系统理论及其应用考卷.docVIP

系统理论及其应用课程报告—考卷 1.简要概述混沌的特征。 答案： 2. 简述智能理论的类型。 答案： 3. 什么是专家系统？ 答案： 4.写出知识的表示方法。 答案： 5. 写出人工神经元的模型。 答案： 6.分析总结人工神经网络的三要素 答案： 7.在人工神经网络中，什么叫有导师学习？什么叫无导师学习？ 答案： 8.总结BP、Kohonen、Hopfield三种网络的算法、功能有什么区别？ 答案： 9.人工神经网络的不足有哪些？ 答案： 10.分析统计学理论、模糊集理论、云模型的共同点与区别。 答案： 11. 什么叫遗传算法？并简要概述其基本步骤。 答案： 基本步骤： (1)产生初始群； (2)对每个个体解码，计算其适应值； (3)选择成亲； (4)交配，变异； (5)产生下一代。 12. 什么叫蚁群算法？其基本原理是什么？ 答案： 基本原理：该算法模拟自然界中蚁群觅食的行为，采用有记忆的人工蚂蚁，通过个体之间的信息交流与相互协作来找到从蚁群到食物源的最短路径。 13.模拟进化类方法与梯度类方法分别有什么特点? 答案： 14. 利用BP神经网络解决下列问题 利用三层BP神经网络来完成非线性函数的逼近任务，其中隐层神经元个数为五个。样本数据为： 输入X 输出D 输入X 输出D 输入X 输出D 0 0 4 4 8 2 1 1 5 3 9 3 2 2 6 2 10 4 3 3 7 1 答案：看到期望输出的范围超出，所以输出层神经元利用线性函数作为转移函数。程序如下： clear; clc; X = [0 1 2 3 4 5 6 7 8 9 10]; D = [0 1 2 3 4 3 2 1 2 3 4]; figure; plot(X,D,*); %绘制原始数据分布图 net = newff([0 10],[5 1],{tansig,purelin}) net.trainParam.epochs = 100; net.trainParam.goal=0.005; net=train(net,X,D); O=sim(net,X); figure; plot(X,D,*,X,O); %绘制训练后得到的结果和误差曲线 V = net.iw{1,1}%输入层到中间层权值 theta1 = net.b{1}%中间层各神经元阈值 W = net.lw{2,1}%中间层到输出层权值 theta2 = net.b{2}%输出层各神经元阈值所得结果如下：绘制原始数据分布图绘制训练后得到的结果和误差曲线 图1 数据分布图误差曲线输入层到中间层的权值： 0.7060,3.8787,-0.4979,0.4939,1.8570)T 中间层各神经元的阈值：theta1-14.0613,-11.7359,3.2810,-3.6416,-1.8758)T 中间层到输出层的权值：W -1.8450,1.2306,9.0427,9.0529,1.0932) 输出层各神经元的阈值：theta20.4520 15.利用遗传算法解决下列问题 求f(x)=10*sin(5x)+7*cos(4x) 的最大值，其中x∈[0,10] 。 答案： 程序如下： %1.初始化 % initpop.m函数的功能是实现群体的初始化，popsize表示群体的大小，chromlength表示染色体的长度(二值数的长度)； % 长度大小取决于变量的二进制编码的长度(本题取10位)； %Name: initpop.m(初始化) function pop=initpop(popsize,chromlength) pop=round(rand(popsize,chromlength)); % rand随机产生每个单元为{0,1}行数为popsize，列数为chromlength的矩阵，roud对矩阵的每个单元进行圆整，这样产生一个初始种群。 %2.计算目标函数值 %decodechrom.m函数的功能是将染色体(或二进制编码)转换为十进制，参数spoint表示待解码的二进制串的起始位置； %calobjvalue.m函数的功能是实现目标函数的计算，其公式采用本文示例仿真，可根据不同优化问题予以修改。 %Name: decodebinary.m(产生 [2^n 2^(n-1) ... 1] 的行向量，然后求和，将二进制转化为十进制) function pop2=decodebinary(pop) [px,py]=size(pop); %求pop行和列数 for i=1:py pop1(:,i)=2.^(py-i).*pop(:,i); end pop2=sum(pop1,2); %求pop1的每行之和 %Name: decodechrom.m(将二进制编码转换成十进制) functi