智能控制復(fù)習(xí)題

1、智能控制復(fù)習(xí)第一章選擇題1 .智能控制的概念首次由著名學(xué)者（D ）提出A 蔡自興 B J.S.Albus C J.M.Mendel D 傅京孫2 .經(jīng)常作為智能控制典型研究對(duì)象的是（D ）A智能決策系統(tǒng)B智能故障診斷系統(tǒng)C智能制造系統(tǒng)D智能機(jī)器人3 .解決自動(dòng)控制面臨問題的一條有效途徑就是，把人工智能等技術(shù)用入自動(dòng)控 制系統(tǒng)中，其核心是（B ）A控制算法B控制器智能化C控制結(jié)構(gòu)D控制系統(tǒng)仿真4 .智能自動(dòng)化開發(fā)與應(yīng)用應(yīng)當(dāng)面向（C ）A生產(chǎn)系統(tǒng)B管理系統(tǒng)C復(fù)雜系統(tǒng)D線性系統(tǒng)5 .不餌于智能控制是（D ）A神經(jīng)網(wǎng)絡(luò)控制B專家控制C模糊控制D確定性反饋控制6 .以下不屬于智能控制主要特點(diǎn)的是（D ）

2、A具有自適應(yīng)能力B具有自組織能力C具有分層遞階組織結(jié)構(gòu)D具有反饋結(jié)構(gòu)7 .以下不屬于智能控制的是（D ）A神經(jīng)網(wǎng)絡(luò)控制B專家控制C模糊控制D 自校正調(diào)節(jié)器第二章選擇題1 .地質(zhì)探礦專家系統(tǒng)常使用的知識(shí)表示方法為（D ）A語義網(wǎng)絡(luò)B框架表示C劇本表示D產(chǎn)生式規(guī)則2 .自然語言問答專家系統(tǒng)使用的知識(shí)表示方法為（B ）A框架表示B語義網(wǎng)絡(luò)C劇本表示D產(chǎn)生式規(guī)則3.4.5.專家系統(tǒng)中的自動(dòng)推理是基于（A 直覺C知識(shí)適合專家控制系統(tǒng)的是A雷達(dá)故障診斷系統(tǒng)C 聾啞人語言訓(xùn)練系統(tǒng)直接式專家控制 通常由（B ）的推理。邏輯預(yù)測(cè)（D ）B軍事沖突預(yù)測(cè)系統(tǒng)D機(jī)車低恒速運(yùn)行系統(tǒng)組成6.7.8.9.A BCD控制規(guī)則

3、集、知識(shí)庫(kù)、推理機(jī)和傳感器信息獲取與處理、知識(shí)庫(kù)、控制規(guī)則集和推理機(jī)信息獲取與處理、知識(shí)庫(kù)、推理機(jī)和傳感器信息獲取與處理、控制規(guī)則集、推理機(jī)和傳感器專家控制可以稱作基于（DA 直覺C預(yù)測(cè)直接式專家控制通常由（C ）信息獲取與處理、知識(shí)庫(kù)、）的控制。B邏輯D知識(shí)組成推理機(jī)構(gòu)和傳感器信息獲取與處理、知識(shí)庫(kù)、控制規(guī)則集和傳感器信息獲取與處理、知識(shí)庫(kù)、推理機(jī)構(gòu)和控制規(guī)則集D 信息獲取與處理、控制規(guī)則集、推理機(jī)構(gòu)和傳感器專家系統(tǒng)的核心部分是A人機(jī)接口、過程接口、推理機(jī)構(gòu)B 知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、C人機(jī)接口、知識(shí)獲取結(jié)構(gòu)、推理機(jī)構(gòu) D知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、 以下不屬于專家系統(tǒng)知識(shí)表示法的是（B ）推理機(jī)構(gòu)人機(jī)接口AC

4、 10.AC 11 .AC彩色Petri網(wǎng)絡(luò) B語義知識(shí)表示樣本分類D產(chǎn)生式規(guī)則產(chǎn)生式系統(tǒng)的推理方式不包括正向推理簡(jiǎn)單推理B 反向推理D雙向推理肺病診斷專家系統(tǒng)使用的知識(shí)表示方法為語義網(wǎng)絡(luò) 劇本表小B產(chǎn)生式規(guī)則D框架表小12 .以下不屬于專家系統(tǒng)組成部分的是A 專家C 知識(shí)庫(kù)13 .黑板專家控制系統(tǒng)的組成有A黑板、數(shù)據(jù)庫(kù)、調(diào)度器 IC黑板、知識(shí)源、調(diào)度器14.建立專家系統(tǒng)，最艱難（“瓶頸”）數(shù)據(jù)庫(kù)D解釋部分?jǐn)?shù)據(jù)庫(kù)、知識(shí)源、調(diào)度器黑板、規(guī)則庫(kù)、調(diào)度器的任務(wù)是A知識(shí)表示 B知識(shí)獲取C知識(shí)應(yīng)用D知識(shí)推理15.在專家系統(tǒng)中,(D )是專家系統(tǒng)與用戶間的人-機(jī)接口A知識(shí)庫(kù)BC推理機(jī)D16 .產(chǎn)生式系統(tǒng)包

5、含的基本組成A知識(shí)庫(kù)、規(guī)則庫(kù)和數(shù)據(jù)庫(kù)C知識(shí)庫(kù)、規(guī)則庫(kù)和模型庫(kù)數(shù)據(jù)庫(kù)解釋機(jī)構(gòu)(A )B規(guī)則庫(kù)、模型庫(kù)和控制器D規(guī)則庫(kù)、數(shù)據(jù)庫(kù)和控制器n? u ' mu (uj上,該解模糊?甲(Ui)i= 1(D )第三章模糊控制1 .某模糊控制器輸出信息的解模糊判決公式為Uo方法為A 最大隸屬度法C隸屬度限幅元素平均法B取中位數(shù)法D重心法2 .在溫度模糊控制系統(tǒng)中，二維模糊控制器的輸入是(A )A溫度的誤差e和溫度誤差變化量deB控制加熱裝置的電壓的誤差 e和電壓誤差變化量deC控制加熱裝置的電壓的誤差e和溫度誤差變化量deD控制加熱裝置的電壓的誤差e和溫度誤差變化量de3 .下列概念中不能用普通集合表

