第六章神网络控制.ppt

第六章 神经网络控制 神经网络（neural networks，NN） 人工神经网络：由许多处理单元，又称神经元，按照一定的拓扑结构相互连接而成的一种具有并行计算能力的网络系统。 特点： 神经网络系统以大规模模拟并行处理为主，而不以串行离散数学符号处理为基础； 神经网络系统具有较强的鲁棒性和容错性，能够进行联想、概括、类比和推广，任何局部的损伤不会影响整体结果； 神经网络系统具有较强的自学习能力，系统可以通过不断的学习，不断地补充和完善自己的知识，这是传统的人工智能专家系统所没有的能力。 人工神经元是生物神经元的数学抽象 前馈型（ 前向型） 反馈型 例 输入输出样本： 测试数据： 例 设计一个三层BP网络对数字0至9进行分类。 每个数字用9?7的网格表示，灰色像素代表0，黑色像素代表1。将每个网格表示为0，1的长位串。位映射由左上角开始向下直到网格的整个一列，然后重复其他列。 选择BP网络结构为63-6-9。97个输入结点，对应上述网格的映射。9个输出结点对应10种分类。 使用的学习步长为0.3。训练600个周期，如果输出结点的值大于0.9，则取为ON，如果输出结点的值小于0.1，则取为OFF。 测试结果表明：除了8以外，所有被测的数字都能够被正确地识别。 对于数字8，神经网络的第6个