[1085]《智能控制》剖析.docxVIP

西南大学网络与继续教育学院课程考试试题卷 类别： 网教 专业：电气工程及其自动化 2016 年 12 月 课程名称【编号】： 智能控制 【1085】 A 卷 大作业 满分： 100 分 一、试分析有导师学习和无导师学习算法的不同之处，并分别举例说明。 （20 图 有导师指导的神经网络学习 分） 答：目前神经网络的学习算法有多种，按有无导师分类，可分为有导师学习 （ Supervised Learning ）、 无导 师学 习 （ Unsupervised Learning ） 和 再 励学 习 （Reinforcement Learning ）等几大类。 在有导师的学习方式中，网络的输出和期望的输出（即导师信号）进行比较，然后 根据两者之间的差异调整网络的权值，最终使差异变小。 在无导师的学习方式中，输入模式进入网络后，网络按照一预先设定的规则（如竞 争规则）自动调整权值，使网络最终具有模式分类等功能。再励学习是介于上述两者之间 图 无导师指导的神经网络学习 的一种学习方式。 最基本的神经网络学习算法： 1 、Hebb 学习规则 Hebb 学习规则是一种联想式学习算法。 生物学家 D.O.Hebbian 基于对生物学和心理 学的研究，认为两个神经元同时处于激发状态时，它们之间的连接强度将得到加强，这一 - 1 - 论述的数学描述被称为 Hebb 学习规则，即  二、遗传算法有哪些基本运行参数，其值一般设为多少？（ 20 分） 基本遗传算法的运行参数 其中， wij (k ) 为连接从神经元 i 到神经元 j 的当前权值， I i 和 I j 为神经元的激活 有下述 4 个运行参数需要提前设定： 水平。 Hebb 学习规则是一种无导师的学习方法， 它只根据神经元连接间的激活水平改变权 值，因此，这种方法又称为相关学习或并联学习。 2、 Delta （ δ）学习规则 假设误差准则函数为： E 1 P (d p y p ) 2 P E p 2 p 1 p 1 其中， d p 代表期望的输出（导师信号） ， y p 为网络的实际输出， y p f W T X p ) ( 为网络所有权值组成的向量，即 W w0, w1, , w T 三、专家系统与专家控制有何区别？（ 20 分） 答：专家控制引入了专家系统的思想，但与专家系统存在区别： n X p 为输入模式： （1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的 自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。 X p xp 0 , xp1, , T （2）专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作 xpn 方式。 其中训练样本数为 p 1,2, , P 。 四、请举例说明有哪些典型的神经网路？（ 20 分） W ，使误差准则函数最小。权值的调整采用梯 神经网络学习的目的是通过调整权值 答：（ 1）单神经元网络 度下降法来实现，其基本思想是沿着 E 的负梯度方向不断修正 W 值，直到 E 达到最小。 单神经元模型 数学表达式为： 图 1 中 为神经元的内部状态， i 为阈值， xj 为输入信号， j 1, , n ， wij 为表示从单元 u j到单元 ui 的连接权系数， si 为外部输入信号 - 2 - 该网络是一种单向传播的多层前向网络。 误差反向传播的 BP 算法简称 BP 算法，其基本思想是梯度下降法。它采用梯度搜索技术， 以期使网络的实际输出值与期望输出值的误差均方值为最小。 BP 网络特点 （1）是一种多层网络，包括输入层、隐含层和输出层； （2）层与层之间采用全互连方式，同一层神经元之间不连接； （3）权值通过 δ学习算法进行调节； （4）神经元激发函数为 S 函数； （5）学习算法由正向传播和反向传播组成； （6）层与层的连接是单向的，信息的传播是双向的。 图 1 单神经元模型 BP 网络结构 单神经元模型可描述为： Neti wij x j si i j ui f (Neti ) O yi g(ui ) 通常情况下，取 g(ui ) ui （3） BP 网络逼近仿真实例 即 yi f ( N eit) 仿真实例 使用 BP 网络逼近对象 （2）BP 神经网络 1986 年， Rumelhart 等提出了误差反向传播神经网络，简称 BP 网络（ Back Propagation）， - 3 - 采样时间取 1ms ，输入信号为 ，神经网络采用 2— 6— 1 结构， 权值 W 1 ，W 2 的初始值取 [-1,+1] 之间的随机值， 取 。BP 网路逼近程序如 下： %BP identification clea