6、示的是(D )A控制系統(tǒng)B低于給定溫度C工程師D 壓力不足4 .以下應(yīng)采用模糊集合描述的是(B )A 高三男生B年輕社會(huì)C教師5 .總結(jié)手動(dòng)控制策略，得出一組由模糊條件語句構(gòu)成的控制規(guī)則，據(jù)此可建立 (D )A輸入變量賦值表B輸出變量賦值表C模糊控制器查詢表D模糊控制規(guī)則表6 .某模糊控制器的語言變量選為實(shí)際溫度與給定溫度之差即誤差e、誤差變化率Ae；以及加熱裝置中可控硅導(dǎo)通角的變化量 u,故該模糊控制器為(A )A 雙輸入一單輸出B 單輸出一單輸入7.C 雙輸入一雙輸出D 單輸出一雙輸入 在論域U中，模糊集合A的支集只包含一個(gè)點(diǎn)u,且mvu)=1,則A稱A a截集B模糊單點(diǎn)C 核D支集8 .

7、在模糊控制中，隸屬度（C ）A不能是1或0B根據(jù)對(duì)象的數(shù)學(xué)模型確定C反映元素屬于某模糊集合的程度D只能取連續(xù)值9 .模糊集合中，n（u）=0.5對(duì)應(yīng)的元素u稱為（A ）A交叉點(diǎn)B模糊單點(diǎn)C核D支集10 .在模糊控制器的推理輸出結(jié)果中，取其隸屬度最大的元素作為精確值，去 執(zhí)行控制的方法稱為（B ）A重心法B最大隸屬度法C系數(shù)加權(quán)平均法D 中位數(shù)法11 .若模糊集合A表示模糊概念“老”，其隸屬度函數(shù)為mA ,則模糊概念“略微老”相當(dāng)于a ,其中為，（C ）A2B 4C 1/2D 1/412 .若對(duì)誤差、誤差變化率論域X、Y中元素的全部組合計(jì)算出相應(yīng)的控制量變化Uj ,可寫成矩陣（叫 ）n,m ,

8、一般將此矩陣制成（C ）A輸入變量賦值表B輸出變量賦值表C模糊控制器查詢表D模糊控制規(guī)則表13 .在溫度模糊控制系統(tǒng)中，二維模糊控制器的輸出是（C ）A溫度的誤差eB溫度誤差變化量deC控制加熱裝置的電壓UD控制加熱裝置的電壓的誤差e和溫度誤差變化量de14 .以下的集合運(yùn)算性質(zhì)中，模糊集合不滿足的運(yùn)算性質(zhì)（D）A交換律B結(jié)合律C分配律D互補(bǔ)律15 .以下屬于模糊集合表示方法的是（B）A重心法B 扎德法C系數(shù)加權(quán)平均法D 中位數(shù)法16 .在選定模糊控制器的語言變量及各個(gè)變量所取的語言值后，可分別為各語言變量建立各自的（C ）A控制規(guī)則表B控制變量賦值表C語百變量賦值表17 .模糊控制方法是基于

9、A 模型控制C 學(xué)習(xí)的控制18 .以下應(yīng)采用模糊集合描述的是A學(xué)生BC 老師D19 .若模糊集合A表示模糊概念“老”相當(dāng)于A ,其中為，A 2C 1/2D論域量化表（D ）B遞推的控制D專家知識(shí)和經(jīng)驗(yàn)的控制（B ）大蘋果演員其隸屬度函數(shù)為以，則模糊概念“極老”（D ）B 4D 1/420 .某液位模糊控制系統(tǒng)的語言變量選為實(shí)際溫度與給定溫度之差即誤差e以及加熱裝置中可控硅導(dǎo)通角的變化量u,但不考慮溫度誤差變化率 e,該模糊控制器應(yīng)為（B ）A 雙輸入一單輸出B 單輸入一單輸出C 雙輸入一雙輸出D 單輸入一雙輸出21 .模糊隸屬度函數(shù)曲線的形狀可以為（C ）A橢圓形B 平行四邊形C梯形D圓形22

10、 .在選定模糊控制器的語言變量及各個(gè)變量所取的語言值后，可分別為各語言變量建立各自的（C ）A控制規(guī)則表B 控制查詢表C語言變量賦值表D基本論域量化表23 .某模糊控制器的語言變量選為實(shí)際水位與給定水位之差即誤差e,以及調(diào)節(jié)閥門開度的變化量u,故該模糊控制器為（B ）.A.單輸出一雙輸入 B .單輸入一單輸出C.雙輸入一雙輸出D.雙輸入一單輸出24 .某一隸屬度函數(shù)曲線的形狀可以選為（C ）A橢圓形B 圓形C三角形D 正方形25 . 模糊控制器的術(shù)語“正中”，可用符合（D ）表示A PBB NMC ZED PM26 . 以下關(guān)于模糊關(guān)系的正確說法是（B ）A模糊關(guān)系是普通關(guān)系的一個(gè)特例 B模糊

11、關(guān)系描述元素之間的關(guān)聯(lián)程度 C模糊關(guān)系中的元素都是整數(shù) D模糊關(guān)系矩陣一定是方陣27 .模糊控制以模糊集合為基礎(chǔ)，最早提出模糊集合的學(xué)者是（A ）A L.A.ZadehB MamdaniC TakagiD Sugeno28 .在模糊控制器的推理輸出結(jié)果中，取其隸屬度函數(shù)曲線與橫坐標(biāo)圍成面積 的重心作為輸出值，去執(zhí)行控制的方法稱為（A ）A重心法B最大隸屬度法C系數(shù)加權(quán)平均法D 中位數(shù)法29 .下列概念中不能用普通集合表示的是（D ） A控制系統(tǒng)B壓力不足C機(jī)電工程師D低于給定溫度30 .在模糊控制中，隸屬度（C ）A不能是1或0B是根據(jù)對(duì)象的數(shù)學(xué)模型確定的C反映元素屬于某模糊集合的程度D只能取

