《智能控制基础》第4章神经网络理论基础.pptx

神经网络控制;神经网络控制;神经网络概述;神经网络概述;神经网络概述;神经网络的基本属性;神经网络与计算机相比的特点;人工神经网络的特征

结构特征-------并行处理、分布式存储、容错性。

;神经网络概述;神经网络概述;神经网络概述;神经网络概述;神经网络概述;神经网络概述;神经网络在控制系统中的作用;神经网络在控制系统中的作用;5.2人工神经网络的基本概念——生物神经元;生物神经元;生物神经元;生物神经元;生物神经元;5.2人工神经网络的基本概念——人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;人工神经元模型;5.2人工神经网络的基本概念——人工神经网络分类;人工神经网络分类;人工神经网络分类;5.2人工神经网络的基本概念——神经网络学习方法;人工神经网络学习;人工神经网络学习;人工神经网络学习;人工神经网络学习;人工神经网络学习;人工神经网络学习;人工神经网络学习;5.3前馈网络——感知器;感知器;感知器;感知器;感知器;感知器;感知器;感知器;感知器;感知器;感知器;感知器;感知器;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;多层前馈网络与BP学习算法;5.3前馈网络——BP网络;5.3前馈网络——BP网络;多层前馈网络与BP学习算法;5.3前馈网络——BP网络;多层前馈网络与BP学习算法;多层前馈网络与BP学习算法;多层前馈网络与BP学习算法;多层前馈网络与BP学习算法;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;多层前馈网络与BP学习算法;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;5.3前馈网络——BP网络;径向基函数神经网???;径向基函数神经网络;径向基函数神经网络;径向基函数神经网络;径向基函数神经网络;径向基函数神经网络;径向基函数神经网络;5.4反馈网络——Hopfield神经网络;5.4反馈网络——Hopfield神经网络;5.4反馈网络——Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;Hopfield神经网络;5.4反馈网络——Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;Boltzmann机;5.4反馈网络——自组织神经网络;自组织神经网络;自组织神经网络;自组织神经网络;自组织神经网络;自组织神经网络;自组织神经网络;自组织神经网络;5.5神经网络控制;5.5.1参数估计自适应控制系统;神经网络参数估计器的输入为来自环境因素的传感器信息和系统的输出信息。参数估计器根据控制性能、控制律和环境约束建立目标函数，用类似于Hopfield网络等来实现目标函数的优化计算。神经网络的输出则为自适应控制器的参数。;5.5.2前馈控制系统;神经网络I作为前馈控制器，它的特性恰好为对象特性的逆。设对象特性为f[·]，则控制器的特性为f-1[·]。当控制器输入d为系统的期望输出时，则系统的实际输出y为

y=f[u]=f[f-1(d)]=d

即实现了理想的控制效果。;神经网络II的作用是通过间接学习