智能控制课后答案文档格式.docx
- 文档编号:15350426
- 上传时间:2022-10-29
- 格式:DOCX
- 页数:11
- 大小:274.84KB
智能控制课后答案文档格式.docx
《智能控制课后答案文档格式.docx》由会员分享,可在线阅读,更多相关《智能控制课后答案文档格式.docx(11页珍藏版)》请在冰豆网上搜索。
Si为外部输入信号常用的神经元非线性特性有以下四种
(1)阀值型
1Neti0
f(Neti)
0Net0
fA
1
o►
Neti
阀值函数
(2)分段线性型
0NetNet0
f(Net,)kNetNet0NetNeti
fmaxNetNeti
线性函数
(3)Sigmoid函数型
Sigmoid函数
(4)Tan函数型
NetiNetj
eTeT
f(Neti)-
T—ee
2、为什么由简单的神经元连接而成的神经网络具有非常强大的功能?
神经系统是一个高度复杂的非线性动力学系统,虽然每一个神经元的结构和功能十分简
单,但由大量神经元构成的网络系统的行为却是丰富多彩和十分复杂的。
从神经元模型角度来看,有线性处理单元和非线性处理单元。
从网络结构方面来看,有:
前向网络、反馈网络和自组织网络。
3、神经网络按连接方式分有哪几类,按功能分有哪几类、按学习方式分又有哪几类?
神经网络按连接方式?
神经网络按连接方式分
神经网络是由通过神经元的互连而达到的。
根据神经元的连接方式的不同,神经网络可
分为以下四种形式:
(1)前向网络由输入层、隐含层和输出层组成。
每一层只接受前一层神经元的输入。
各神经元之间不存在反馈。
属于层次型网络。
前向网络
(2)反馈网络只在输出层到输入层存在反馈,即每一个输入节点都有可能接受来
自外部的输入和来自输出神经元的反馈。
反馈网络
(3)相互结合型网络这种神经网络在任意两个神经元之间都可能有连接。
在这个
状态中,信号要在神经元之间反复往返传递,网络处在一种不断改变状态的动态之中,从某
种初态开始,经过若干次的变化,才会达到某种平衡状态。
属于网状结构网络。
相互结合型网络
(4)混合型网络通过同一层神经元的相互结合,可以实现同一层神经元之间的横
向抑制或兴奋机制。
这样可以限制每层能同时动作的神经元数,或者把每层的神经元分为若
干组,让每组作为一个整体来动作。
它是层次型网络和网状结构网络的一种结合。
混合型网络
神经网络按功能分有哪几类、
神经网络将神经元按功能和顺序的不同分为输出层、中间层(隐层)、输出层。
输出层各神经元负责接收来自外界的输入信息,并传给中间各隐层神经元;
隐层是神经网络的部信息处
理层,负责信息变换。
根据需要可设计为一层或多层;
最后一个隐层将信息传递给输出层神
经元经进一步处理后向外界输出信息处理结果。
神经网络按按学习方式分又有哪几类?
有导师学习和无导师学习。
4、如图4-24所示的多层前向传播神经网络结构。
假设对于期望的输入
[x1,x2][13],[yd1,yd2][0.90.3]。
网络权系数的初始值见图。
试用BP算法训练此网
1
络。
并详细写出第一次迭代学习的计算结果。
这里,取神经元激励函数f(x)二-。
学
1ex
习步长为1。
最大迭代次数为iterafemax。
误差为e。
(四舍五入,精确到小数后1位)
神经网络结构图
解
和最大迭代学习次数iteratemax。
置初始迭代学习次数
输入最大容许逼近误差值
iterate0。
(1).置各权值或阈值的初始值:
Wji(O),j(0)为小的随机数值;
回顾:
单一人工神经元有线性和非线性
(1)单一人工神经元线性单一人工神经元示意图(线性)
单一人工神经元的示意图
0为阀值;
Wj是决定第j个输入的突触权系数。
神经元的平衡态输出y为
n
y(0WjXj)
j1
图4-15例4-1的神经网络结构图
(2).提供训练样本:
输入矢量:
Xk,k1,2,...,P;
期望输出:
dk,k1,2,...,P;
对每个
输入样本进行下面iteratemax的迭代;
[xz][13]
(3).计算网络的实际输出及隐层单元的状态:
Okjfj(WjjOkij)
i
因为[X1,X2]T[13]t
net;
W11X1
W12X2
%
x1
丄1
2
net2
w21x.
w22x2
W20
卜
0.1192
O1
net/e
1e2
n-70dd
O2
neg
e2
1e
10.7311
丄2
net1
W11q
W12O2
W10
^^21q
^^22°
01
(2恵1卜2
(0)卜21|
(1)1
(0)|o2212.1192
(2)|o231-4.3430
Y1
0.8928
y2
0.0128
(4).计算训练误差:
kjOkj(1Okj)(tkjOkj)(输出层)
kjOkj(1Okj)kmwmj(隐含层)
m
1)输出层
2'
2
1(yd1yjf(net1)(yd1%)力(1%)6.8910e-004
2(yd2y2)f(net2)(yd2y2)y2(1y2)0.0036
2)隐含层
kw:
01(1
k
22
oj(1W11
2W21)O1(1
O1)
(6.8910e-0041
(0.0036)1)
0.1192(1
0.1192)
4.5032e-004
kWk2O2(1
\/22
O2)(1W12
2W22)O2(1
O2)
(6.8910e-0040
(0.0036)(
2))0.7311
(10.7311)
-0.0014
(5).修正权值和阈值:
Wji(t1)Wji(t)jOki[Wji(t)Wji(t1)]
j(t1)j(t)j[j(t)j(t1)]
11x24.5032e-00430.0014
1o26.8910e-0040.73115.0380e-004
2o10.00360.11924.2912e-004
2O20.00360.73110.0026
0.0036
1,2
Wji(iterate1)wji(iterate)^wjil1,2;
i0,1,2;
j
(6).当k每经历1~P后,判断指标是否满足精度要求:
E;
:
精度
判断神经网络逼近误差满足要求或迭代学习达到最大容许否?
tyoriterateiteratemax
iterateiterate1;
继续迭代计算直至满足终止条件为止。
(7).结束。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 控制 课后 答案