智能控制_06神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)

1、第6章 模糊控制從人的經(jīng)驗(yàn)出發(fā)，解決了智能控模糊控制從人的經(jīng)驗(yàn)出發(fā)，解決了智能控制中人類語(yǔ)言的描述和推理問(wèn)題，尤其是一些制中人類語(yǔ)言的描述和推理問(wèn)題，尤其是一些不確定性語(yǔ)言的描述和推理問(wèn)題，從而在機(jī)器不確定性語(yǔ)言的描述和推理問(wèn)題，從而在機(jī)器模擬人腦的感知、推理等智能行為方面邁出了模擬人腦的感知、推理等智能行為方面邁出了重大的一步。重大的一步。 模糊控制在處理數(shù)值數(shù)據(jù)、自學(xué)習(xí)能力等方面模糊控制在處理數(shù)值數(shù)據(jù)、自學(xué)習(xí)能力等方面還遠(yuǎn)沒(méi)有達(dá)到人腦的境界。人工神經(jīng)網(wǎng)絡(luò)從另一還遠(yuǎn)沒(méi)有達(dá)到人腦的境界。人工神經(jīng)網(wǎng)絡(luò)從另一個(gè)角度出發(fā)，即從人惱的生理學(xué)和心理學(xué)著手，個(gè)角度出發(fā)，即從人惱的生理學(xué)和心理學(xué)著手，通過(guò)人

2、工模擬人腦的工作機(jī)理來(lái)實(shí)現(xiàn)機(jī)器的部分通過(guò)人工模擬人腦的工作機(jī)理來(lái)實(shí)現(xiàn)機(jī)器的部分智能行為。智能行為。6.1 神經(jīng)元具有如下功能：神經(jīng)元具有如下功能：(1) 興奮與抑制：如果傳入神經(jīng)元的沖動(dòng)經(jīng)整和后使細(xì)胞膜興奮與抑制：如果傳入神經(jīng)元的沖動(dòng)經(jīng)整和后使細(xì)胞膜電位升高，超過(guò)動(dòng)作電位的閾值時(shí)即為興奮狀態(tài)，產(chǎn)生電位升高，超過(guò)動(dòng)作電位的閾值時(shí)即為興奮狀態(tài)，產(chǎn)生神經(jīng)沖動(dòng)，由軸突經(jīng)神經(jīng)末梢傳出。如果傳入神經(jīng)元的神經(jīng)沖動(dòng)，由軸突經(jīng)神經(jīng)末梢傳出。如果傳入神經(jīng)元的沖動(dòng)經(jīng)整和后使細(xì)胞膜電位降低，低于動(dòng)作電位的閾值沖動(dòng)經(jīng)整和后使細(xì)胞膜電位降低，低于動(dòng)作電位的閾值時(shí)即為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動(dòng)。時(shí)即為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動(dòng)

3、。(2) 學(xué)習(xí)與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作學(xué)習(xí)與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作用可增強(qiáng)和減弱，因此神經(jīng)元具有學(xué)習(xí)與遺忘的功能。用可增強(qiáng)和減弱，因此神經(jīng)元具有學(xué)習(xí)與遺忘的功能。 (3) (3) 自組織網(wǎng)絡(luò)自組織網(wǎng)絡(luò) 網(wǎng)絡(luò)結(jié)構(gòu)如圖所示。網(wǎng)絡(luò)結(jié)構(gòu)如圖所示。KohonenKohonen網(wǎng)絡(luò)是最典型的網(wǎng)絡(luò)是最典型的自組織網(wǎng)絡(luò)。自組織網(wǎng)絡(luò)。KohonenKohonen認(rèn)為，當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外認(rèn)為，當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外界輸入時(shí)，網(wǎng)絡(luò)將會(huì)分成不同的區(qū)域，不同區(qū)域具界輸入時(shí)，網(wǎng)絡(luò)將會(huì)分成不同的區(qū)域，不同區(qū)域具有不同的響應(yīng)特征，即不同的神經(jīng)元以最佳方式響有不同的響應(yīng)特征，即不同的神經(jīng)元以

4、最佳方式響應(yīng)不同性質(zhì)的信號(hào)激勵(lì)，從而形成一種拓?fù)湟饬x上應(yīng)不同性質(zhì)的信號(hào)激勵(lì)，從而形成一種拓?fù)湟饬x上的特征圖，該圖實(shí)際上是一種非線性映射。這種映的特征圖，該圖實(shí)際上是一種非線性映射。這種映射是通過(guò)無(wú)監(jiān)督的自適應(yīng)過(guò)程完成的，所以也稱為射是通過(guò)無(wú)監(jiān)督的自適應(yīng)過(guò)程完成的，所以也稱為自組織特征圖。自組織特征圖。 Kohonen Kohonen網(wǎng)絡(luò)通過(guò)無(wú)導(dǎo)師的學(xué)習(xí)方式進(jìn)行權(quán)值網(wǎng)絡(luò)通過(guò)無(wú)導(dǎo)師的學(xué)習(xí)方式進(jìn)行權(quán)值的學(xué)習(xí)，穩(wěn)定后的網(wǎng)絡(luò)輸出就對(duì)輸入模式生成自的學(xué)習(xí)，穩(wěn)定后的網(wǎng)絡(luò)輸出就對(duì)輸入模式生成自然的特征映射，從而達(dá)到自動(dòng)聚類的目的。然的特征映射，從而達(dá)到自動(dòng)聚類的目的。輸出節(jié)點(diǎn)輸入0 x1x2x圖圖 自組織神經(jīng)

