智能控制技术知识点复习总结
智能控制技术,复习,2,本课程主要讲了哪些内容?,模糊控制 神经网络控制 遗传算法(具有良好的全局搜索能力,分布式并行计算,不依赖被优化函数的导数等),3,智能系统有哪几个重要分支,分别是什么?,专家控制 模糊控制 神经网络控制 学习控制,4,(1)什么是隶属度函数,什么是特征函数,定义要了解。隶属度函数遵循的一些基本原则是什么?,(2)模糊集合满足交换律,结合率,5,例:设集合U由1到5的五个自然数组成,试分别用列举法,定义法,归纳法写出该集合的表达式。,解: 列举法 U=1,2,3,4,5 定义法 U=u|u为自然数,且1u5 归纳法 U=ui+1=ui+1, i=1,2,3,4, u1=1,6,例:集合F表示论域U中远大于0的数,论域U为5,10,20,50,100,分别用分别用三种方法表示模糊集合F。,7,例:设论域U=张三,李四,王五,评语为“学习好”。设三个人学习成绩总评分是张三得95分,李四得90分,王五得85分。分别用三种方法表示模糊集合“学习好”。,若采用隶属度函数:,8,例:设论域U=张三,李四,王五,评语为“学习好”。设三个人学习成绩总评分是张三得95分,李四得90分,王五得85分。分别用三种方法表示模糊集合“学习好”。,(1)计算属于“学习好”这个模糊集合的隶属度函数: 张三:0.95 李四:0.9 王五:0.85,9,例:设论域U=张三,李四,王五,评语为“学习好”。设三个人学习成绩总评分是张三得95分,李四得90分,王五得85分。分别用三种方法表示模糊集合“学习好”。,(2) Zadeh表示法:,10,例:设论域U=张三,李四,王五,评语为“学习好”。设三个人学习成绩总评分是张三得95分,李四得90分,王五得85分。分别用三种方法表示模糊集合“学习好”。,(3)序偶表示法:,11,例:设论域U=张三,李四,王五,评语为“学习好”。设三个人学习成绩总评分是张三得95分,李四得90分,王五得85分。分别用三种方法表示模糊集合“学习好”。,(4)向量表示法:,12,例:设论域U=张三,李四,王五,评语为“学习好”。设三个人学习成绩总评分是张三得95分,李四得90分,王五得85分。分别用三种方法表示模糊集合“学习好”。,(5)思考: 如果评语是“学习不好”,那怎么表示这个模糊集合?,13,例:设论域U=u1,u2,u3,u4中两个模糊子集分别为,求 AB , AB 和,14,例:设论域U=u1,u2,u3,u4中两个模糊子集分别为,15,例:设论域U=u1,u2,u3,u4中两个模糊子集分别为,16,例:设论域U=u1,u2,u3,u4中两个模糊子集分别为,17,分别列举出集合和模糊集合的三种表示方法。 假设年龄属于“年轻人”“老年人”集合的隶属度分别为: 用Zadeh表示法写出年龄U在50(含)到54(含)之间的属于年轻人的模糊集A,属于老年人的模糊集B。并计算AB,AB, AB , A B, ()= 050 1+ 50 5 2 1 50100, you ()= 125 1+ 25 5 2 1 25100,18,计算AB,AB, AB , A B ( Zadeh算子),19,例:设张三,李四,王五对英语,日语,德语,法语的掌握关系可用如下模糊矩阵表示:,试用模糊图表示上述模糊关系。,20,张三,李四,0.3,0.9,王五,英语,日语,德语,法语,0.7,0.6,0.95,21,模糊矩阵的运算,例:已知 求AB,AB, A,22,模糊矩阵的合成,例:已知 求,23,24,25,模糊矩阵的合成所解决的问题,例:假设模糊关系R描述了子女与父亲、叔叔长相的“相像”关系;模糊关系S描述了父亲、叔叔与祖父、祖母长相的“相像”关系。 