12、連續(xù)值31 .最適合作為語言變量的值是（A ）A速度B天氣C特別D表演32 .若模糊集合A表示模糊概念“老”，其隸屬度函數(shù)為mA ,則模糊概念“非常老”相當(dāng)于a ,其中 為，（C ）A2B 4C 1/2D 1/4第4章神經(jīng)網(wǎng)絡(luò)1 . BP網(wǎng)絡(luò)使用的學(xué)習(xí)規(guī)則是（B）A相關(guān)規(guī)則B糾錯(cuò)規(guī)則C競(jìng)爭(zhēng)規(guī)則D模擬退火算法2 . BP神經(jīng)網(wǎng)絡(luò)所不具備的功能是（C）A自適應(yīng)功能B泛化功能C優(yōu)化功能D 非線性映射功能3 .由于各神經(jīng)元之間的突觸連接強(qiáng)度和極性有所不同并可進(jìn)行調(diào)整，因此人腦才具有（A ）的功能。A學(xué)習(xí)和存儲(chǔ)信息B 輸入輸出C聯(lián)想D 信息整合4 .采用單層拓?fù)浣Y(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)是（A ）A Hopfiel

13、d 網(wǎng)絡(luò)B生物神經(jīng)網(wǎng)絡(luò)C BP網(wǎng)絡(luò)D小腦模型網(wǎng)絡(luò)5 .單層神經(jīng)網(wǎng)絡(luò)，有兩個(gè)輸入，兩個(gè)輸出，它們之間的連接權(quán)有（B ）A 6個(gè)B 4個(gè)C 2個(gè)D 8個(gè)7.8.9.1011121314151617186.神經(jīng)網(wǎng)絡(luò)直接逆控制是一種（B ）控制。A 反饋B 前饋C 小級(jí)D混合誤差反向傳播算法屬于（B ）學(xué)習(xí)規(guī)則A 無導(dǎo)師B有導(dǎo)師C 死記憶D混合以下不屬于人工神經(jīng)網(wǎng)絡(luò)主要特點(diǎn)的是（B ） A 便于用超大規(guī)模集成電路或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)B 網(wǎng)絡(luò)中含有神經(jīng)元C信息分布在神經(jīng)元的連接上D可以逼近任意非線性系統(tǒng)最適宜用于聯(lián)想記憶的神經(jīng)網(wǎng)絡(luò)（D ）A BP神經(jīng)網(wǎng)絡(luò)B感知器網(wǎng)絡(luò)C自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)D Hopfie

14、ld 網(wǎng)絡(luò).PID神經(jīng)網(wǎng)絡(luò)控制中，控制器使用了（ C）A CMAC#經(jīng)網(wǎng)絡(luò)B Hopfield 網(wǎng)絡(luò)C PID神經(jīng)網(wǎng)絡(luò)D感知器網(wǎng)絡(luò).下面哪個(gè)方程最好描述了 Hebb學(xué)習(xí)規(guī)則（A）A兩個(gè)神經(jīng)元同時(shí)興奮或同時(shí)抑制時(shí)，它們之間連接權(quán)的強(qiáng)度增強(qiáng)B兩個(gè)神經(jīng)元同時(shí)興奮或同時(shí)抑制時(shí)，它們之間連接權(quán)的強(qiáng)度減弱C兩個(gè)神經(jīng)元，一個(gè)興奮，另一個(gè)抑制，它們之間連接權(quán)的強(qiáng)度增強(qiáng)D兩個(gè)神經(jīng)元，一個(gè)興奮，另一個(gè)抑制，它們之間連接權(quán)的強(qiáng)度不變.在神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂平Y(jié)構(gòu)中，神經(jīng)網(wǎng)絡(luò)辨識(shí)器用來獲得（A ）A 被控對(duì)象的正模型B被控劉象的逆模型C線性濾波器D控制器單層神經(jīng)網(wǎng)絡(luò)，有三個(gè)輸入，三個(gè)輸出，它們之間的連接權(quán)有（B ）A 6個(gè)

15、B 9個(gè)C 16個(gè)D 25個(gè).多層前向神經(jīng)網(wǎng)絡(luò)與單層感知器相比較，下面（ C ）不是多層網(wǎng)絡(luò)所 特有的特點(diǎn)A采用誤差反向傳播算法C神經(jīng)元的數(shù)目可達(dá)到很多B 含有一層或多層的隱層神經(jīng)元D 隱層激活函數(shù)采用可微非線性函數(shù).單層感知器網(wǎng)絡(luò)可以A解決異或問題C進(jìn)行優(yōu)化計(jì)算B實(shí)現(xiàn)樣本分類D實(shí)現(xiàn)函數(shù)逼近A Hopfield 網(wǎng)絡(luò)C BP神經(jīng)網(wǎng)絡(luò)B CMA神經(jīng)網(wǎng)絡(luò)D 自適應(yīng)線性神經(jīng)網(wǎng)絡(luò).連續(xù)型Hopfield網(wǎng)絡(luò)A是前饋神經(jīng)網(wǎng)絡(luò)C具有函數(shù)逼近問題.離散Hopfield網(wǎng)絡(luò)（B ）B是單層反饋型非線性神經(jīng)網(wǎng)絡(luò)D是多層反饋型非線性神經(jīng)網(wǎng)絡(luò)（C ）.能夠用于無導(dǎo)師學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型是A是多層反饋網(wǎng)絡(luò)BC具有聯(lián)想記

16、憶功能D19 .神經(jīng)網(wǎng)絡(luò)PID控制是一種A前饋控制B反饋控制C開環(huán)控制D混合控制20 .單層感知器網(wǎng)絡(luò)可以A解決異或問題BC進(jìn)行優(yōu)化計(jì)算21 .連續(xù)型 Hopfield是多層反饋網(wǎng)絡(luò)具有函數(shù)逼近功能（B ）（D ）A ）實(shí)現(xiàn)函數(shù)逼近D實(shí)現(xiàn)樣本分類網(wǎng)絡(luò)的神經(jīng)元轉(zhuǎn)移函數(shù)采用（A.對(duì)稱型Sigmoid函數(shù)B.對(duì)稱型階躍函數(shù)C.分段線性轉(zhuǎn)移函數(shù)D,閾值型轉(zhuǎn)移函數(shù)22 .在間接神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制中，（B ）A需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器B需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器C需要兩個(gè)神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器D需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器及兩個(gè)個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器23 .生物神經(jīng)元的突觸連接相當(dāng)于

