智能控制技术复习题课后答案

智能控制技术复习题课后答案一、填空题1．智能控制是一门新兴的学科，它具有非常广泛的应用领域，例如、、和。1、交叉学科在机器人控制中的应用在过程控制中的应用飞行器控制2．传统控制包括和。2、经典反馈控制现代理论控制3．一个理想的智能控制系统应具备的基本功能是、、和。3、学习功能适应功能自组织功能优化能力4．智能控制中的三元论指的是：、和。4、运筹学，人工智能，自动控制5．近年来，进化论、、和等各门学科的发展给智能控制注入了巨大的活力，并由此产生了各种智能控制方法。5、神经网络模糊数学专家系统6．智能控制方法比传统的控制方法更能适应对象的、和。6、时变性非线性不确定性7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控制系统8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。8、不确定性、高度的非线性、复杂的任务要求9．智能控制系统的主要类型有、、、、和。9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统10．智能控制的不确定性的模型包括两类：(1)；(2)。10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。11．控制论的三要素是：信息、反馈和控制。12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。知识库、推理机14．专家系统中的知识库包括了3类知识，它们分别为、、和。判断性规则控制性规则数据15．专家系统的推理机可采用的3种推理方式为推理、和推理。15、正向推理、反向推理和双向推理16．根据专家控制器在控制系统中的功能，其可分为和。16、直接型专家控制器、间接型专家控制器17．普通集合可用函数表示,模糊集合可用函数表示。特征、隶属18．某省两所重点中学在(x1~x5)五年高考中，考生“正常发挥”的隶属函数分别为0.85、0.93、0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。则在研究该省重点中学高考考生水平发挥的状况时，论域应为，若分别用、表示两个学校考试“正常发挥”的状况，则用序偶表示法分别表示为，；“未正常发挥”模糊子集（用行向量表示）分别为和；而该省两所重点中学每年高考考生“正常发挥”的模糊子集应该是（用Zadeh法表示）。，，19.确定隶属函数的方法大致有、和。19、模糊统计法主观经验法神经网络法20．在模糊控制中应用较多的隶属函数有6种，它们分别为高斯型隶属函数、、、、和。20、广义钟形隶属函数S形隶属函数梯形隶属函数三角形隶属函数Z形隶属函数21．在天气、学问、晴朗、表演和渊博中可作为语言变量值的有和。21、晴朗、渊博23．模糊控制是以、、和为基础的一种智能控制方法。模糊集理论，模糊语言变量，模糊逻辑推理24．模糊控制的数学基础为。24、模糊集合25．模糊控制中，常用的语言变量值用,,,等表示,其中代表,代表。25、正中、负零26.在模糊控制中，模糊推理的结果是量。26、模糊27.在模糊控制中，解模糊的结果是量。确定量28.基本模糊控制器的组成包括知识库以及、和。模糊化接口、推理机、解模糊接口29.在模糊控制中，实时信号需要才能作为模糊规则的输入，从而完成模糊推理。29、模糊化30．模糊控制是建立在基础之上的，它的发展可分为三个阶段，分别为、、和。30、人工经验模糊数学发展和形成阶段产生了简单的模糊控制器高性能模糊控制阶段31．模糊集合逻辑运算的模糊算子为、和。31、交运算算子并运算算子平衡算子32．在温度、成绩、暖和、口才和很好中可作为语言变量值的有和32.暖和、很好33．在水位、压力、暖和、表演、中年人和比较好中可作为语言变量值的有、和。33、暖和、中年人和比较好34．在水位、寒冷、温度、表演和偏高中可作为语言变量值的有和。34.寒冷、偏高35.模糊控制的基本思想是把人类专家对特定的被控对象或过程的总结成一系列以“”形式表示的控制规则。35、控制策略“IF条件THEN作用”36．神经网络的发展历程经历了4个阶段，分别为、、和。36、启蒙期、低潮期、复兴期、新连接机制期37．神经元由4部分构成，它们分别为、、和突触。37、细胞体、树突、轴突38．根据神经网络的连接方式，神经网络的３种形式为：、和。38、前向网络反馈网络自组织网络39．神经网络的3个要素为：、和。