模糊控制第五讲.pptVIP

第5章 神经网络在模糊控制系统中的应用 神经元是以生物神经系统的神经细胞为基础的生物模型，在人们对生物神经系统进行研究和探讨人工智能的机制时，把神经原数学化，从而产生了神经元数学模型。 神经网络模型是一个高度非线性动力学系统，具有并行分布处理、存储及学习能力、高度鲁棒性和容错能力，能充分逼近复杂的非线性关系。因此，用神经网络可以表达物理世界的各种复杂现象。 5.1 神经网络 5.1.1 人工神经网络的起源和发展 不同学科的科学家不断地对人脑的研究和互相影响，渐渐形成了神经网络学科。 1943年心理学家McCulloch和数学家Pitts合作，提出了第一个神经网络MP模型。 1949年，心理学家Hebb通过对大脑神经细胞学习和条件反射的观察研究，提出了改变神经元连接强度的Hebb规则。 1957年，Rosenblatt提出了感知器Perceptron模型，试图模拟人脑的感知学习能力，并提出了引入隐层处理单元的三层感知器的概念。 1960年，Widrow和Hoff提出了自适应线性元件Adaline模型及一种有效的学习方法Widrow-Hoff规则。 神经网络从仿生学角度模拟人脑神经系统的运作方式，使机器具有人脑那样的感知、学习和推理能力。 1982年，美国加州工学院的物理学家Hopfield教授提出了HNN模型，使神经网络的研究有了突破性的进展。 它通过引入“能量函数”的概念，给