17、神經(jīng)元之間的（D ）A輸入連接B 輸出連接C絕緣D 輸入輸出接口24 .在間接神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制結(jié)構(gòu)中，神經(jīng)網(wǎng)絡(luò)辨識(shí)器用來獲得（A ）A 被控對(duì)象的正模型B被控劉象的逆模型C線性濾波器D控制器25 .生物神經(jīng)元的組成包括細(xì)胞體、軸突、樹突和（C ）A軸突末梢B細(xì)胞核C突觸D細(xì)胞膜26 .以下不屬于人工神經(jīng)網(wǎng)絡(luò)主要特點(diǎn)的是（B ）A信息并行處理B網(wǎng)絡(luò)中含有神經(jīng)元C 信息分布在神經(jīng)元的連接上D可以逼近任意非線性系統(tǒng)27 . 一般認(rèn)為，人工神經(jīng)網(wǎng)絡(luò)最適用于（B ）A線性系統(tǒng)B非線性系統(tǒng)C多輸入多輸出系統(tǒng)D多變量系統(tǒng)28 .在直接神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制中，（A ）A需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器B

18、需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器C需要兩個(gè)神經(jīng)網(wǎng)絡(luò)控制器及一個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器D需要一個(gè)神經(jīng)網(wǎng)絡(luò)控制器及兩個(gè)個(gè)神經(jīng)網(wǎng)絡(luò)辨識(shí)器29 .離散型Hopfield網(wǎng)絡(luò)的神經(jīng)元轉(zhuǎn)移函數(shù)采用（D ）A.對(duì)稱型Sigmoid函數(shù)B.對(duì)稱型階躍函數(shù)303132331.2.3.4.5.6.7.C.分段線性轉(zhuǎn)移函數(shù)D.閾值型轉(zhuǎn)移函數(shù).采用單層拓?fù)浞答伣Y(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)是A Hopfield 網(wǎng)絡(luò)C PID神經(jīng)網(wǎng)絡(luò)基于多層前向神經(jīng)網(wǎng)絡(luò)的 環(huán)節(jié)。B BP網(wǎng)絡(luò)D小腦模型神經(jīng)網(wǎng)絡(luò) PID控制系統(tǒng)結(jié)構(gòu)有（DB 四個(gè)D 兩個(gè)（A ）內(nèi)含神經(jīng)網(wǎng)絡(luò)的.最早提出人工神經(jīng)網(wǎng)絡(luò)模型的學(xué)者是（B ）A HebbB McCulloch

19、 和 PittsC Rosenblatt D Hopfield.神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂凭哂校– ）A直接逆控制的優(yōu)點(diǎn)和缺點(diǎn)B 直接逆控制的優(yōu)點(diǎn)C直接逆控制的優(yōu)點(diǎn)，但無直接逆控制的缺點(diǎn)D直接逆控制的缺點(diǎn)最早提出遺傳算法概念的學(xué)者是A J.H.HollandC J.R.Koza遺傳算法的基本操作順序是遺傳算法(A )B J.D.BagleyD L.Davis(C )A計(jì)算適配度、交叉、變異、選擇 B計(jì)算適配度、交叉、選擇、變異C計(jì)算適配度、選擇、交叉、變異 D計(jì)算適配度、選擇、交叉、變異能夠往種群中引入新的遺傳信息是以下哪種遺傳算法的操作（D ）A交叉B復(fù)制C優(yōu)選D變異哪一種說法是對(duì)遺傳算法中復(fù)制操作的

20、描述（A ）A個(gè)體用按照它們的適配值進(jìn)行復(fù)制B隨機(jī)改變個(gè)體用的適配度函數(shù)值C隨機(jī)改變一些用中的一小部分D為權(quán)值隨機(jī)產(chǎn)生小的初始值遺傳算法中，關(guān)于變異操作的最好敘述是（A ）A隨機(jī)改變一些“用”中的一小部分B 隨機(jī)挑選新“申”組成下一代C為權(quán)隨機(jī)產(chǎn)生新的初始值D從兩個(gè)“用”中隨機(jī)組合遺傳信息哪種遺傳算法的操作，能夠從種群中淘汰適應(yīng)度值小的個(gè)體（ C ）A交叉B 優(yōu)選C復(fù)制D變異遺傳算法將問題的求解表示成“染色體”，“染色體”實(shí)際上是（D ）A基因B適應(yīng)度函數(shù)C種群D用編碼表示的字符串8 .哪種遺傳算法的操作，可以從父代雙親中繼承部分遺傳信息，傳給子代（A ）A交叉B變異C復(fù)制D共享9 .下面哪種

21、類型的學(xué)習(xí)能夠用于移動(dòng)機(jī)器人的路徑規(guī)劃（D ）A多層前向神經(jīng)網(wǎng)絡(luò)B PID神經(jīng)網(wǎng)絡(luò)C自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)D 遺傳算法10 .輪盤賭技術(shù)可用于（B ）A選擇最好的“染色體”B隨機(jī)選擇“染色體”C交叉所選擇的“染色體”D變異“染色體”的適應(yīng)度11 .遺傳算法將問題的求解表示成“染色體”，“染色體”實(shí)際上是 （C ）A種群B 存在于細(xì)胞核中能被堿性染料染色的物質(zhì)C用編碼表示的字符串D 各種數(shù)值12 .在遺傳算法中，復(fù)制操作可以通過（ B ）的方法來實(shí)現(xiàn)A解析B 隨機(jī)C交叉匹配D 變異判斷題第一章緒論1 .與傳統(tǒng)控制相比較，智能控制方法可以較好地解決非線性系統(tǒng)的控制問 題。（，）2 .智能控制系統(tǒng)采用分

22、層遞階的組織結(jié)構(gòu)，其協(xié)調(diào)程度越高，所體現(xiàn)的智能也越高。（，）3 .分層遞階智能控制按照自下而上精確程度漸減、智能程度漸增的原則進(jìn)行功能分配。（，）4 .智能系統(tǒng)是指具備一定智能行為的系統(tǒng)。（，）5 .智能控制的不確定性的模型包括兩類，一類是模型未知或知之甚少；另一類是模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。（， ）第二章專家系統(tǒng)1 .在專家系統(tǒng)中，數(shù)據(jù)庫(kù)是領(lǐng)域知識(shí)的存儲(chǔ)器，是系統(tǒng)的核心部分之一。（V ）2 .在設(shè)計(jì)專家系統(tǒng)時(shí)，知識(shí)工程師的任務(wù)是提供解決問題的知識(shí)和經(jīng)驗(yàn)。（x ）3 .數(shù)據(jù)庫(kù)和推理機(jī)是專家系統(tǒng)的核心部分。（應(yīng)為知識(shí)庫(kù)）(X )4 .按照?qǐng)?zhí)行任務(wù)分類，專家系統(tǒng)有解釋型、預(yù)測(cè)型、診斷型