39、神经元的特性拓扑结构学习规则41.目前神经网络的学习算法有多种，按有无导师分类，可分为、和。41、有导师学习无导师学习再励学习42.神经网络的研究主要分为3个方面的内容，即、和。42.神经元模型、神经网络结构、神经网络学习算法43.神经网络的学习过程主要由正向传播和反向传播两个阶段组成。44．神经网络控制是将和相结合而发展起来的智能控制方法。神经网络，控制理论45.遗传算法的主要用途是。45、寻优（优化计算）46．常用的遗传算法的染色体编码方法有二种，它们分别为实数编码和。46、二进制编码47.遗传算法的3种基本遗传算子、和。47、比例选择算子单点交叉算子变异算子48．遗传算法中，适配度大的个体有被复制到下一代。更多机会49.遗传算法中常用的3种遗传算子（基本操作）为、、和。49、复制、交叉和变异第一章1、什么是智能控制？试比较智能控制和经典控制、现代控制的异同。答：（1）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。（2）不同点：经典控制理论以反馈理论为基础，是一种单回路线性控制理论。主要研究单输入-单输出、线性定常系统的分析和设计。在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，智能控制与传统的或常规的控制有密切的关系,不是相互排斥的.常规控制往往包含在智能控制之中,智能控制也利用常规控制的方法来解决“低级”的控制问题,力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题.2、智能控制系统具有哪些特点？答：（1）能对复杂系统进行有效全面的全局控制，并有较强的容错能力（2）具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程；（3）能对获取的信息进行实时处理并给出控制决策；（4）具有自学习、自适应、自组织的能力。3、智能控制主要研究那些内容？各自的特点是？答：主要集中在专家控制技术、模糊控制技术、神经网络控制技术和遗传算法等。（1）专家控制系统（1分）专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验。它具有启发性、透明性、灵活性、符号操作、不一确定性推理等特点。（2）模糊控制系统（1分）在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。（3）神经控制系统（1分）神经网络具有某些智能和仿人控制功能。学习算法是神经网络的主要特征。（4）遗传算法（2分）遗传算法是基于自然选择和基因遗传学原理的搜索算法,是基于进化论在计算机上模拟生命进化论机制而发展起来的一门学科.遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习,在智能控制领域有广泛的应用。4、试说明智能控制研究的数学工具。智能控制研究的数学工具为：（1）符号推理与数值计算的结合；（2）离散事件与连续时间系统得结合；（3）模糊集理论；（4）神经网络理论；（5）优化理论第二章1、何谓专家系统?它有哪些基本特征？答：所谓专家系统就是利用存储在计算机内的某一特定领域内人类专家的知识，来解决过去需要人类专家才能解决的现实问题的计算机系统。专家系统的基本特征(1)具有专家水平的专门知识；–专家系统中的知识按其在问题求解中的作用可分为三个层次，即数据级、知识库级和控制级。(2)专家系统使用符号推理；(3)专家系统能够解决问题领域内的各种问题；(4)复杂度与难度，专家系统拥有很专门的领域知识；(5)具有解释功能，专家系统具有解释机制；(6)具有获取知识的能力；(7)知识与推理机构相互独立。专家系统一般把推理机构与知识分开，使其独立，使系统具有良好的可扩充性和维护性。2、简述专家系统设计的基本结构。答：基本知识描述---系统体系结构---工具选择----知识表示方法----推理方式----对话模型.P204、什么是专家控制系统？专家控制系统分为哪几类？答：专家控制是指将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，仿效专家智能，实现对较为复杂问题的控制。基于专家控制原理所设计的系统称为专家控制系统(ECS)。分类：1).一般控制理论知识和经验知识相结合2).模糊逻辑与专家控制相结合3).神经网络与专家控制相结合5、专家控制系统的任务是什么？答：专家控制系统的任务是：(1).