智能控制課后答案

1、1、神經(jīng)元的種類有哪些它們的函數(shù)關(guān)系如何一、神經(jīng)元模型神經(jīng)元模型是生物神經(jīng)元的抽象和模擬.它是模擬生物神經(jīng)元的結(jié)構(gòu)和功能、并從數(shù)學(xué)角度抽象出來的一個根本單元.它是神經(jīng)網(wǎng)絡(luò)的最根本的組成局部.神經(jīng)元一般是多輸入-單輸出的非線性器件.模型可以描述為NetWjXj s iUif (Neti)y g(Ui) h(Neti)假設(shè) g(ui) u ,即 y f (Neti)U為神經(jīng)元的內(nèi)部狀態(tài)；i為閥值；Xi為輸入信號,j 1,.,n； Wj為表示從Uj單元到Ui單元的連接權(quán)系數(shù)；與為外部輸入信號.常用的神經(jīng)元非線性特性有以下四種(1) 閥值型1 Neti 0f(Neti) 0 Neti 0f A10 N

2、eti閥值函數(shù)(2) 分段線性型0 Net Net0f(Net) kNet Net. Net Netfmax Net Netif I0 Neti0 Neti1 Neti線性函數(shù)(3) Sigmoid 函數(shù)型f(Neti)Net1 e TSigmoid 函數(shù)(4) Tan函數(shù)型Neti e T f(Neti) w e TNetT"Nete T2、為什么由簡單的神經(jīng)元連接而成的神經(jīng)網(wǎng)絡(luò)具有非常強大的功能神經(jīng)系統(tǒng)是一個高度復(fù)雜的非線性動力學(xué)系統(tǒng),雖然每一個神經(jīng)元的結(jié)構(gòu)和功能十分簡單,但由大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)的行為卻是豐富多彩和十分復(fù)雜的.從神經(jīng)元模型角度來看,有線性處理單元和非線性處理

3、單元.從網(wǎng)絡(luò)結(jié)構(gòu)方面來看,有：前向網(wǎng)絡(luò)、反響網(wǎng)絡(luò)和自組織網(wǎng)絡(luò).3、神經(jīng)網(wǎng)絡(luò)按連接方式分有哪幾類,按功能分有哪幾類、按學(xué)習(xí)方式分又有哪幾類 神經(jīng)網(wǎng)絡(luò)按連接方式神經(jīng)網(wǎng)絡(luò)按連接方式分神經(jīng)網(wǎng)絡(luò)是由通過神經(jīng)元的互連而到達(dá)的.根據(jù)神經(jīng)元的連接方式的不同,神經(jīng)網(wǎng)絡(luò)可分為以下四種形式：(1) 前向網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成.每一層只接受前一層神經(jīng)元的輸入.各神經(jīng)元之間不存在反響.屬于層次型網(wǎng)絡(luò).-*O*Q輸 入輸 出前向網(wǎng)絡(luò)(2) 反響網(wǎng)絡(luò)只在輸出層到輸入層存在反響,即每一個輸入節(jié)點都有可能接受來自外部的輸入和來自輸出神經(jīng)元的反響.屬于層次型網(wǎng)絡(luò).反響網(wǎng)絡(luò)(3) 相互結(jié)合型網(wǎng)絡(luò)這種神經(jīng)網(wǎng)絡(luò)在任意兩個神經(jīng)

4、元之間都可能有連接.在這個狀態(tài)中,信號要在神經(jīng)元之間反復(fù)往返傳遞,網(wǎng)絡(luò)處在一種不斷改變狀態(tài)的動態(tài)之中,從某種初態(tài)開始,經(jīng)過假設(shè)干次的變化,才會到達(dá)某種平衡狀態(tài).屬于網(wǎng)狀結(jié)構(gòu)網(wǎng)絡(luò).相互結(jié)合型網(wǎng)絡(luò)(4) 混合型網(wǎng)絡(luò)通過同一層內(nèi)神經(jīng)元的相互結(jié)合,可以實現(xiàn)同一層內(nèi)神經(jīng)元之間的橫向抑制或興奮機制.這樣可以限制每層內(nèi)能同時動作的神經(jīng)元數(shù),或者把每層內(nèi)的神經(jīng)元分為假設(shè)干組,讓每組作為一個整體來動作.它是層次型網(wǎng)絡(luò)和網(wǎng)狀結(jié)構(gòu)網(wǎng)絡(luò)的一種結(jié)合.混合型網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)按功能分有哪幾類、神經(jīng)網(wǎng)絡(luò)將神經(jīng)元按功能和順序的不同分為輸出層、中間層隱層、輸出層.輸出層各神試用BP算法練習(xí)此網(wǎng)1f(x).學(xué)1 e x習(xí)步長為e.四舍