R和S分别描述为: 求子女与祖父、祖母长相的“相像”关系C。,26,已知模糊矩阵P,Q,R分别为:,求:,27,28,语气算子,29,语气算子,30,近似推理 if A then B,例:论域 XY 1,2,3,4,5 ,在X和Y上有三个模糊子集 “大”、 “小”、 “较小”,分别如下: “大” 0.4/3 + 0.7/4 + 1/5 “小” 1/1 + 0.7/2 + 0.3/3 “较小” 1/1 + 0.6/2 + 0.4/3 + 0.2/4 已知规则:为若x小,则y大, 那么当x较小时,y?,31,近似推理,“大” 0/1 + 0/2 +0.4/3 + 0.7/4 + 1/5 “小” 1/1 + 0.7/2 + 0.3/3 + 0/4 + 0/5 “较小” 1/1 + 0.6/2 + 0.4/3 + 0.2/4+ 0/5 已知规则:为若x小,则y大,,32,近似推理,“较小” 1/1 + 0.6/2 + 0.4/3 + 0.2/4+ 0/5 已知规则:为若x小,则y大,,最关键的步骤在于如何计算模糊关系矩阵R = x y,33,近似推理,34,近似推理,35,近似推理,36,近似推理,37,例:一个系统,当输入为A(温度高)时,输出为B(湿度小),否则输出C(湿度不小)。 已知 A1/x1 + 0.4/x2 + 0.1/x3 B=0.8/y1 + 0.5/y2 + 0.2/y3 C=0.5/y1 + 0.6/y2 + 0.7/y3 问题: 当输入 A= 0.2/x1 + 1/x2 + 0.4/x3 时,输出B?,模糊条件推理 if A then B else C,38,例:一个系统,当输入为A(温度高)时,输出为B(湿度小),否则输出C(湿度不小)。,模糊条件推理,39,模糊条件推理,40,模糊条件推理,41,设有论域X=u1, u2, u3,Y=v1,v2,v3, Z=w1,w2,已知: 试确定模糊条件语言“如果A和B,则C”所确定的模糊关系矩阵R,并计算当: 时模糊集合C。,多输入单规则推理 如果 x 是 A且 y 是B,那么z 是C,42,模糊控制系统的组成概述,模 糊 化,模糊推理 (推理决策逻辑),精 确 化,知识库,输入,输出,43,精确化的方法:最大隶属度法,重心法,在输出的模糊集合中取隶属度最大的元素作为结果,如果同时出现几个元素具有最大隶属度,则取它们的平均值作为结果。,例:,精确量:,优点:计算简单。 缺点:概括的信息量少,适用于控制要求不高的场合。,44,45,典型的模糊控制器:二维模糊控制器 输入语言变量为被控量与给定值的偏差和偏差变化率,能够较全面严格地反映被控过程的动态待性,因此控制效果比一维模糊控制器好。它是目前被广泛采用的一种模糊控制器。,46,偏置(阈值)影响下,神经元输入加权求值结果:,神经元的响应(输出):,习题1,(1)试绘出单个神经元结构的简化模型,并写出该神经元的输出表达式。,47,习题2,前向型神经网络 反馈神经网络 相互结合型神经网络 混合型神经网络,(2)根据神经网络的连接方式不同,神经网络可以分成哪几种结构形式?,48,习题3,有导师学习 无导师学习 再励学习,(3)神经网络常见的学习方式有哪三种?,49,(4)神经网络的激活函数主要有哪两种类型,试画出。,50,(5)已知一多层前向神经网络,假设对于期望输入1, 1对应的期望输出为1, 1,求在图示的权值和阈值情况下,网络的实际输出以及对应的评价误差。(激活函数为单极性阈值型函数),y2,x1,x2,1,2,-2,0,3,-1,1,0,1,-2,-2,3,51,(6)下图所示为具有3个节点的离散型Hopfield神经网络模型, 假设网络初始状态为(0 0 1), 试推导该网络的经过一次变换后的状态。,