智能控制課后答案

1、1、 神經(jīng)元的種類有哪些？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)學角度抽象出來的一個基本單元。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。模型可以描述為假設(shè)，即為神經(jīng)元的內(nèi)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(quán)系數(shù)；為外部輸入信號。常用的神經(jīng)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(jīng)元連接而成的神經(jīng)網(wǎng)絡(luò)具有非常強大的功能？神經(jīng)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(jīng)元的結(jié)構(gòu)和功能十分簡

2、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雜的。從神經(jīng)元模型角度來看，有線性處理單元和非線性處理單元。從網(wǎng)絡(luò)結(jié)構(gòu)方面來看，有：前向網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)。3、神經(jīng)網(wǎng)絡(luò)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(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)是由通過神經(jīng)元的互連而達到的。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)。（2） 反饋網(wǎng)絡(luò) 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(jīng)元的反饋。屬于層次型網(wǎng)絡(luò)。（3） 相互結(jié)合型網(wǎng)絡(luò) 這種神經(jīng)網(wǎng)絡(luò)在任意兩個神經(jīng)元之間都可能有連接。在這個狀態(tài)中，信號要在神經(jīng)元之間反復往返傳遞，網(wǎng)絡(luò)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(jīng)過若干次的變化，才會達到某種平衡狀態(tài)。屬于網(wǎng)狀結(jié)構(gòu)網(wǎng)絡(luò)。（4） 混合型網(wǎng)絡(luò) 通過同一層內(nèi)神經(jīng)元的相互結(jié)合，可以實現(xiàn)同一層內(nèi)神經(jīng)元之間的橫向抑制或興奮機制。這樣可以限制每層內(nèi)能同時動作的神經(jīng)元數(shù)，或者把每層內(nèi)的神經(jīng)元分為若干組，讓每組作為一個整體來動作。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。神經(jīng)網(wǎng)絡(luò)按功能分有哪幾類、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

4、經(jīng)元負責接收來自外界的輸入信息，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，負責信息變換。根據(jù)需要可設(shè)計為一層或多層；最后一個隱層將信息傳遞給輸出層神經(jīng)元經(jīng)進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(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。假設(shè)對于期望的輸入,。網(wǎng)絡(luò)權(quán)系數(shù)的初始值見圖。試用BP算法訓練此網(wǎng)絡(luò)。并詳細寫出第一次迭代學習的計算結(jié)果。這里，取神經(jīng)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(quán)值或閾值的初始值：為小的隨機數(shù)值；回顧：單一人工神經(jīng)元有線性和非線性（1） 單一人工神經(jīng)元線性單一人工神經(jīng)元示意圖（線性）最簡單的人工神經(jīng)元輸入和輸出數(shù)學表示：假設(shè)輸入項Net由輸入信號xj(j=1,2,n)的線性組合構(gòu)成，即為閥值；是決定第j個輸入的突觸權(quán)系數(shù)。神經(jīng)元的平衡態(tài)輸出y為式中表示神經(jīng)元的激勵函數(shù)前面假設(shè)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(quán)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(wǎng)絡(luò)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(quán)值和閾