模煳控制课件第五章 神经网络在模糊控制系统中的应用教学幻灯片.pptVIP

模糊控制技术;人工神经元模型;图5.3 常用激发函数;人工神经网络 神经网络模型 通常可按以下5个原则进行神经网络的归类： 按照网络的结构区分，则有前向网络和反馈网络。 按照学习方式区分，则有有教师学习和无教师学习网络。 按照网络性能区分，则有连续型和离散型网络，随机型和确定型网络。 按照突触性质区分，则有一阶线性关联网络和高阶非线性关联网络。;按对生物神经系统的层次模拟区分，则有神经元层次模型、组合式模型、网络层次模型、神经系统层次模型和智能型模型。 前向网络 反馈网络 相互结合型网络 混合型网络 神经网络学习算法 神经网络学习算法分为两大类：有教师学习和无教师学习。;图5.4 神经网络结构示意图;5.1.3 人工神经网络的特点及类型 人工神经网络的特点 非线性 非局域性 非定常性 非凸性 具有泛化功能 具有自适应功能 高度并行处理;人工神经网络的类型;5.1.4 典型的人工神经网络 Hopfield网络 离散型Hopfield网络 连续型Hopfield网络 BP多层神经网络 函数逼近 模式识别 分类 数据压缩;图5.5 多层网络及BP算法;BP算法的原理 设有一个m层的神经网络，并在输入层加有样本X，设第k层的i神经元的输入总和表示为 、输出 ；从第k -1层的第 j 个神经元到第k层的第i个神经元的权系数为ωij，各个神经元的激