)+wij(p)-E(wij(p) ；若 E0 则接受 ，若E0 则依据概率判断是否被接受，若接受，则系统从状态wij(p)变换到状态wij(p)+wij(p)；否则，系统保持不变。 循环网络hopfield功能：用于联想记忆、优化计算。其结构如下：循环网络对输入信号的处理是一个逐渐“修复”、“加强”的过程。