23、、調(diào)試型、維修型等多種類型。（，）5 .專家系統(tǒng)實(shí)質(zhì)上是一種數(shù)學(xué)計(jì)算系統(tǒng)。（X）6 .在設(shè)計(jì)專家系統(tǒng)時(shí)，知識(shí)工程師的任務(wù)是模仿人類專家，運(yùn)用他們解決問題的知識(shí)和經(jīng)驗(yàn)。（， ）第三章模糊控制1 .模糊控制只是在一定程度上模仿人的模糊決策和推理，用它解決較復(fù)雜問題時(shí)，還需要建立數(shù)學(xué)模型。（X ）2 .在模糊控制中，為把輸入的確定量模糊化，需要建立模糊控制規(guī)則表。（應(yīng)該是確定模糊集合）（X ）3 .在模糊集合的向量表示法中，隸屬度為 0的項(xiàng)必須用0代替而不能舍棄。（V ）4 .從模糊控制查詢表中得到控制量的相應(yīng)元素后，乘以比例因子即為控制 量的變化值。（V ）5 .與傳統(tǒng)控制相比，智能模糊控制所建立

24、的數(shù)學(xué)模型因具有靈活性和應(yīng)變性，因而能勝任處理復(fù)雜任務(wù)及不確定性問題的要求。（x ）6 .在模糊語言變量中，語義規(guī)則用于給出模糊集合的隸屬函數(shù)。（V ）7 .模糊控制對(duì)被控對(duì)象參數(shù)的變化不敏感，可用它解決非線性、時(shí)變、時(shí)滯系統(tǒng)的控制。（，）8 .普通關(guān)系是模糊關(guān)系的推廣，它描述元素之間的關(guān)聯(lián)程度。（X ）9 .模糊控制就是不精確的控制。（X ）10 .在模糊控制中，為把輸入的確定量模糊化，需要建立語言變量賦值表。（V ）11 .模糊控制規(guī)則是將人工經(jīng)驗(yàn)或操作策略總結(jié)而成的一組模糊條件語句（V ）12 .通常，模糊控制器的輸入、輸出語言變量分別取為控制系統(tǒng)的誤差和 誤差變化率。（x ）13 .模

25、糊控制器的輸入語言變量一般可取控制系統(tǒng)的誤差及其變化率。（V ）14 .模糊控制只是在一定程度上模仿人的模糊決策和推理，用它解決較復(fù) 雜問題時(shí)，還需要建立數(shù)學(xué)模型。（x ）15 .T-S模糊控制系統(tǒng)采用系統(tǒng)狀態(tài)變化量或輸入變量的函數(shù)作為IF-THEN模糊規(guī)則的后件，不可以描述被控對(duì)象的動(dòng)態(tài)模型。（X ）16 . Mamdan型模糊控制器，通過模糊推理得到的結(jié)果是精確量。（X ）17 .在模糊控制中，隸屬度是根據(jù)對(duì)象的數(shù)學(xué)模型來確定的。（X ）18 .模糊控制中，語言變量的值可用“負(fù)大、負(fù)小、零”等表示。（，）19 .模糊控制在一定程度上模仿人的模糊決策和推理，用它解決較復(fù)雜問題時(shí)，不需要建立數(shù)

26、學(xué)模型。（V ）第四章神經(jīng)網(wǎng)絡(luò)1 .可以充分逼近任意復(fù)雜的非線性函數(shù)關(guān)系是神經(jīng)網(wǎng)絡(luò)的特點(diǎn)之一。（，）2 . 一般情況下，神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型的并聯(lián)結(jié)構(gòu)可以保證系統(tǒng)辨識(shí)收斂。（X ）3 .反饋型神經(jīng)網(wǎng)絡(luò)中，每個(gè)神經(jīng)元都能接收所有神經(jīng)元輸出的反饋信息。（V ）4 .運(yùn)算效率高，收斂速度快是 BP神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)之一。（X ）5 .神經(jīng)元的各種不同數(shù)學(xué)模型的主要區(qū)別在于采用了不同的轉(zhuǎn)移函數(shù)，從而使神經(jīng)元具有不同的信息處理特性。（，）6 .離散Hopfield網(wǎng)絡(luò)的兩種工作方式是同步和異步工作方式。（ V ）7 .神經(jīng)網(wǎng)絡(luò)已在多種控制結(jié)構(gòu)中得到應(yīng)用，如 PID控制、內(nèi)?？刂?、直接逆控制等。（，）8 .

27、一般情況下，神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型的用-并聯(lián)型結(jié)構(gòu)不利于保證系統(tǒng)辨識(shí)模型的穩(wěn)定性。（X ）9 . BP神經(jīng)網(wǎng)絡(luò)是一種多層全互連型結(jié)構(gòu)的網(wǎng)絡(luò) 。（X ）10 .離散型單層感知器的轉(zhuǎn)移函數(shù)一般采用閾值（符號(hào)）函數(shù)。（，）11 . Hop巾eld網(wǎng)絡(luò)的吸引子是指網(wǎng)絡(luò)的穩(wěn)定狀態(tài)。（，）12 .兩關(guān)節(jié)機(jī)械手的控制可應(yīng)用小腦神經(jīng)網(wǎng)絡(luò)直接逆模型控制。（，）13 .神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)正模型辨識(shí)的結(jié)構(gòu)只有串聯(lián)結(jié)構(gòu)一種。（X ）14 .連續(xù)型Hopfield網(wǎng)絡(luò)是多層前饋型神經(jīng)網(wǎng)絡(luò)，每一節(jié)點(diǎn)的輸出均反饋至節(jié)點(diǎn)的輸入。（X ）第五章遺傳算法1 .遺傳算法的復(fù)制操作可以通過隨機(jī)方法來實(shí)現(xiàn)，可使用計(jì)算機(jī)，也可使用輪盤賭的轉(zhuǎn)盤。

