智能控制課后答案

1、1 1、神經(jīng)元的種類(lèi)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(lái)的一個(gè)基本單元。它是神經(jīng)網(wǎng)絡(luò)的最基本的組成部分。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NetWjXjsijUif (Neti)g(uj h(NetJ假設(shè)g(Ui)Ui，即yf (Neti)Ui為神經(jīng)元的內(nèi)部狀態(tài)；i為閥值；Xi為輸入信號(hào)，j 1,., n；Wij為表示從Uj單兀到Ui單元的連接權(quán)系數(shù)；s為外部輸入信號(hào)常用的神經(jīng)元非線性特性有以下四種(1)(1)閥值型1 Neti0f(Neti)0 Net 0f A1 -o - Ne

2、ti閥值函數(shù)(2)(2)分段線性型0 Net Net0f(Net) kNet Net0Net NetifmaxNetNeti(3(3)SigmoidSigmoid 函數(shù)型線性函數(shù)ff1(4(4)TanTan 函數(shù)型NetiNetjeTeTf(Neti)-2 2、 為什么由簡(jiǎn)單的神經(jīng)元連接而成的神經(jīng)網(wǎng)絡(luò)具有非常強(qiáng)大的功能神經(jīng)系統(tǒng)是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，雖然每一個(gè)神經(jīng)元的結(jié)構(gòu)和功能十分簡(jiǎn)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(lái)看，有線性處理單元和非線性處理單元。從網(wǎng)絡(luò)結(jié)構(gòu)方面來(lái)看，有：前向網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)。3 3、 神經(jīng)網(wǎng)絡(luò)按連接方式分

3、有哪幾類(lèi)，按功能分有哪幾類(lèi)、按學(xué)習(xí)方式分又有哪幾類(lèi)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(guò)神經(jīng)元的互連而達(dá)到的。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)元之間不存在反饋。屬于層次型網(wǎng)絡(luò)。f(NetJNegTSigmoid 函數(shù)T e e前向網(wǎng)絡(luò)（2 2）反饋網(wǎng)絡(luò)只在輸出層到輸入層存在反饋，即每一個(gè)輸入節(jié)點(diǎn)都有可能接受來(lái)自外部的輸入和來(lái)自輸出神經(jīng)元的反饋。屬于層次型網(wǎng)絡(luò)。反饋網(wǎng)絡(luò)（3 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(gè)神經(jīng)元之間都可能有連接。在這個(gè)狀態(tài)中，信號(hào)要在神經(jīng)元之間反復(fù)往

4、返傳遞，網(wǎng)絡(luò)處在一種不斷改變狀態(tài)的動(dòng)態(tài)之中，從某種初態(tài)開(kāi)始，經(jīng)過(guò)若干次的變化，才會(huì)達(dá)到某種平衡狀態(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 4）混合型網(wǎng)絡(luò)通過(guò)同一層內(nèi)神經(jīng)元的相互結(jié)合，可以實(shí)現(xiàn)同一層內(nèi)神經(jīng)元之間的橫向抑制或興奮機(jī)制。這樣可以限制每層內(nèi)能同時(shí)動(dòng)作的神經(jīng)元數(shù)，或者把每層內(nèi)的神經(jīng)元分為若干組，讓每組作為一個(gè)整體來(lái)動(dòng)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?；旌闲途W(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)按功能分有哪幾類(lèi)、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。輸出層各神經(jīng)元負(fù)責(zé)接收來(lái)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

5、可設(shè)計(jì)為一層或多層； 最后一個(gè)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(lèi) 有導(dǎo)師學(xué)習(xí)和無(wú)導(dǎo)師學(xué)習(xí)。4 4、如圖 4-244-24 所示的多層前向傳播神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。假設(shè)對(duì)于期望的輸入x1,x2 1 3, ,yd1,yd2 0.9 0.3。網(wǎng)絡(luò)權(quán)系數(shù)的初始值見(jiàn)圖。試用 BPBP 算法訓(xùn)練此網(wǎng)1絡(luò)。并詳細(xì)寫(xiě)出第一次迭代學(xué)習(xí)的計(jì)算結(jié)果。這里，取神經(jīng)元激勵(lì)函數(shù)f（x）二-。學(xué)1 ex習(xí)步長(zhǎng)為1。最大迭代次數(shù)為 iterafeiterafe maxmax。誤差為 e e。（四舍五入，精確到小數(shù)后1 1 位）神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖o.X1X21y2解輸入最大

