北航智能控制神经网络作业.docVIP

智能控制及其应用—人工神经网络

北京航空航天大学机械工程及自动化学院（北京100191）

一作业要求

1、设计一个实现逻辑“或”的单计算层感知器，并写出其学习算法和程序。

2、紧密结合自己的专业背景、科研方向或解决问题的经历，说明人工神经网络在你所关注的专业问题上应用的可行性。要求说明：自己的科研或专业背景，所关注的问题，与人工神经网络有什么关联，应用人工神经网络的可行性，问题的解决思路，比传统解决方法优势。

要求：第2题的篇幅控制在2页（A4纸5号字），应查阅一定参考文献，但严禁未经消化总结的直接抄录。2012年12月17日上课时交。

二逻辑“或”的单计算层感知器

2.1单层感知器

单层感知器是指只有一层处理单元的感知器，如果包括输入层在内，应为两层。其拓扑结构如图2-1所示。图中输入层也称为感知层，有n个神经元节点，这些节点只负责引入外部信息，自身无信息处理能力，每个节点接收一个输入信号，n个输入信号构成输入列向量X。输出层也称为处理层，有m个神经元节点，每个节点均具有信息处理能力，m个节点向外部输出处理信息，构成输出列向量O。两层之间的连接权值用权值列向量Wj表示，m个权向量构成单层感知器的权值矩阵W。3种列向量分别表示为

图2-

图2-1单层感知器

由第1章介绍的神经元数学模型知，对于处理层中任一节点，其净输入为来自输入层各节点的输入加权和。

（2-1）

输出由节点的变换函数决定，离散型单计算层感知器的变换函数一般采用符号函数。

（2-2）

为便于直观分析，不难看出，单计算节点感知器实际上就是一个M-P神经元模型，由于采用了符号变换函数，又称为符号单元。式（2-2）可进一步表达为

设输入向量，则两个输入分量在几何上构成一个二维平面，输入样本可以用该平面上的一个点表示。节点j的输出为

则由方程

（2-3）

逻辑“或”的真值表如下：

x1x2y

000

011

101

111

从真值表中可以看出，四个样本的输出也分两类，一类使输出为0；另一类使输出为1。该直线能把图2-2中的两类样本分开，显然，该直线也不是唯一解。

图2-2或运算分类

2.2感知器的学习算法

考虑到训练过程是感知器权值随每一步调整改变的过程，为此用t表示学习步数和序号，将权值看做t的函数。t=0对应学习开始前的初始状态，此时对应的权值为初始化值。训练可按如下步骤进行：

1）对各权值，，（为计算层的节点数）赋予较小的非零随机数。

2）输入样本对，其中，为期望的输出向量（教师信号），上标代表样本对的模式序号，设样本集中的样本总数为P，则。

3）计算各节点的实际输出，。

4）调整各节点对应的权值，，，其中为学习速率，用于控制调整速度，值太大会影响训练的稳定性，太小则使训练的收敛速度变慢，一般取。

5）返回到步骤2）输入下一对样本。

以上步骤周而复始，直到感知器对所有样本的实际输出与期望输出相等。

2.3控制算法流程图

2.4运行结果

为了便于交互，使用Matlab的GUI制作了一个界面。运行结果如图2-3，图2-4，图2-5，图2-6所示

图2-3输入0和0，输出0

图2-4输入1和0，输出1

图2-5输入0和1，输出1

图2-6输入1和1，输出1

神经网络在图像处理中的应用

我现阶段正在做一个图像处理的项目。项目要求是通过摄像头采集小白鼠血液中离子图像，然后将采集回来的图像进行预处理，包括图像复原处理，图像增强，图像重建；图像压缩和特征提取；图像的分割和图像识别。

通过上智能控制中关于神经网络控制部分的相关学习，我了解到神经网络可以应用在图像处理。传统的图像处理方法无法满足图像处理的一些需要，而利用神经网络进行图像处理可以解决这些问题。神经网络算法比起传统的算法表现出了很大的优越性，这主要表现在：（1）高度并行处理能力，处理的速度远远高于传统的序列处理算法；（2）具有自适应功能，能够根据学习提供的数据样本找出和输出数据的内在联系；（3）非线性映射功能，图像处理很多问题是非线性问题，神经网络为处理这些问题提供了有用的工具；（4）具有泛化功能，能够处理带有噪声的或不完全的数据。下面从图像处理的各个方面具体介绍神经网络在图像处理中的可行性和解决思路。

1．图像预处理

图像复原处理的主要目的是去除干扰和模糊