1-数学建模基础.pptxVIP

第一章 数学建模基础;1.1 数学模型概述 1.2 数学建模方法与步骤 1.3 人工神经网络;1.1.1 数学模型的概念 1.1.2 数学模型的分类 1.1.3 数学模型的作用;模型（Model）：对所研究的实体的特征及其变化规律的一种表示或者抽象。 按模型的表达形式，分为 实体模型（城市模型、地图） 符号模型（数学、符号……）;数学模型(Mathematical Model)：对于现实世界的某一特征对象，为了某个特征目的，做出必要的简化和假设，运用适当的数学工具得到的一个数学??构。 解释特定现象的现实性态 预测对象的未来状态 提供处理对象的最优决策或控制; 按变量性质 确定性模型 随机模型 ; 按变量性质 离散模型 连续模型 混合模型 ; 按动态特征与时间的依存关系 参数定常模型（静态模型） 参数时变模型（动态模型） ; 按描述状态变量的方程是否线性 线性模型 非线性模型 ; 按系统是否可控 可控模型 非可控模型 按复杂程度 简单模型 复杂的混合模型 ; 按描述方式和问题要求的粗细程度 定性模型 定量模型 定性与定量相结合的模型; 按繁简程度 集中参数模型 分布参数模型 ; 按对研究对象的内部结构和性能的了解程度 白箱模型 灰箱模型 黑箱模型; 按建模的依据或方法 机理模型（理论模型） 经验模型 综合模型 ; 按研究方法和对象的数学特征 初等模型 优化模型 逻辑模型 微分方程模型 概率模型 ; 按研究对象所在领域 经济模型 生态模型 人口模型 交通模型 …… ; 分析和设计实践系统 预报/预测实际系统的物理量 设计控制系统 ; 数学仿真 实验 现场作实物实验 设计新系统 物理仿真 ; 在研究实际系统时，往往需要知道一些物理量的数值，其中有些量可能无法测量或者测量不准确，就要建立数学模型来预报这些物理量。 （大滞后问题？）; 用现代控制论设计控制器的关键是要有一个数学模型（状态方程或者输入输出方程），以数学模型为基础，根据极大值原理、动态规划、反馈、解耦、极点配置、自组织、自适应和智能控制等方法，设计各种各样的控制器。 ; 对于同一个实际系统，可以根据不同的用途建立不同的数学模型。 分析、设计实际系统和预报实际物理量 要使用准确的数学模型 控制用的数学模型 不必都是很准确的，尤其是在设计一些有效的自适应控制器时，就可以使用比较粗糙一些的数学模型 ;1.2 数学建模的方法与步骤; 机理分析法 数据分析法 综合分析法; 机理分析法 数据分析法 综合分析法; 机理分析法 数据分析法 综合分析法; 机理分析法 数据分析法 综合分析法; 机理分析法 数据分析法 综合分析法;理想的数学模型须满足: （1）可靠性：在允许的误差范围内，它能反映出该系统的有关特性的内在联系。 （2）适用性：它易于数学处理和计算。;模型准备;模型准备;模型准备;模型准备;模型准备;1.3.1 神经元及其数学模型 1.3.2 人工神经网络模型及算法 1.3.3 感知器网络 1.3.4 BP神经网络 1.3.5 RBF神经网络; 人工神经网络ANN (Artificial Neural Networks)，采用物理可实现的器件或现有的计算机来模拟生物体中神经网络的某些结构与功能，并反过来用于工程或其它的领域。 ;涉及神经科学、语言学、脑科学、认知科学、计算机科学和数理科学等 由大量的、简单的处理单元（神经元）广泛地互相连接而成的复杂网络系统 高度复杂的非线性动力学系统，具有高维性、广泛互联性和自适应性;1.3.1 神经元及其数学模型;1.3.1 神经元及其数学模型;1.3.1 神经元及其数学模型;1.3.1 神经元及其数学模型;1.3.1 神经元及其数学模型;1.3.1 神经元及其数学模型;1.3.1 神经元及其数学模型;1.3.1 神经元及其数学模型;人工神经元激励函数;; 前向网络;从输出层到输入层有反馈的前向网络; 可实现同一层内神经元之间的横向抑制或兴奋机制