6、容許逼近誤差值iterate 0。(1)置各權(quán)值或閾值的初始值：Wji(O),j(0)為小的隨機(jī)數(shù)值;回顧：?jiǎn)我蝗斯ど窠?jīng)元有線性和非線性(1 1) 單一人工神經(jīng)元線性 單一人工神經(jīng)元示意圖(線性)最簡(jiǎn)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(xiàng) NetNet 由輸入信號(hào) X Xj(j=1,2,(j=1,2, ,n)n)的線性組合構(gòu)成，即nNet0WjXjj 10為閥值；Wj是決定第 j j 個(gè)輸入的突觸權(quán)系數(shù)。神經(jīng)元的平衡態(tài)輸出 y y 為ny (0WjXj)j 1式中(x)表示神經(jīng)元的激勵(lì)函數(shù)前面假設(shè)輸入項(xiàng) NetNet 是輸入信號(hào) X Xi的線性函數(shù)。一般情況下，NetNet 是輸入信號(hào)數(shù)

7、。r ” I . 111 1 1 1因此本題的權(quán)值W1,W|2,W0,W21,W22,W20 x.X2xn單一人工神經(jīng)元的示意圖0W1W和最大迭代學(xué)習(xí)次數(shù)iterateiterate maxmax。置初始迭代學(xué)習(xí)次數(shù)X Xi的非線性函(2)提供訓(xùn)練樣本：輸入矢量：Xk,k 1,2,.,P；期望輸出：dk,k 1,2,輸入樣本進(jìn)行下面 iterateiterate maxmax 的迭代；xz 1 3(3)計(jì)算網(wǎng)絡(luò)的實(shí)際輸出及隱層單元的狀態(tài)：Okjfj(WjjOkij)i因?yàn)閄1,X2T1 3Tnet；1W11X11W12X21Wo1g1(2)gX22net；1W21XI1W22X21W202gX

8、1(0)g21g( 1) 1110.1192O11net11e1 e211n n -70-70 d d d dO21nege1 e10.73110.7311.,P;對(duì)每個(gè)圖 4-15 例 4-1 的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖net；2W11q2W12O22Wo1g)1(0)gO22 12.1192net；221q22222W201g)1(2)p3 1-4.34300.89281（4 4）計(jì)算訓(xùn)練誤差:kjOkj(1Okj)(tkjOkj)（輸出層）kjOkj(1Okj)kmwmjm（隱含層）1 1 ）輸出層21(yd1 2yj f (net1)(yd1%)力(1%)6.8910e-00422(yd2 2y

9、2)f (net2)(yd2y2)y2(1y2)0.00362 2) 隱含層112 k2Wk1O1(1 O1)(2 21W112W21)O1(1O1)k(6.8910e-004 1 (0.0036) 1) 0.1192 (1 0.1192)4.5032e-0042kWk2O2(1。2)(1W122W22) 02(1 02)k(6.8910e-004 0 (0.0036) ( 2) 0.7311 (1 0.7311)-0.0014(5)修正權(quán)值和閾值：Wji(t 1) Wji(t)jOkiWji(t) Wji(t 1)j(t 1)j(t)jj(t)j(t 1)Vw1111X14.5032e-00

10、4 1 4.5032e-004Vw；211x24.5032e-004 30.00141Vw10114.5032e-004Vw：12X1(-0.0014) 1-0.0014Vw；212X2(-0.0014) 30.0042Vw；012-0.00142Vw1121。16.8910e-004 0.11928.2141e-005y20.01282 2Vw121o26.8910e-004 0.7311 5.0380e-0042 2Vwi016.8910e-004Vw：22010.0036 0.11924.2912e-004Vw；222。20.00360.73110.0026Vwf0220.0036Wji(iterate 1) wji(iter