智能控制基础总结研讨.ppt

神经网络的模型分类 前向网络 反馈网络 相互结合型网络 混合型网络 1、按连接方式的不同进行分类 2、按网络结构分类，主要表现出三大类：前向网络、反馈网络和自组织网络。 */46 神经网络的学习 有导师学习 无导师学习 两大类学习算法 ◆ 有导师学习：直接利用误差信息 ◆ 无导师学习：建立间接的评价函数 */46 学习规则 根据连接权系数的改变方式分类 */46 神经网络的泛化能力 当输入矢量与样本输入矢量存在差异时，其神经网络的输出同样能够准确地呈现出应有的输出。这种能力就称为神经网络的泛化能力。 在有导师指导下的学习中，泛化能力可以定义为训练误差和测试误差之差。 与输入矢量的个数、网络的节点数、权值和训练样本集数目之间存在密切的关系。 */46 多层前向网络的学习算法 网络模型 第1个隐含层： 第r＋1个隐含层： 输出层 */46 输出层时，有： 隐含层时，有： 权值调整： 反向误差传播 */46 假设对于输入 期望的输出 网络权系数的初始值见图。试用BP算法训练此网络（只给出一步迭代学习过程）。这里，取神经元激励函数： ，学习步长为 。 BP学习算法举例 */46 全连接单层网络 神经元模型 二值型的Hopfield网络 yi取值通常为 0和1或-1和1 */46 状态转移关系 例3-4 假设一个3节点的离散Hopfield神经网络，已知网络权值与阈值如图 (a)所示。 采取随机异步更新策略，计算状态转移关系。 例3-7 同步更新策略 例3-5 各状态能量的计算 */46 状态转移图 */46 神经网络控制的优越性 1 神经网络可以处理那些难以用模型或规则描述的过程或系统 2 神经网络采用并行分布式信息处理，具有很强的容错性。 3 神经网络是本质的非线性系统 4 很强的信息综合能力 5 神经网络的硬件实现愈趋方便 对象 */46 专家控制 专家控制是以专家系统为基础的。 专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统中含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域的问题。 */46 专家系统结构与功能 人 机 接 口 解释机构 知识获取机构 数据库 推理机 知识库 专家 用户 知识库：存放领域知识、常识性知识、理论性知识、推理规则等。使专家系统具有启发性。 数据库：存放推理的原始数据、中间结果、控制信息等。 推理机：利用知识库的推理规则，对数据库的信息进行推理，得到结论或决策。 知识获取机构：获取专家的领域知识，对知识库进行修改和维护。 解释机构：说明推理过程，回答拥护问题。 人机接口：人机交互的界面。 */46 专家控制中的知识类型 知识的类型： 事实性知识：描述对象的概念、属性、状态、条件等，属于描述性命题。 过程性知识 ：推理的规则、物理定律、专家经验等，属于规律性的命题。 控制性知识 ：以知识、知识的处理为认识对象的知识，也称为元知识。如知识的背景和范围、推理的策略等。 */46 推理策略(方式)：正向推理、反向推理、双向推理。 专家系统常用的推理策略 正向推理：从已知事实出发，逐步推导出最后结论。事实驱动方式。 反向推理：首先提出假设，然后验证这些假设的真假性，找到假设成立的所有证据或事实。目标驱动方式。 双向推理：自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。 */46 产生式规则推理过程 模式匹配：将数据库中的数据与知识库中规则的前提进行匹配，如果完全匹配或足够近似匹配，则这条规则标记为触发规则。 竞争消解：当有一条以上的规则条件部分和当前数据库相匹配时，就需要决定首先使用哪一条规则，这称为竞争消解。 执行操作：根据推理的结论进行操作，并更新数据库的内容等。 */46 * * * * * * * * 智能控制基础总结 */46 智能控制问题的提出 传统控制理论，包括经典反馈控制和现代控制理论，由于研究对象的不确定性、高度非线性以及复杂的任务要求等，在应用中遇到不少难题。多年来，自动控制一直在寻找新的出路。现在看来，出路之一就是实现控制系统的智能化，以期解决面临的难题。 智能控制作为一门新兴的理论技术，现在还处于发展初期。 智能控制的概念主要是针对控制对象及其环境、目标和任务的不确定性和复杂性而提出来的。 是由于实现大规模复杂系统的控制需要。 是由于现代计算机技术、人工智能和微电子学等学科的高速发展，带来的革命性变化。 智能控制问题的提出 智能控制应用对象的特点：