能提供一个熟练工或专家对受控对象操作所能达到的性能指标；(2).监督对象和控制器的运行情况；(3).检测系统元件可能发生的故障或失误；(4).对特殊情况，要选择合适的控制算法以适应系统参数的变化。6、比较专家系统和专家控制系统的区别和联系。答：专家控制系统是将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，仿效专家智能，实现对较为复杂问题的控制。专家系统是一种基于知识的、智能的计算机程序。区别：专家控制系统必须把控制系统看作是一个基于知识的系统，而作为系统核心部件的控制器则要体现和知识推理的机制和结构。与专家系统相似，整个控制问题领域的知识库和一个体现知识决策的推理机构构成了专家控制系统的主体。7、什么是知识？知识具有哪些特征？答：1).知识的基本概念知识反映了客观世界中事物某一方面的属性以及事物之间的相互联系，不同事物或相同事物之间的不同关系形成了不同的知识。这里涉及到三个不同层次的概念：数据、信息和知识。数据是客观世界中搜集的原始素材，它是信息的载体和表示。人们根据一定的目的按照一定的形式对数据进行加工与处理，就形成了有关的信息。信息是数据在特定场合下的具体含义，或者说信息是数据的语义。知识是将有关的信息进一步关联在一起，形成了更高层次含义的一种信息结构，信息与关联是构成知识的两个基本要素。2).知识的特性相对正确性；不确定性；可表示性；关联性。8、简述知识获取的概念和分类方法。答：4).知识获取的概念知识获取就是把用于求解专门领域问题的知识从拥有这些知识的知识源中抽取出来，并转换为一特定的计算机表示。知识源包括专家、教科书、数据库及人本身的经验。计算机表示有状态空间表示法、谓词逻辑表示法、与//或图表示法、语义网络表示、产生式表示法、框架表示法等。5).知识获取的分类(1)按照基于知识的系统本身在知识获取中的作用来分类，知识获取方法可分为主动型知识获取和被动型知识获取两类。(2)按基于知识的系统获取知识的工作方式分类，可分为非自动型知识获取和自动型知识获取两种。(3)按知识获取的策略分类，可分为会谈式、案例分析式、机械照搬式、教学式、演绎式、归纳式、类比式、猜想验证式、反馈修正式、联想式和条件反射式等。9、什么是知识表示？知识表示方式有哪些?答：知识表示就是知识的符号化和形式化的过程，方式：状态空间表达法、谓词逻辑表示法、与\或图表达法、语义网络表示法、产生式表示法、框架式表示法、脚本表示法、特征表表示法、过程表示法10、用语义网络表达下列知识：（略）11、知识推理方法有哪几种？每一种知推理方式有何特点？答：假如推理所依据的知识都带有一个置信度，则从前提到结论的过程中就存在一个置信度转移的问题。基于此意义，可将推理模式划分为如下方式：1).基于百分百置信度的演绎推理2).归纳推理3).不确定性推理4).定性推理5).非单调推理特点：1).基于百分百置信度的演绎推理如果把领域知识表示成必然的因果关系，则按逻辑关系进行推理所得的结论是肯定的。一般来说，如果前提的置信度为A，则通过演绎推理得出的结论也具有置信度A。演绎推理又可以分为正向演绎推理、反向演绎推理、正向与反向相结合的联合演绎推理(也称双向推理)3种形式。其中，正向演绎推理是一种条件驱动的推理方式；反向演绎推理是一种结论驱动的推理方式；若将两种演绎推理方式相结合，可发挥它们的各自优点而克服其局限性，这就形成了双向联合的演绎推理。2).归纳推理归纳推理又称主观不充分置信推理，它能从一个具有一定置信度的前提推出一个比前提的置信度低的结论。常用的归纳推理方法有简单枚举法和类比法，简单枚举法是通过某类事物观察到其子类，在子类中发现某属性，在没有发现相反事例的情况下，就可推导出此类事物都具有这种属性的结论。类比推理法以相似原理为基础，即当两个或多个事物在许多属性上都相同的条件下，可推出它们具有相同的属性。3).不确定性推理不确定性推理也称不精确推理，它是针对不确定的事实，根据不充分的证据和不完全的知识进行推理的方式。常见的不确定推理方法有确定因子法，以概率为基础的主观Bayes方法，基于Dempster-shafer证据理论的推理方法，模糊子集法等。4).定性推理定性推理是从物理系统的结构描述出发，推导出行为描述，预测物理系统的行为并给出因果关系的解释。定性推理是采用系统部件间的局部传播规则来解释系统行为的，即认为部件状态的变化只与直接相邻的部件有关。定性推理是以定性物理知识模型为基础的。5).非单调推理非单调推理是指由于新知识的加入而使某些原有的知识变为假的推理，非单调推理的处理过程比单调推理的处理过程复杂和困难得多。