28、（，）2 .在遺傳算法中，初始種群的生成不能用隨機(jī)的方法產(chǎn)生。（X ）3 .遺傳算法的復(fù)制操作有嚴(yán)格的程序，不能通過隨機(jī)方法來實(shí)現(xiàn)。（X ）4 .遺傳算法具有進(jìn)化計(jì)算的所有特征，其主要用途是數(shù)值計(jì)算。（X ）5 .遺傳算法中，適配度大的個(gè)體有更多機(jī)會(huì)被復(fù)制到下一代。（， ）6 .在遺傳算法中，初始種群的生成不能用隨機(jī)的方法產(chǎn)生。（X ）名詞解釋第一章1 .智能控制有知識(shí)的“行為舵手”，它把知識(shí)和反饋結(jié)合起來，形成感知-交互集、以目標(biāo)為導(dǎo)向的控制系統(tǒng)。第二章2 .專家系統(tǒng)一種包含知識(shí)和推理的人工智能的計(jì)算機(jī)程序系統(tǒng)，這些程序軟件具有相當(dāng)于某個(gè)專 門領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)水平，同時(shí)具有處理該領(lǐng)域問題

29、的能力3 .語義網(wǎng)絡(luò)通過概念及相互間語義關(guān)系，圖解表示知識(shí)網(wǎng)絡(luò)。4 .專家控制系統(tǒng)應(yīng)用專家系統(tǒng)的概念、原理和技術(shù)，模擬人類專家的控制知識(shí)和經(jīng)驗(yàn)而建造的控制系統(tǒng)。第三章1 .模糊控制模糊控制是把人類專家對(duì)特定的被控對(duì)象或過程的控制策略總結(jié)成一系列的控制規(guī)則，通過模糊推理得到控制作用集，作用于被控對(duì)象或過程。它無需建立系統(tǒng)模型,是解決不確定系統(tǒng)的一種有效途徑。2 .模糊系統(tǒng)一種基于知識(shí)或基于規(guī)則的系統(tǒng)。它的核心就是有IF-THEN規(guī)則形成的知識(shí)庫(kù)。3 .模糊集合論域U上的模糊集A用一個(gè)在區(qū)間0,1上取值的隸屬度函數(shù) mA （u）來表示。4 .隸屬度某元素屬于模糊集合 A的程度稱為隸屬度，用隸屬度函

30、數(shù)ni(x)描述。隸屬度函數(shù)的值是閉區(qū)間0 , 1上的一個(gè)數(shù)，表示元素 x屬于模糊集合 A的程度。5 .模糊關(guān)系X與Y直積 X Y x,y |x X, y Y中一個(gè)模糊子集 R稱為從X到Y(jié)的模 糊關(guān)系。第四章1 .神經(jīng)網(wǎng)絡(luò)神經(jīng)元互連組成的網(wǎng)絡(luò)，從微觀結(jié)構(gòu)和功能上對(duì)人腦抽象、簡(jiǎn)化，是模擬人類智能 的一條重要途徑，反映人腦功能的若干特征，如并行處理、學(xué)習(xí)聯(lián)想、分類等。2 .小腦模型神經(jīng)網(wǎng)絡(luò)由局部調(diào)整、相互覆蓋接收域的神經(jīng)元組成，模擬人的小腦學(xué)習(xí)結(jié)構(gòu)。是一種基于表格查詢式輸入輸出多維非線性映射能力。3 . Hopfield 神經(jīng)網(wǎng)絡(luò)全連接型反饋動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，分為離散型和連續(xù)型兩種，網(wǎng)絡(luò)達(dá)到穩(wěn)定狀態(tài)時(shí)

31、，其能 量函數(shù)達(dá)到最小。第五章1 .變異操作模擬生物在自然遺傳環(huán)境下由于各種偶然因素引起的基因突變，它以很小的概率隨機(jī)改變遺傳基因(表示染色體的符號(hào)串的某一位)的值。2 .適應(yīng)度函數(shù)遺傳算法中某個(gè)個(gè)體對(duì)環(huán)境的適應(yīng)程度，適應(yīng)值函數(shù)可由目標(biāo)函數(shù)變換而成。3 .遺傳算法建立在自然選擇和群體遺傳學(xué)機(jī)理基礎(chǔ)上的隨機(jī)迭代和進(jìn)化，具有廣泛適用性的搜 索方法。簡(jiǎn)答題第一章1.智能控制的主要功能特點(diǎn)是什么。(1)多層遞階的組織結(jié)構(gòu)(2)多模態(tài)控制(3)自學(xué)習(xí)能力(4)自適應(yīng)能力(5)自組織能力2 .智能控制的研究對(duì)象具備哪些特點(diǎn)？不確定性的模型； 高度的非線性； 復(fù)雜的任務(wù)要求。3 .與傳統(tǒng)控制相比，智能控制的

32、主要特點(diǎn)是什么?(1)處理復(fù)雜性、不確定性問題的能力； (2)描述系統(tǒng)的模型更為廣泛；(3)具有學(xué)習(xí)、適應(yīng)、組織的功能；(4)具有分層信息處理和決策機(jī)構(gòu)；(5)控制其與對(duì)象、環(huán)境沒有明顯的分離。4 .智能控制有哪些主要類型？(1) 模糊控制(2) 神經(jīng)網(wǎng)絡(luò)控制(3) 專家控制(4) 分層遞階智能控制第二章1 .專家系統(tǒng)中，知識(shí)表示方法有哪些常用形式?(1)產(chǎn)生式知識(shí)表示(2) 框架表示(3) 語義網(wǎng)絡(luò)表示(4) 劇本表示(5) Petri 網(wǎng)表示2 .用結(jié)構(gòu)圖描述專家系統(tǒng)的基本結(jié)構(gòu)3 .直接式專家控制系統(tǒng)有哪幾部分組成？直接式專家控制系統(tǒng)通常由知識(shí)庫(kù)、控制規(guī)則集、推理機(jī)構(gòu)及信息獲取與處理四個(gè)部