5、網(wǎng)絡(luò)自組織神經(jīng)網(wǎng)絡(luò)jiijijIIkwkw)() 1(其中，其中， 為連接從神經(jīng)元為連接從神經(jīng)元 到神經(jīng)元到神經(jīng)元 的當(dāng)前權(quán)的當(dāng)前權(quán)值，值， 和和 為神經(jīng)元的激活水平。為神經(jīng)元的激活水平。 Hebb學(xué)習(xí)規(guī)則是一種無(wú)教師的學(xué)習(xí)方法，它學(xué)習(xí)規(guī)則是一種無(wú)教師的學(xué)習(xí)方法，它只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此，只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此，這種方法又稱為相關(guān)學(xué)習(xí)或并聯(lián)學(xué)習(xí)。這種方法又稱為相關(guān)學(xué)習(xí)或并聯(lián)學(xué)習(xí)。)(kwijijiIjIPppPpppEydE112)(21pdpy)(ppWXfy WTnwwwW, 1, 0pXTpnpppxxxX,10Pp, 2 , 1iWEWPpipi

6、WEWE1221pppydEppWxippppipppppipppipXfydXyyEWEWE)( )(PpippppiXfydW1)( )(6.5 6.5 神經(jīng)網(wǎng)絡(luò)特征及要素神經(jīng)網(wǎng)絡(luò)特征及要素1. 1. 神經(jīng)網(wǎng)絡(luò)特征神經(jīng)網(wǎng)絡(luò)特征 神經(jīng)網(wǎng)絡(luò)具有以下幾個(gè)特征：神經(jīng)網(wǎng)絡(luò)具有以下幾個(gè)特征：（1 1）能逼近任意非線性函數(shù)；）能逼近任意非線性函數(shù)；（2 2）信息的并行分布式處理與存儲(chǔ)；）信息的并行分布式處理與存儲(chǔ)；（3 3）可以多輸入、多輸出；可以多輸入、多輸出；（4 4）便于用超大規(guī)模集成電路（）便于用超大規(guī)模集成電路（VISIVISI）或光學(xué)集）或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)，或用現(xiàn)有的計(jì)算機(jī)技術(shù)實(shí)現(xiàn)；成電

7、路系統(tǒng)實(shí)現(xiàn)，或用現(xiàn)有的計(jì)算機(jī)技術(shù)實(shí)現(xiàn)；（5 5）能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。）能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。2 神經(jīng)網(wǎng)絡(luò)要素神經(jīng)網(wǎng)絡(luò)要素 決定神經(jīng)網(wǎng)絡(luò)模型性能的三大要素為：決定神經(jīng)網(wǎng)絡(luò)模型性能的三大要素為：（1）神經(jīng)元（信息處理單元）的特性；）神經(jīng)元（信息處理單元）的特性；（2）神經(jīng)元之間相互連接的形式）神經(jīng)元之間相互連接的形式拓?fù)浣Y(jié)構(gòu)；拓?fù)浣Y(jié)構(gòu)；（3）為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。）為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。6.6 神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域神經(jīng)網(wǎng)絡(luò)控制的研究領(lǐng)域 1 1 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí) 將神經(jīng)網(wǎng)絡(luò)作為被辨識(shí)系統(tǒng)的模型，可在已知將神經(jīng)網(wǎng)絡(luò)作為被辨識(shí)系統(tǒng)的模

8、型，可在已知常規(guī)模型結(jié)構(gòu)的情況下，估計(jì)模型的參數(shù)。常規(guī)模型結(jié)構(gòu)的情況下，估計(jì)模型的參數(shù)。 利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性，可建立線利用神經(jīng)網(wǎng)絡(luò)的線性、非線性特性，可建立線性、非線性系統(tǒng)的靜態(tài)、動(dòng)態(tài)、逆動(dòng)態(tài)及預(yù)測(cè)性、非線性系統(tǒng)的靜態(tài)、動(dòng)態(tài)、逆動(dòng)態(tài)及預(yù)測(cè)模型，實(shí)現(xiàn)非線性系統(tǒng)的建模和辨識(shí)。模型，實(shí)現(xiàn)非線性系統(tǒng)的建模和辨識(shí)。(2) (2) 神經(jīng)網(wǎng)絡(luò)控制器神經(jīng)網(wǎng)絡(luò)控制器 神經(jīng)網(wǎng)絡(luò)作為實(shí)時(shí)控制系統(tǒng)的控制器，對(duì)不神經(jīng)網(wǎng)絡(luò)作為實(shí)時(shí)控制系統(tǒng)的控制器，對(duì)不確定、不確知系統(tǒng)及擾動(dòng)進(jìn)行有效的控制，使控確定、不確知系統(tǒng)及擾動(dòng)進(jìn)行有效的控制，使控制系統(tǒng)達(dá)到所要求的動(dòng)態(tài)、靜態(tài)特性。制系統(tǒng)達(dá)到所要求的動(dòng)態(tài)、靜態(tài)特性。 (3) (3) 神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合神經(jīng)網(wǎng)絡(luò)與其他算法相結(jié)合 將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法等相結(jié)合，可設(shè)計(jì)新型智能控制系統(tǒng)。等相結(jié)合，可設(shè)計(jì)新型智能控制系統(tǒng)。(4) (4) 優(yōu)化計(jì)算優(yōu)化計(jì)算 在常規(guī)的控制系統(tǒng)中，常遇到求解約束優(yōu)化問(wèn)在常規(guī)的控制系統(tǒng)中，常遇到求解約束優(yōu)化問(wèn)題，神經(jīng)網(wǎng)絡(luò)為這類問(wèn)題的解決提供了有效的途題，神經(jīng)網(wǎng)絡(luò)為這類問(wèn)題的解決提供了有