智能控制理论教案神经网络控制.ppt

智能控制理论教案神经网络控制;3.1 神经网络的发展和应用 3.2 神经网络的特性 3.3 生物神经元的结构与功能 3.4 人工神经网络模型与变换函数 3.5 典型前馈神经网络－BP网络 3.6 典型反馈神经网络－ Hopfield网络 3.7 神经网络控制原理 3.8 神经网络的应用实例;神经网络研究热潮的再度兴起，不仅仅是因为神经科学本身取得了巨大的进展，更主要的原因在于发展新型计算机和人工智能新途径的迫切需要;神经网络控制是一种基本上不依赖于模型的控制方法;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.1 神经网络的发展和应用;3.2 神经网络的特性;3.2 神经网络的特性;3.2 神经网络的特性;3.2 神经网络的特性;3.2 神经网络的特性;3.2 神经网络的特性;3.2 神经网络的特性;3.2 神经网络的特性;3.3 生物神经元的结构与功能生物神经元的结构 ;3.3 生物神经元的结构与功能生物神经元的结构;3.3 生物神经元的结构与功能生物神经元的结构;3.3 生物神经元的结构与功能生物神经元的结构;3.3 生物神经元的结构与功能生物神经元的结构;3.3 生物神经元的结构与功能生物神经元的结构;3.3 生物神经元的结构与功能生物神经元的结构;3.3 生物神经元的结构与功能生理神经元的功能 ;3.4 人工神经网络模型与变换函数;3.4 人工神经网络模型与变换函数;3.4 人工神经网络模型与变换函数人工神经元的组成;3.4 人工神经网络模型与变换函数人工神经元的组成;3.4 人工神经网络模型与变换函数人工神经元的组成;3.4 人工神经网络模型与变换函数;3.4 人工神经网络模型与变换函数人工神经元的组成;3.4 人工神经网络模型与变换函数常用的变换函数;3.4 人工神经网络模型与变换函数常用的变换函数;3.4 人工神经网络模型与变换函数常用的变换函数;3.4 人工神经网络模型与变换函数常用的变换函数;3.4 人工神经网络模型与变换函数常用的变换函数;3.4 人工神经网络模??与变换函数常用的变换函数;3.4 人工神经网络模型与变换函数常用的变换函数;3.4 人工神经网络模型与变换函数常用的变换函数;3.4 人工神经网络模型与变换函数;3.4 人工神经网络模型与变换函数人工神经网络结构;3.4 人工神经网络模型与变换函数人工神经网络结构;3.4 人工神经网络模型与变换函数人工神经网络结构;3.4 人工神经网络模型与变换函数人工神经网络结构;3.4 人工神经网络模型与变换函数人工神经网络结构;3.4 人工神经网络模型与变换函数人工神经网络结构;3.4 人工神经网络模型与变换函数人工神经网络结构;3.5 典型前馈神经网络－BP网络感知机（感知器）;3.5 典型前馈神经网络－BP网络感知机（感知器）;3.5 典型前馈神经网络－BP网络感知机（感知器）;3.5 典型前馈神经网络－BP网络感知机（感知器）;3.5 典型前馈神经网络－BP网络感知机（感知器）;3.5 典型前馈神经网络－BP网络感知机（感知器）;3.5 典型前馈神经网络－BP网络BP网络模型;3.5 典型前馈神经网络－BP网络BP网络模型;3.5 典型前馈神经网络－BP网络BP网络模型;3.5 典型前馈神经网络－BP网络BP网络模型;3.5 典型前馈神经网络－BP网络BP网络模型;BP神经网络结构 ;3.5 典型前馈神经网络－BP网络BP学习算法;平方误差 其中 希望响应, 实际响应, 是输出层中的节点数 为使误差函数最小化,与误差相对于权值的偏导数成比例地调整权值－梯度下降法 其中 是步长，或称学习算子或学习率 而 ;得到 其中 而 则 同理对隐层 ;⑤权值学习 即 改进算法 其中 变步长， 阻尼系数(动量因子、惯性因子) ⑥回到②直到求出最优解 ;3.5 典型前馈神经网络－BP网络BP学习算法;3.5 典型前馈神经网络－BP网络BP学习算法;3.5 典型前馈神经网络－BP网络BP学习算法;3.5 典型前馈神经网络－BP网络BP学习算法评价;3.5 典型前馈神经网络－BP网络BP学习算法评价;3.5 典型前馈神经网络－BP网络BP学习算法评价;3.5 典型前馈神