- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
考试试卷第
考试试卷第 PAGE 1 页 共 6 页
(勤奋、求是、创新、奉献)
2010~2011 学年第 1 学期考试试卷A
学院 班级
姓名
学号
《 智能控制系统 》课程试卷
(本卷考试时间 90 分钟)
题号
题号
题分得分
一
18
二
24
三
21
四
37
总得分
100
一. 概念题(18 分,每小题 3 分)
写出 4 种专家系统的知识表示方法。
逻辑表示法、产生式表示法、框架表示法、语义网络表示法
递阶智能系统的智能程度分布一般要遵循什么原则。随着智能程度的提高,精度下降
写出宽度优先搜索和深度优先搜索的根本区别?
深度优先与宽度优先算法最根本的不同在于:扩展的后继节点放在OPEN 表的前端。
何谓多层前向神经网络?
具有分层的结构,通常包括输入层、隐层(也称中间层)和输出层。每一层的神经元只接受上一层神经元的输入, 并且该层神经元的输出送给下一层的各个神经元 。
写出 3 种模糊输出向量的解模糊方法
重心法、最大隶属度法、取中位数判决法
写出基本遗传算法的 3 个基本操作遗传、交叉、变异
二、简答题(共 24 分,每题 6 分)
1、简述模糊控制器的组成,及各组成部分功能
模糊化接口
对于任意输入 x,将其映射到模糊集系统中去,映射的过程实际上是将当前的物理输入根据模糊子集的分布情况确定出此时此刻输入值对这些模糊子集的隶属程度。
知识库
知识库包括数据库和规则库。模糊控制器设计的关键在于如何有效地建立知识库,决策逻辑控制实际上是依赖规 则库来实现的。
推理决策逻辑
它是模糊控制的核心,利用知识库的信息模拟人类的推理决策过程,给出适合的控制量,其实质是模糊逻辑推理。
精确化过程
通过模糊推理得到的结果是一个模糊集合。但实际使用中,特别是模糊控制中,必须要有一个确定的值才能去控 制或驱动执行机构。在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值的过程称为精 确化过程
2、设个体域是人类,试用两种方法(全称量词和存在量词)将语句“没有不犯错误的人”译为谓词公式设 F(x):“x 犯错误”,M(x):x 是人,则语句形式化为:
┐?x(M(x)∧┐F(x)) 或 ?x(M(x)→F(x))
3、简述BP 算法中工作信号正向传播、误差信号反向传播过程
工作信号正向传播:输入信号从输入层经隐层,传向输出层,在输出端产生输出信号,这是信号的正向传 播。在信号向前传递过程中网络的权值是固定不变的,每一层神经元的状态只影响下一层神经元的状态。如果在 输出层不能得到期望的输出,则转入误差信号反向传播。
误差信号反向传播:网络的实际输出与期望输出之间差值即为误差信号,误差信号由输出端开始逐层向前 传播,这是误差信号的反向传播。在误差信号反向传播的过程中,网络权值由误差反馈进行调节,通过权值的不 断修正使网络的实际输出更接近期望输出
W
4、简述专家系统组成以及各组成部分作用。
知识库,用于存储某领域专家系统的专门知识,包括事实、可行操作与规则等。
综合数据库,用于存储领域或问题的初始数据和推理过程中得到的中间数据(信息),即被处理对象的一些当 前事实。
推理机,用于记忆所采用的规则和控制策略的程序,使整个专家系统能够以逻辑方式协调地工作。推理机能 够根据知识进行推理和导出结论,而不是简单地搜索现成的答案。
解释器,向用户解释专家系统的行为,包括解释推理结论的正确性以及系统输出其它候选解的原因。
接口,使系统与用户进行对话,使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统 则通过接口,要求用户回答提问,并回答用户提出的问题,进行必要的解释。
R 父 母子 0.7 0.5女 0.4 0.8三.计算题(共 21 分,第 1 题 10 分,第 2 题 11
R 父 母子 0.7 0.5
女 0.4 0.8
父母和祖父、祖母的相似程度为
S
S 祖父 祖母父 0.6 0.4
母 0.6 0.3
利用最大-最小合成方法求出子女和祖父、祖母的相似程度,注意要写出合成过程。
? 0.7 0.5 ? ? 0.6 0.4 ? ??0.7 ? 0.6?? ?0.5 ? 0.6?
R S= ? 0.4 0.8 ? ? 0.6 0.3 ? ? ??0.4 ? 0.6?? ?0.8 ? 0.6?
?0.7 ? 0.4?? ?0.5 ? 0.3??
?0.4 ? 0.4?? ?0.8 ? 0.3??
? ? ? ? ? ?
? 0.6 ? 0.5 0.4 ? 0.3?
? ?= ? 0.4 ? 0.6 0.4 ?
? ?
? 0.6 0.4 ?
= ? 0.6 0.4 ?
? ?
2、写出网络输出 y 的表达式,其中隐层神经元采用 Sigmoid 传递函数,输出层神经元采用
文档评论(0)