非单调推理较适合于赖以进行推理的证据不够、知识不完全等情况，对于一个不断变化的对象，反映其基本特性的知识库中的知识和数据库中的数据也在发生变化，这就需要非单调推理。4、简述专家系统的定义和构成答：（1）定义：所谓专家系统就是利用存储在计算机内的某一特定领域内人类专家的知识，来解决过去需要人类专家才能解决的现实问题的计算机系统。（2）构造：5、专家系统的功能与作用答：（1）功能1)存储问题求解所需的知识;2)存储具体问题求解的初始数据和推理过程中涉及到的各种信息，如中间结果、目标、子目标以及假设等；3)根据当前输入的数据，利用已有知识，按照一定的推理策略，去解决当前问题，并能控制和协调整个系统;4)能够对推理过程、结论或系统自身行为做出必要的解释;5)提供知识获取，机器学习以及知识库的修改、扩充和完善等维护手段；6)提供一种用户接口，便于用户使用，又便于分析和理解用户的各种要求和请求。强调指出，存放知识和运用知识进行问题求解是专家系统的两个最基本功能.（2）专家系统的作用1)专家系统作为人工智能的应用领域，它使人工智能从实验室走向了现实世界，成为检验人工智能基本理论和技术的重要实验场地。加快了人工智能和计算机研究的步伐;2)专家系统作为一种实用工具，为人类专家宝贵知识的保存、传播、使用和评价提供了一种有效手段；3)专家系统可以延伸人类专家的能力。专家系统解决问题时不受环境的影响，不受时间和空间的限制;4)专家系统能汇集问题领域多个专家的知识与经验。因为专家系统要求领域内不同专家采用统一的知识描述形式，这样便于区别来自不同专家知识的优劣，克服个别专家的局限性，扬长避短，互相合作解决问题。6、专家系统的基本特征答：具有专家水平的专门知识；专家系统使用符号推理；专家系统能够解决问题领域内的各种问题；复杂度与难度，专家系统拥有很专门的领域知识；具有解释功能，专家系统具有解释机制；具有获取知识的能力；知识与推理机构相互独立。专家系统一般把推理机构与知识分开，使其独立，使系统具有良好的可扩充性和维护性7、专家系统的分类答：(1)按照专家系统的应用领域来分类，可分为医疗专家系统、勘探专家系统、石油专家系统、数学专家系统、物理专家系统、化学专家系统、气象专家系统、生物专家系统、工业专家系统、法律专家系统和教育专家系统等。(2)按照知识表示技术分类，可分为基于逻辑的、基于规则的、基于语义网的专家系统和基于框架的专家系统等；(3)按照推理控制策略分类，可分为正向推理、反向推理专家系统和双向混合推理等；(4)按照所采用的不精确推理技术分类，可分为确定理论推理技术、主观Bayes推理技术、可能性理论推理技术专家系统和D/S证据理论推理技术专家系统等；(5)按照专家系统的结构分类，可分为单专家系统和群专家系统，而群专家系统按其组织方式又可分为主从式、层次式、同僚式、广播式以及招标式等。8、专家控制系统的定义答：专家控制是指将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，仿效专家智能，实现对较为复杂问题的控制。基于专家控制原理所设计的系统称为专家控制系统(ECS)。9、专家控制系统的任务答:1).能提供一个熟练工或专家对受控对象操作所能达到的性能指标；(2).监督对象和控制器的运行情况；(3).检测系统元件可能发生的故障或失误；(4).对特殊情况，要选择合适的控制算法以适应系统参数的变化。10、专家控制系统的分类答：1).一般控制理论知识和经验知识相结合；这种控制方法是以应用专家知识、知识模型、知识库、知识推理、控制决策和控制策略等技术为基础的，知识模型与常规数学模型相结合，知识信息处理技术与控制技术的结合，模拟人的智能行为等。2).模糊逻辑与专家控制相结合；将模糊集和模糊推理引入专家控制系统中，就产生了基于模糊规则的专家控制系统，也称模糊专家控制系统(FFC)。3).神经网络与专家控制相结合。可发挥专家系统“高层”推理的优势和神经网络“低层”处理长处。11、专家控制系统的基本结构答：第四章1、模糊控制有哪些特点答：无需知道被控对象的数学模型、模糊控制是一种反映人类智慧思维的智能控制、易被人们接受、构造容易、鲁棒性好等。2、简要说明模糊控制系统的工作原理答：模糊控制系统是由模糊控制器、被控对象、检测和反馈部件组成的自动化系统。据人们以往的经验设计一个模糊控制器，将测量值与给定值相比较，划分等级，控制量等级范围要与之相匹配，建立起控制规则，最后得出理想输出结果。或：请画出模糊控制系统的组成框图，并结合该图说明模糊控制器的工作原理。