5、五入,精確到小數(shù)后 1位yiwii2X20W 22-12 W 20-1W 2013X1W 11 11.最大迭代次數(shù)為iterafe max.誤差為222 -2W12 -2W10W21W12-2 w10W212經(jīng)元負(fù)責(zé)接收來自外界的輸入信息, 并傳給中間各隱層神經(jīng)元； 隱層是神經(jīng)網(wǎng)絡(luò)的內(nèi)部信息 處理層,負(fù)責(zé)信息變換.根據(jù)需要可設(shè)計為一層或多層； 最后一個隱層將信息傳遞給輸出層 神經(jīng)元經(jīng)進(jìn)一步處理后向外界輸出信息處理結(jié)果.神經(jīng)網(wǎng)絡(luò)按按學(xué)習(xí)方式分又有哪幾類 有導(dǎo)師學(xué)習(xí)和無導(dǎo)師學(xué)習(xí).4、如圖4-24所示的多層前向傳播神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).假設(shè)對于期望的輸入x1,x2 1 3,yd1,yd2 0,9 0.3.網(wǎng)

6、絡(luò)權(quán)系數(shù)的初始值見圖. 絡(luò).并詳細(xì)寫出第一次迭代學(xué)習(xí)的計算結(jié)果.這里,取神經(jīng)元鼓勵函數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖解和最大迭代學(xué)習(xí)次數(shù)iterate max.置初始迭代學(xué)習(xí)次數(shù)輸入最大容許逼近誤差值iterate 0 .(1) .置各權(quán)值或閾值的初始值：Wji(0), j(0)為小的隨機數(shù)值;回憶：單一人工神經(jīng)元有線性和非線性(2) 單一人工神經(jīng)元線性單一人工神經(jīng)元示意圖(線性)單一人工神經(jīng)元的示意圖最簡單的人工神經(jīng)元輸入和輸出數(shù)學(xué)表示：假設(shè)輸入項Net由輸入信號Xj(j=i,2,n)的線性組合構(gòu)成,即 nNet 0wjxjj i0為閥值；Wj是決定第j個輸入的突觸權(quán)系數(shù).神經(jīng)元的平衡態(tài)輸出 y為 ny (

7、 0WjXj)j i式中(x)表示神經(jīng)元的鼓勵函數(shù)前面假設(shè)輸入項 Net是輸入信號Xi的線性函數(shù).一般情況下,Net是輸入信號Xi的非線性函i-nr - r 口工111111因此此題的權(quán)值W11,叫2 ,W10,W21,W22,W20yiw 11 112 -2X20W 22-1W 202 W212 W2001 W11222 -2X1K323oW12W10W21-2 w10圖4-15例4-1的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖對每個(3) .提供練習(xí)樣本：輸入矢量：Xk,k 1,2,., p ；期望輸出：dk,k 1,2,.,P；輸入樣本進(jìn)行下面iterate max的迭代;X1,X2 1 3(4) .計算網(wǎng)絡(luò)的實

8、際輸出及隱層單元的狀態(tài):Okj fj( . Wji Okij)由于X1,X2T13Tnet111W11X11W2X2w1 1gX1(2)gX2net；1W2*1W22X21W20 2gX1(0)gX21g(1) 11O1J1 enet111 e20.1192.21net2 e0.7311net122W1Q2W12o22W101go1(0)站2.1192net22w21dl2W22O22W20 1go1(2)卬21-4.3430y10.8928y20.0128(5) .計算練習(xí)誤差：kj Okj (1 Okj )(tkj Okj)(輸出層)kj Okj(1 Okj)kmWmj (隱含層)m1 )

9、輸出層2 '.2.1 (yd1 y1)f(net1)(y5 %),(1 y1)6.8910e-0042 '2、2(yd2 y2) f (net2) (yd2 y2)y2(1 y) 0.00362)隱含層12222221kWk1O1(1Oi)( 1W112W2i)Oi(1O1)k(6.8910e-004 1 (0.0036) 1) 0.1192 (1 0.1192)4.5032e-0041 2222222 k Wk2O2 (1 O2)( 1 W122 W22) o2(1 O2)k(6.8910e-004 0 (0.0036) ( 2) 0.7311 (1 0.7311)-0.00

10、14(5) .修正權(quán)值和閾值：Wji (t 1) Wji (t)jOkiWji (t) Wji (t 1)j(t 1) j(t) j j(t) j(t 1)1 1Vw；111X14.5032e-00414.5032e-004Vw；211x24.5032e-00430.0014 11 _ VW10i4.5032e-004Vw2i2xi (-0.0014) 1 -0.00141 1_Vw222x2 (-0.0014) 30.0042.11- ,Vw202-0.001422_VW11i Oi 6.8910e-004 0.11928.2141e-005一22一_ _Vw121o2 6.8910e-004 0.7311 5.0380e-00422VW1016.8910e-004_ 22_Vw212o10.0036 0.1192 4.2912e-00422 _VW222O2 0.0036 0.73110.0026Vw；.2"0.0036wlji (iterate 1) wji (ite