智能控制課后答案

1、1、 神經元的種類有哪些？它們的函數(shù)關系如何？一、神經元模型神經元模型是生物神經元的抽象和模擬。它是模擬生物神經元的結構和功能、并從數(shù)學角度抽象出來的一個基本單元。它是神經網絡的最基本的組成部分。神經元一般是多輸入-單輸出的非線性器件。模型可以描述為假設，即為神經元的內部狀態(tài)；為閥值；為輸入信號，；為表示從單元到單元的連接權系數(shù)；為外部輸入信號。常用的神經元非線性特性有以下四種（1） 閥值型（2） 分段線性型（3） Sigmoid函數(shù)型（4） Tan函數(shù)型2、 為什么由簡單的神經元連接而成的神經網絡具有非常強大的功能？神經系統(tǒng)是一個高度復雜的非線性動力學系統(tǒng)，雖然每一個神經元的結構和功能十分簡

2、單，但由大量神經元構成的網絡系統(tǒng)的行為卻是豐富多彩和十分復雜的。從神經元模型角度來看，有線性處理單元和非線性處理單元。從網絡結構方面來看，有：前向網絡、反饋網絡和自組織網絡。3、神經網絡按連接方式分有哪幾類，按功能分有哪幾類、按學習方式分又有哪幾類？神經網絡按連接方式？神經網絡按連接方式分神經網絡是由通過神經元的互連而達到的。根據神經元的連接方式的不同，神經網絡可分為以下四種形式：（1） 前向網絡 由輸入層、隱含層和輸出層組成。每一層只接受前一層神經元的輸入。各神經元之間不存在反饋。屬于層次型網絡。（2） 反饋網絡 只在輸出層到輸入層存在反饋，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

3、出神經元的反饋。屬于層次型網絡。（3） 相互結合型網絡 這種神經網絡在任意兩個神經元之間都可能有連接。在這個狀態(tài)中，信號要在神經元之間反復往返傳遞，網絡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，經過若干次的變化，才會達到某種平衡狀態(tài)。屬于網狀結構網絡。（4） 混合型網絡 通過同一層內神經元的相互結合，可以實現(xiàn)同一層內神經元之間的橫向抑制或興奮機制。這樣可以限制每層內能同時動作的神經元數(shù)，或者把每層內的神經元分為若干組，讓每組作為一個整體來動作。它是層次型網絡和網狀結構網絡的一種結合。神經網絡按功能分有哪幾類、神經網絡將神經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

4、經元負責接收來自外界的輸入信息，并傳給中間各隱層神經元；隱層是神經網絡的內部信息處理層，負責信息變換。根據需要可設計為一層或多層；最后一個隱層將信息傳遞給輸出層神經元經進一步處理后向外界輸出信息處理結果。神經網絡按按學習方式分又有哪幾類？有導師學習和無導師學習。4、如圖4-24所示的多層前向傳播神經網絡結構。假設對于期望的輸入,。網絡權系數(shù)的初始值見圖。試用BP算法訓練此網絡。并詳細寫出第一次迭代學習的計算結果。這里，取神經元激勵函數(shù)。學習步長為。最大迭代次數(shù)為iterafe max。誤差為e。（四舍五入，精確到小數(shù)后1位）解輸入最大容許逼近誤差值和最大迭代學習次數(shù)iterate max。置初

5、始迭代學習次數(shù)。（1）.置各權值或閾值的初始值：為小的隨機數(shù)值；回顧：單一人工神經元有線性和非線性（1） 單一人工神經元線性單一人工神經元示意圖（線性）最簡單的人工神經元輸入和輸出數(shù)學表示：假設輸入項Net由輸入信號xj(j=1,2,n)的線性組合構成，即為閥值；是決定第j個輸入的突觸權系數(shù)。神經元的平衡態(tài)輸出y為式中表示神經元的激勵函數(shù)前面假設輸入項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的非線性函數(shù)。因此本題的權值，（2）.提供訓練樣本：輸入矢量：；期望輸出：；對每個輸入樣本進行下面iterate max的迭代；（3）.計算網絡的實際輸出及隱層單元的狀態(tài)：因為（4）.計算訓練誤差：1）輸出層2）隱含層（5）.修正權值和閾