模糊控制器的工作原理为:(1)模糊化接口测量输入变量(设定输入)和受控系统的输出变量,并把它们映射到一个合适的响应论域的量程,然后,精确的输入数据被变换为适当的语言值或模糊集合的标识符。本单元可视为模糊集合的标记。(2)知识库涉及应用领域和控制目标的相关知识,它由数据库和语言(模糊)控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。(3)推理机是模糊控制系统的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取,并可实现拟人决策过程。根据模糊输入和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出。(4)模糊判决接口起到模糊控制的推断作用,并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标(输出定标),这一作用是在对受控过程进行控制之前通过量程变换来实现的3、如何建立模糊规则？答：模糊控制器规则是基于专家知识或操作者长期积累的经验，是模仿人的直觉推理的一种语言形式。模糊规则通常表述为“if……then……”等形式，设模糊控制器的输入变量为偏差e和偏差变化率ec，模糊控制器的输出变量为u，其相应语言变量分别为E、EC、U。规则库是为模糊推理提供规则。4、简述模糊控制器的的设计步骤。答：(1)确定模糊控制器的结构;(2)定义输入、输出模糊集；(3)定义输入、输出隶属函数；(4)建立模糊控制规则；(5)建立模糊控制表；(6)模糊推理；(7)反模糊化。5、在模糊控制器的设计中，常用的反模糊化的方法有哪几种？最大隶属度法、中心法和加权平均法。6、简述模糊控制的发展方向模糊控制的发展方向有：（１）Fuzzy-PID复合控制（2）自适应模糊控制（3）专家模糊控制（4）神经模糊控制（5）多变量模糊控制7、模糊控制系统一般由几个部分组成？1）模糊控制器2）输入/输出接口装置3）广义对象4）传感器8、比较模糊集合与普通集合的异同。比较模糊集合与普通集合的异同。相同点：都表示一个集合；不同点：普通集合具有特定的对象。而模糊集合没有特定的对象，允许在符合与不符合中间存在中间过渡状态。9、简述模糊集合的概念。设为某些对象的集合,称为论域,可以是连续的或离散的；论域到[0,1]区间的任一映射:→[0,1]确定了的一个模糊子集；称为的隶属函数，表示论域的任意元素属于模糊子集F的程度。模糊子集F的表示方法有几种，如：向量表示法、Zadeh表示法、序偶表示法等。10、试写出3种常用模糊条件语句及对应的模糊关系的表达式。（1）设、分别是论域Ｘ、Ｙ上的模糊集合，则模糊条件语句“ifthen”所决定的二元模糊关系为：（1分）（2）设、和分别是论域Ｘ、Ｙ和Ｚ上的模糊集合，则模糊条件语句“ifthenelse”所决定的二元模糊关系为：（2分）（3）设、和分别是论域Ｘ、Ｙ和Ｚ上的模糊集合，则模糊条件语句“ifandthen”所决定的二元模糊关系为：第五章1、简述人工神经元模型的基本原理答：人工神经元是一个多输入单输出的非线性器件。它是根据人脑神经元的结构设计而成；常用一阶微分方程来描述，式中，ui(i=1,2,...,m)为神经元i的内部状态；θi为阈值；xi为输入信号；wij表示输入与神经元连接的权值；si表示外部输入的控制信号；f(?)表示神经元输入与输出的对应关系，又称激活函数，用于模拟生物神经元的非线性传递特性。2、人工神经网络的常用学习方法有哪些？试推到出Q学习规则。答：有教师学习、无教师学习、再励学习；Q学习规则：假设下列误差准则函数式中，dp代表期望的输出(教师信号)，yp=f(WXp)为网络的实际输出，W是权值向量Xp为输入模式：Xp=(x1,x2,...,xn)T，训练样本数p=1,2,...,M。问题是如何调整权值W，使准则函数最小。可用梯度下降法来求解，基本思想是延着E的负梯度方向不断修正W值，直到E达到最小，这种方法的数学表达式为其中用θp表示WXp,则有W的修正规则为3、前馈神经网络和反馈神经网络各有什么特点？答：前馈神经网络的特点：（1）各神经元只接收前一层的输出作为自己的输入，并且将其输出给下一层，整个网络中没有反馈。（2）是一个很强的学习能力系统。（3）具有复杂的非线性处理能力等反馈神经网络的特点：（1）每个节点只有一个输入和输出（2）是一种反馈动力学系统（3）具有联想记忆的功能等。