33、 分組成。第三章1 .簡(jiǎn)述模糊控制器中的比例因子計(jì)算方法？設(shè)卜umax, Umax為控制量U的變化范圍，n為0 Umax范圍內(nèi)的區(qū)間個(gè)數(shù)，稱為量化區(qū)間數(shù),則比例因子Ku= Umax/n2 .設(shè)計(jì)一個(gè)模糊控制器必須要解決哪三個(gè)關(guān)鍵問題？1）設(shè)計(jì)模糊控制器要解決的第一個(gè)問題是如何把確定量轉(zhuǎn)換為對(duì)應(yīng)的模糊量；2）根據(jù)操作者的控制經(jīng)驗(yàn)制定模糊控制規(guī)則，并執(zhí)行模糊邏輯推理，以得到一個(gè)輸出模糊集合，這一步稱為模糊控制規(guī)則形成和推理；3）需要為模糊輸出量進(jìn)行 解模糊判決，實(shí)現(xiàn)控制。3 .在模糊控制器的設(shè)計(jì)中，常用的模糊判決方法有哪些?(1) 最大隸屬度法(2) 加權(quán)平均法(3) 重心法(4) 取中位數(shù)法4

34、.模糊控制中，描述語言變量常見的語言值有哪幾種？語言變量常見的語言值是負(fù)大(NB)、負(fù)中(NM、負(fù)小(NS)、負(fù)零(N。、正零(PQ、正小(PS)、正中(PM、正大(PB)。5 .模糊控制系統(tǒng)由哪四個(gè)基本單元組成？(1) 模糊化接口；(2) 知識(shí)庫(kù)(規(guī)則庫(kù)和數(shù)據(jù)庫(kù))；(3) 推理機(jī)；(4) 反模糊化接口 。6 .簡(jiǎn)要回答基本模糊控制器的設(shè)計(jì)步驟？(1) 選擇輸入、輸出語言變量；(2) 建立各語言變量的賦值表；(3) 建立模糊控制規(guī)則表；(4) 建立查詢表。7 .試寫出幾種常見的模糊條件語句。單輸入-單輸出模糊控制器的模糊規(guī)則有兩種形式：(1)若 A則 B型；IFATHEN B(2)若 A則 B

35、型否則 C型；IFATHENBELSEC雙輸入-單輸出模糊控制器的模糊規(guī)則(3)若 A且 B貝U C型。IFAandBTHENC第四章1 .在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法中，有導(dǎo)師學(xué)習(xí)的含義是什么？有導(dǎo)師學(xué)習(xí)也稱為 有監(jiān)督學(xué)習(xí)，這種學(xué)習(xí)模式采用的是 糾錯(cuò)規(guī)則。在學(xué)習(xí)訓(xùn)練過程中需要不斷給網(wǎng)絡(luò)成對(duì)提供一個(gè)輸入模式和一個(gè)期望網(wǎng)絡(luò)正確輸出的模式，稱為“教師信號(hào)”。將神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出同期望輸出進(jìn)行比較，當(dāng)網(wǎng)絡(luò)的輸出與期望輸出不符時(shí)， 根據(jù)差錯(cuò)的方向和大小按一定的規(guī)則調(diào)整權(quán)值，以使下一步網(wǎng)絡(luò)的輸出更接近期望結(jié) 果。2 .常用的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移函數(shù)有哪幾種類型？(1) 對(duì)稱、非對(duì)稱閾值型轉(zhuǎn)移函數(shù)；(2) 對(duì)稱、非對(duì)稱

36、Sigmoid型轉(zhuǎn)移函數(shù)；(3) 分段線性轉(zhuǎn)移函數(shù)。3 .神經(jīng)網(wǎng)絡(luò)有哪些主要的結(jié)構(gòu)特征？(1)并行處理；(2)信息分布式存儲(chǔ)；(3)容錯(cuò)性。4 .在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中，何謂無導(dǎo)師的學(xué)習(xí)？無導(dǎo)師學(xué)習(xí)也稱為 無監(jiān)督學(xué)習(xí)，是一種自組織學(xué)習(xí)。輸入模式進(jìn)入網(wǎng)絡(luò)后，網(wǎng)絡(luò)按照一種預(yù)先設(shè)定的規(guī)則 ，如競(jìng)爭(zhēng)規(guī)則，反復(fù)調(diào)整網(wǎng)絡(luò)權(quán)值以響應(yīng)輸入模式的激勵(lì)，直到網(wǎng)絡(luò)最后形成某種有序狀態(tài) 。5 .簡(jiǎn)述BP神經(jīng)網(wǎng)絡(luò)的基本思想。學(xué)習(xí)過程由信號(hào)的正向傳播和反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸人樣本由輸入層進(jìn)入，經(jīng)隱層處理后傳向輸出層。若實(shí)際輸出與教師信號(hào)不符，則轉(zhuǎn)入誤差的反向傳播階段。反向傳播時(shí)，輸出誤差將通過隱層向輸人層逐層

37、反傳，并把誤差分?jǐn)偠玫礁鲗訂卧恼`差信號(hào)，作為修正各單元權(quán)值的依據(jù) 。權(quán)值的調(diào)整過程即網(wǎng)絡(luò)的學(xué)習(xí)過程，直到網(wǎng)絡(luò)輸出精度滿足要求為止。1.給出遺傳算法的一般算法流程圖綜合計(jì)算題第3章模糊控制1.設(shè)論域U =Xi X2 X3 X4 X5,兩個(gè)模糊集合為a 0.5A = +Xi0.30.40.2+ + ,X2X3X4c 0.20.6B = 一 + 一XiX41+ 一X5試求：A U B、AI B、B。A-0.50.30.40.61AUB一一一XX2X3X4X5AI B0.2 0.2X1X40.80.4XiX4(1) A與B的復(fù)合Ti0.7 +0.3叁0.424=,試求0.9與(2) B與A的復(fù)合T

38、2R.8 仝0.2)(0.7彳10.6)(0.80.4)遒(0.70.9)立2.5 仝0.2)(0.3彳10.6)(0.50.4)遒(0.30.9)上.2 譜0.60.40.7m 囑.6 0.7箴.2譜0.30.40.3栩.3 0.4類似得可以求得T2 = B oA =0.3；0.2三0.3;0.6手0.5;0.2三試求0.5)遒(0.30.2)-±0.5)遒(0.20.2)士(1) AI B(2) A與B的復(fù)合T0.10.80.30.50.10.3AI B0.80.30.20.20.30.2觸.1 仝 0.8) (0.3 彳10.3) (0.1 T = A oB 二310.8 仝0

