智能控制考試知識點(diǎn)總結(jié)

題型：2X10’=20’證明題：1X20’=20’10’智能掌握傳統(tǒng)掌握難以解決的問題：得準(zhǔn)確數(shù)學(xué)模型某些簡單的和包括不確定性的掌握過程無法解決建模問題針對實(shí)際系統(tǒng)往往需要苛刻的線性化假設(shè)，與實(shí)際系統(tǒng)不符合智能掌握的特點(diǎn)：智能掌握爭論對象特點(diǎn)：智能掌握爭論工具：符號推理與數(shù)值計(jì)算的結(jié)合模糊集理論神經(jīng)網(wǎng)絡(luò)理論遺傳算法離散大事與連續(xù)時(shí)間系統(tǒng)的結(jié)合二元論：人工智能(AI)、自動(dòng)掌握(AC)三元論：人工智能(AI)、自動(dòng)掌握(AC)、運(yùn)籌學(xué)(OR)四元論：人工智能(AI)、自動(dòng)掌握(AC)、運(yùn)籌學(xué)(OR)、信息技術(shù)(IT)專家掌握、模糊掌握、神經(jīng)網(wǎng)絡(luò)掌握、遺傳算法模糊掌握〔模糊掌握是以模糊仿照人的模糊推理和決策過程〕特點(diǎn)：模糊掌握不需要被控對象的數(shù)學(xué)模型模糊掌握是一種反映人類才智的智能掌握方法模糊掌握易于被人們承受構(gòu)造簡潔魯棒性和適應(yīng)性好模糊集合：特征函數(shù)、隸屬函數(shù)模糊函數(shù)的表示(21A1

x2x1

...iix

...1 1

2

i

,...模糊集合的運(yùn)算：并取大，交取小隸屬函數(shù)：高斯型、廣義鐘形、S形、梯形、三角形、Z形模糊矩陣，模糊關(guān)系的合成：并取大，交取小(P24-25例3.7，3.8，3.9，3.10)模糊掌握器設(shè)計(jì):模糊掌握器的構(gòu)造>>定義輸入輸出模糊集>>定義輸入輸出隸屬函數(shù)>>建立模糊掌握規(guī)章>>建立模糊掌握表>>反模糊化〔隸屬度最大原則〕自適應(yīng)模糊掌握整模糊規(guī)律系統(tǒng)的參數(shù)，且可以保證掌握系統(tǒng)的穩(wěn)定性。形式：器。型在線設(shè)計(jì)掌握器。萬能靠近定理〔P79：神經(jīng)網(wǎng)絡(luò)從機(jī)理上對人腦生理系統(tǒng)進(jìn)展簡潔構(gòu)造模擬的一種智能掌握方法特點(diǎn)：并行機(jī)制、模式識別、記憶和自學(xué)習(xí)力量神經(jīng)元：細(xì)胞體、樹突、軸突、突觸興奮與抑制、學(xué)習(xí)與遺忘爭論方面：神經(jīng)元模型、神經(jīng)網(wǎng)絡(luò)構(gòu)造、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法分類：前向網(wǎng)絡(luò)、反響網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)學(xué)習(xí)算法：Hepp〔聯(lián)想式學(xué)習(xí)算法〕神經(jīng)網(wǎng)絡(luò)特征：能靠近任意非線性函數(shù)可以多數(shù)入、多輸出集成電路、計(jì)算機(jī)技術(shù)〕能進(jìn)展學(xué)習(xí)、以適應(yīng)環(huán)境變化神經(jīng)網(wǎng)絡(luò)三要素：神經(jīng)元(信息處理單元)的特性為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)章典型神經(jīng)網(wǎng)絡(luò)單神經(jīng)元網(wǎng)絡(luò)〕特點(diǎn)：層與層之間承受全互連方式、同層神經(jīng)元之間不連接S學(xué)習(xí)算法由正向傳播和反向傳播組成優(yōu)點(diǎn)：學(xué)習(xí)算法屬于全局靠近算法，具有較強(qiáng)的泛化力量缺點(diǎn)：待尋優(yōu)的參數(shù)多，收斂速度慢難以確定隱層及隱層節(jié)點(diǎn)數(shù)〕優(yōu)點(diǎn)：BP缺點(diǎn)：非線性力量不如BP模糊掌握與神經(jīng)網(wǎng)絡(luò)掌握的比較容錯(cuò)性低，歸納式學(xué)習(xí)機(jī)制，明確的自然語言實(shí)現(xiàn)，語言敏捷性高神經(jīng)網(wǎng)絡(luò)：通過算法實(shí)例獵取學(xué)問，承受并行計(jì)算的推理機(jī)制，其推理速度高，容錯(cuò)性高，調(diào)整權(quán)值學(xué)習(xí)機(jī)制，自然語言實(shí)現(xiàn)不明顯，語言敏捷性低高級神經(jīng)網(wǎng)絡(luò)RBF構(gòu)造〔四層：學(xué)習(xí)算法：梯度下降法小腦模型神經(jīng)網(wǎng)絡(luò)：表格查詢式自適應(yīng)神經(jīng)網(wǎng)絡(luò)Hopfield反響型神經(jīng)網(wǎng)絡(luò)于解決優(yōu)化組合問題神經(jīng)網(wǎng)絡(luò)掌握構(gòu)造：神經(jīng)掌握：以神經(jīng)網(wǎng)絡(luò)為根底的獨(dú)立智能掌握系統(tǒng)混合神經(jīng)網(wǎng)絡(luò)掌握：利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和優(yōu)化力量改善傳統(tǒng)掌握的智能掌握神經(jīng)網(wǎng)絡(luò)監(jiān)視掌握神經(jīng)網(wǎng)絡(luò)直接逆掌握偏差比較 評價(jià)函數(shù)神經(jīng)網(wǎng)絡(luò)自適應(yīng)掌握：遺傳算法算機(jī)上模擬生命進(jìn)化論機(jī)制而進(jìn)展起來的學(xué)科自然選擇學(xué)說：遺傳、變異、生存斗爭和適者生存根本操作：復(fù)制、穿插、變異特點(diǎn)：〔染色體和基因〕同時(shí)使用多個(gè)搜尋點(diǎn)使用概率搜尋技術(shù)高效啟發(fā)式搜尋方式并行計(jì)算構(gòu)成要素：〔二進(jìn)制符號〕個(gè)體適應(yīng)度評價(jià)〔正數(shù)或零〕遺傳算子根本遺傳算法的運(yùn)行參數(shù)M：群體大小〔個(gè)體數(shù)量20--100〕G：終止進(jìn)化代數(shù)〔100--500〕Pc：穿插概率〔0.4--0.99〕Pm：變異概率〔0.0001--0.1〕