4、BP学习算法的计算步骤答：给定输入向量和目标输出、求隐含层、输出层各节点输出、求目标值与实际输出的偏差、计算反向误差、权值学习5、ＰＩＤ神经网络的网络结构并推导其学习算法答：PID神经网络是三层前向神经网络，具有非线性特性。它是将PID控制规律融入神经网络构成的，隐含层节点分别为比例(P)、积分(I)、微分(D)单元，PID神经网络采用反向传播(BP)学习算法：(1)隐含层至输出层权值调整算法：式中，用符号函数近似代替。则有(2)输入层至隐含层权值调整算法：最终可得到：6、人工神经网络有哪些主要的结构特征？（1）并行处理；（2分）（2）信息分布式存储；（2分）容错性。（1分）7、神经网络应具备的四个基本属性是什么？1）并行分布式处理2）非线性处理3）自学习功能4）可通过硬件实现并行处理8、简述误差反向传播学习算法的主要思想误差反传算法的主要思想是把学习过程分为两个阶段（1分）：第一阶段（正向传播过程）给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值（2分）；第二阶段（反向过程），若在输出层未能得到期望输出值，则逐层递归的计算实际输出与期望输出之差值（误差）以便根据此差值调节权值。9、简述前向(多层)神经网络的结构并画出结构图。前向(多层)神经网络具有递阶分层结构,由一些同层神经元间不存在互连的层组成。从输入层至输出层的信号通过单向连接流通；神经元从一层连接至下一层,不存在同层神经元间的连接,如图所示。前向(多层)神经网络具有形式，如：多层感知器、BP网络、RBF网络等。前向(多层)神经网络10、简述神经网络的发展历程。神经网络的发展历程经过4个阶段。（1）启蒙期（1890-1969年）(1分)（2）低潮期（1969-1982）(1分)（3）复兴期（1982-1986）(2分)1982年，物理学家Hoppield提出了Hoppield神经网络模型，该模型通过引入能量函数，实现了问题优化求解，1984年他用此模型成功地解决了旅行商路径优化问题(TSP)。在1986年，在Rumelhart和McCelland等提出了一种著名的多层神经网络模型，即BP网络。该网络是迄今为止应用最普遍的神经网络。（4）新连接机制时期（1986-现在）(1分)11、简述神经网络具备的特征。（1）能逼近任意非线性函数；(1分)（2）信息的并行分布式处理与存储；(1分)(3)可以多输入、多输出；(1分)（4）便于用超大规模集成电路或光学集成电路系统实现，或用现有的计算机技术实现；(1分)（5）能进行学习，以适应环境的变化。(1分)12、简述BP基本算法的优缺点。BP网络的优点为：（1）只要有足够多的隐层和隐层，BP网络可以逼近任意的非线性映射关系；(2)BP网络的学习算法属于全局逼近算法，具有较强的泛化能力；（3）BP网络输入输出之间的关联信息分布地存储在网络的连接权中，个别神经元的损坏对输入输出关系有较小的影响，因而BP网络具有较好的容错性。BP网络的主要缺点为：（1）待寻优的参数较多，收敛速度较慢；(2)目标函数函数存在多个极值点，按梯度下降法进行学习，很容易陷入局部极小值；（3）难以确定隐层和隐层节点的数目。13、.简述RBF神经网络和BP神经网络的主要区别。RBF神经网络的学习过程和BP神经网络的学习过程类似，二者的主要区别在于各使用不同的作用函数。BP神经网络中隐层使用的Sigmoid是函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络（２分）；而RBF神经网络的作用函数是高斯函数，其值在输入空间中有限的范围内为非零值，因而是一种局部逼近的神经网络（２分），采用RBF神经网络可大大加快学习的速度，适合于实时控制的要求。（１分）第七章1、遗传算法主要应用于哪些领域？答：遗传算法的主要应用领域：函数优化；组合优化；生产调度问题；自动控制；机器人智能控制；图像处理和模式识别；人工生命；机器学习；遗传程序设计。2、简述遗传算法的基本原理。答：遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按所选择的适应函数并通过遗传中的复杂、交叉及变异对个体进行筛选，使适应高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，知道满足一定的条件。3、遗传算法编码的原则和方法是什么？答：编码原则：(1)有意义基因块编码原则。(2)最小字符集编码原则。在处理实际问题时，必须对编码方法、交叉运算方法、变异运算方法、解码方法等统筹考虑，以便对问题求解简便，寻求遗传运算效率最高的编码方法。