39、.8) (0.2 彳10.3) (0.8輸.1 譜 0.3 0.1=鄉(xiāng)一物8 譜0.2 0.50.2淞0.2B囑.3 0.2穆.8 0.5(1) AUB0.6 +0.4叁1.0文0.4至試求0.50.20.61.00.51.0AUB0.70.80.40.40.80.4的.5 仝0.2)(0.6彳10.8)T = A oB = 人心?0.7 仝0.2)(0.4 彳10.8)(0.51.0)遒(0.6(0.7 1.0)遒(0.40.4)立0.4盧$6 0.5；?0.4 0.7 基5.設(shè)論域U Ui,U2,U3,U4上的模糊結(jié)合A和B如下:UiU20.4U3B吆U20.8U3求：AUB,AI BAU

40、 B10.6 0.8Ui U2U3AI0.4B”U20.60.4U3U3U26.論域 X=0,100上的模糊集合A代表“偏大”，在0mVx) =0.0125 x,在80, 100區(qū)間上 mVx) =1寫出80區(qū)間上A的隸屬度函數(shù)解析表80100達(dá)式，并畫出其隸屬度函數(shù)曲線。?0.0125x0#xmA (x) = ?.A 1180 # x1.51 .0.5 .0 1rli|iriii01020304050607080901007 .畫出以下兩種情況的隸屬函數(shù)：(a)精確集合 A x/ x %的隸屬函數(shù)；(b)寫出單點(diǎn)模糊(singleton fuzzification)隸屬函數(shù)的數(shù)學(xué)表達(dá)形式，并

41、畫 出隸屬函數(shù)圖。(a)(b)1.0 0.5 -1 x u00 otherwiseUi u8 .設(shè)有一個(gè)模糊控制器的輸出結(jié)果為模糊集合U,表示為0.10.40.8110.4一 + + + - + 一-4-3-2-101用重心法求模糊判決的結(jié)果?6Uo? u ' mu (Ui) i= 16? mu (u)i = 1-4? 0.1 3? 0.4 2? 0.8 1?1 0? 1 1? 0.40.1+ 0.4+ 0.8 + 1+ 1+ 0.4=-1.0279 .設(shè)有一個(gè)模糊控制器的輸出結(jié)果為模糊集合U,表示為0.36,0.10.80.50.80.8U =+12345用最大隸屬度法求模糊判決的結(jié)

42、果？存在3個(gè)最大隸屬度mU (2) = mU (4) = mU (5) =0.81 C ， LCCu0 = -(2 + 4+ 5) = 3.631 一或者 Uo =(2 + 5) = 3.5210 .語言變量的量化等級(jí)都是 9級(jí)，即-4 , -3 , -2, -1 , 0, 1, 2, 3, 4。誤 差e的論域?yàn)?50,50,控制輸出u的論域?yàn)?64,64,求量化因子 h Ku為多 少？n 4八Ke =0.08 （3 分）emax 50Ku =64= 16 （3分）n 411 .某語言變量五元組描述示意圖如下所示，分別說明圖中的語言變量、語言變 量值的集合、論域具體指什么？誤差：語言變量負(fù)大，

43、負(fù)中，負(fù)小，零，正小，正中，正大 :語言變量值的集合-6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6:論域X、Y上的模糊集合13.設(shè)論域 X=Y=1 , 2, 3, 4, 5,0.70.3一 + 一231A1 =+10.6一 +20.40.2一 十 一0.4一 +30.71十 45設(shè)人=“小”則B 二 “大”，使用Mamdani極大極小推理，求A1= “較小”時(shí),輸出Bi的模糊集合？根據(jù) mA?B(x,y)= RA(x)?m3(y)minmx(x),m3 (y)R = A? B0.40.40.3000.710.7 0.70.3 0.30000模糊推理輸出B

44、i = Ai oR=1 0.6 0.4 0.2 0o；0000000.40.710.40.70.70.30.30.3000000=減0 0.0 0.4 0.7 114.設(shè)丁二爐溫，V=電壓。某控制系統(tǒng)的人工操作經(jīng)驗(yàn)為若爐溫低于100c則升壓;若爐溫高于100c則降壓;若爐溫等于100c則保持電壓不變選擇輸出語言變量U為電壓變化量。輸入、輸出語言變量均選 3個(gè)語言值: 正、零、負(fù)，分別用模糊子集 P、O、N表示。試用以上控制規(guī)則給出基本模糊 控制器的模糊控制規(guī)則表。選擇輸入語言變量 E為爐溫誤差，即 E=T-100;若爐溫低于200c則升壓；一 if E = N then U = P若爐溫高于

45、200c則降壓；一 if E = P then U = N若爐溫等于200c則保持電壓不變。一 if E = O then U = O由以上模糊控制規(guī)則建立控制規(guī)則表。（2分）ENOPUPON15.某液位控制系統(tǒng)的人工操作經(jīng)驗(yàn)為若液位低于400cm則增大流入閥閥門開度，低得越多開得越大；若液位等于400cm則保持流入閥閥門開度不變；若液位高于400cm則減小流入閥閥門開度，高得越多開得越小。描述輸入變量及輸出變量的語言值的量化范圍可取為：負(fù)大、負(fù)小、零、正小、 正大。試寫出該系統(tǒng)的單輸入單輸出模糊控制規(guī)則，并列出糊控制規(guī)則表。設(shè)系統(tǒng)輸入量為液位實(shí)測(cè)高度與給定值之誤差E ,輸出量為閥門開度的變化量U ;描述輸入變量及輸出變量的語言值E和U可取為NB NS Q PS PB液位控制系統(tǒng)的人工操作經(jīng)驗(yàn)寫成模糊條件語句為if E = NBthen U = PBif E = NSthen U = PSif E = O then U = Oif E =PS then U = NSif E =PB then U = NB系統(tǒng)的模糊控制規(guī)則表ENBNSOPSPBUPBPSONSNB第四章神經(jīng)網(wǎng)絡(luò)印，S 3 01 .圖示是一個(gè)單層感知器，神經(jīng)元作用函數(shù)為f（s）=?，初s < 0其輸入xi X2T=1 1T時(shí)，按照?qǐng)D中所給權(quán)值、閾值，計(jì)算神經(jīng)元輸出?X0=1閾值q就是輸入X0對(duì)應(yīng)的權(quán)值