编码方法：二进制编码方法、格雷码编码方法、实数编码、多参数编码4、适应度函数的设计对遗传算法有哪些影响？答：适应度函数的设计对遗传算法的影响还表现在以下几方面：(1)适应度函数影响遗传算法的迭代停止条件。(2)适应度函数与问题约束条件。5、遗传算法中包括哪些基本算子？每个基本算子又包括哪些方法？答：选择算子、交叉算子和变异算子；选择算子的方法：适应度比例选择法、最佳个体保存方法、期望值方法、排序选择法、随机联赛选择法交叉算子的方法：单点交叉、双点交叉与多点交叉、均匀交叉、算术交叉变异算子的方法：基本变异算子、均匀变异、非均匀变异1.分别画出以下应用场合下适当的隶属函数：（a）我们绝对相信附近的e(t)是“正小”，只有当e(t)足够远离时，我们才失去e(t)是“正小”的信心；（4分）（b）我们相信附近的e(t)是“正大”，而对于远离的e(t)我们很快失去e(t)是“正大”的信心；（4分）（c）随着e(t)从向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从向右移动，我们较慢失去e(t)是“正小”的信心。（4分）1．(a)(b)(c)2.分别画出以下应用场合下适当的隶属函数：（a）我们绝对相信附近的e(t)是“正小”，只有当e(t)足够远离时，我们才失去e(t)是“正小”的信心；（4分）（b）我们相信附近的e(t)是“正大”，而对于远离的e(t)我们很快失去e(t)是“正大”的信心；（4分）（c）随着e(t)从向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从向右移动，我们较慢失去e(t)是“正小”的信心。（4分）2π正小μ()(),.etrad1.00.53π正大μ()(),.etrad1.00.5(a)(b)3.论域X=[0，100]上的模糊集合代表“偏大”，在[0，80]区间上，在（80，100]区间上。（1）写出的隶属度函数的解析表达式（2）画出的隶属度函数曲线答0.0125x1（2分）图略（2分）4.设实数论域X上的模糊集“大约是5”采用高斯型隶属函数表示，其中参数（1）写出的隶属度函数的解析表达式（2分）（2）画出的隶属度函数曲线（2分）答（1）（2分）（2）图略（2分）5.设实数论域X上的模糊集“大约是6”采用三角形隶属函数表示，其中参数a=3;b=6;C=8（1）写出的隶属度函数的解析表达式（2）画出的隶属度函数曲线答（2分）图略（2分）6.画出以下两种情况的隶属函数图：（a）画出精确集合的隶属函数图；（4分）（b）写出单点模糊（singletonfuzzification）隶属函数的数学表达形式，并画出隶属函数图。（4分）（c）画出精确集合的隶属函数图；（4分）4π2πμx1.00.5(a)(b)8π2πμ1.00.5(c)7.某模糊控制系统的输入语言变量E和输出语言变量U的语言值均为：NB、NS、O、PS、PB，E的论域为X＝{－3，－2，－1，0，1，2，3}，U的论域为Y＝{－3，－2，－1，0，1，2，3}。设语言变量E和U的赋值表为：量化等级语言变量值－3－2－10123PB000O00．51PS000110．50OOO0．510．500NS00．51l000NB10．5000008.一个模糊系统的输入和输出的隶属函数如图1所示。试计算以下条件和规则的隶属函数：（a）规则1：Iferroriszeroandchang-in-erroriszeroThenforceiszero。均使用最小化操作表示蕴含(usingminimumopertor)；（5分）（b）规则2：Iferroriszeroandchang-in-errorispossmallThenforceisnegsmall。均使用乘积操作表示蕴含(usingproductopertor)；（5分）假定当前的输入条件为：error=0,chang-in-error=3．(a)((),utN“zero”10-10ππ-“zero”()detdt4ππ-“zero”(b)()(),utN-10-20“negsamll”0.75()e4ππ-“zero”8π4π“possmall”()detdt9.一个模糊系统的输入和输出的隶属函数如下图所示。试通过作图法分别推理每条规则的输出隶属度函数：（a）规则1：Iferroriszeroandchang-in-erroriszeroThenforce(u)iszero。使用最小化操作表示蕴含（usingproduct