当前课程知识点:智能控制 > 第五章 神经网络的理论基础 > 5.5 神经网络的学习算法、基本特征和研究领域 > 5.5 神经网络的学习算法、基本特征和研究领域
下面我们看一下
神经网络的学习算法
神经网络为什么具有智能
那是因为它的学习算法
它的学习算法指的是
神经网络的
它的权值和阈值
可以通过样本的刺激
来调整它的权值和阈值
从而存储了一些相应的信息
具备一些学习功能
那么神经网络通过学习算法
实现了自适应
自组织、自学习的能力
那么按照有无导师来学习
进行分类
可以分为下面三类
第一 有导师学习
这里面导师就指的是
有目标、有期望的输出
根据神经网络的实际输出与期望输出
也就是导师信号之间的差异偏差
来调整神经网络的连接权值和阈值
最终使得偏差变小
这叫做有导师学习方式
那么一个典型的例子就是
BP神经网络
它是一种有导师学习方式
它是由事先在输入样本的时候
就给定了期望的输出
也就是导师信号
第二个就是无导师学习
输入模式进入网络后
网络按照一预先设定的规则
自动调整权值
使神经网络最终具备分类功能
那么这个时候
它是并没有给定它的期望输出信号
也就是说没有导师学习方式
那么介于两者之间
部分给定了期望输出
它叫做再励学习
这是一种由导师指导的
神经网络学习方式
输入信号经过神经网络作用后
计算出神经网络实际输出
然后事先我给定了期望的输出
它们之间形成一个偏差
我神经网络就可以根据这两个偏差
自动的调整它的权值和阈值
实现对输入信号到期望输出之间的
一种非线性映射
它是一种有导师学习的方式
而无导师指导了神经网络学习
它并没有给定期望的输出
我只是通过输入信号
送入神经网络
那么这些神经网络实际输出
通过这些输出
按照一些规则
来调整它的连接全程阈值
这是一种无导师指导的学习方式
下面我们看一下
神经网络的基本特征
神经网络它理论上已经证明
它可以任意精度
逼近任意的非线性函数
这样的话它就可以很方便地用于
非线性函数的函数拟合、系统辨识
等等各个领域
第二 它具备信息的并行分布式处理和存储
实际上它通过多个输入
多个输出
实现了这样一个
并行分布式处理和存储的
同时它可以把这些信息
分布的存储在它的权值和阈值里
也就是说把这些信息分布存储在
它的神经网络的不同的地方
存储在它的权值阈值上面去
体现在这些地方
实现了信息的存储处理功能
第三 它可以方便地实现
多输入多输出控制
在传统控制领域里面
我们一般都考虑
为了简化起见
考虑单输入单输出
但神经网络非常方便地模拟
多输入多输出对象的特征
可以实现多输入多输出
第四 非常方便用超大规模集成电路
或光学集成电路系统实现
或者采用现有的计算机技术实现
工程实现非常容易
第五 有神经网络就要有学习能力
它可以能自动地进行学习
通过样本的不断刺激
适应环境的变化
达到比较好的学习水平
这是因为它的权值和阈值
可以按照学习算法进行调整优化
下面我们看一下
神经网络控制的研究领域
第一 基于神经网络的系统辨识
这是因为神经网络
可以任意精度逼近任意的
复杂的非线性函数
所以它很方便地用于系统辨识
将神经网络作为被辨识系统的模型
可以在已知常规模型结构的情况下
估计模型参数
第二 利用神经网络的线性
非线性特性
可以建立线性
非线性系统的静态
动态、逆动态以及预测模型
实现非线性系统的建模和辨识
第二 神经网络控制器
神经网络可以作为实时控制系统的控制器
对不确定的
不确知的系统
以及外部过程的扰动
进行有效的实时在线控制
取代常规的PID控制系统力
这样使得整个控制系统
达到所要求的动态、静态特性
第三 神经网络与其他算法相结合
可以将神经网络与专家系统
模糊逻辑、遗传算法等等相结合
可以设计各种新型的智能控制系统
第四 优化计算
那么在常规的控制系统中
常常遇到求解约束
有约束条件的多目标
或者单目标优化问题
而神经网络就会非常方便
处理这类问题
目前神经网络与控制
已经在多种控制结构中得到了应用
比如PID控制相结合
模型参考自适应控制
前馈反馈控制
内模控制
预测控制
模糊控制等等
-开篇
--开篇
-1.1课程考试方式
-1.2 数据、信息、知识与智能
-1.3传统控制面临的挑战
-1.4 控制科学发展过程
-1.5 智能控制的多元论
--1.5
-1.6 控制策略的渗透与融合
--1.6
-1.7 智能控制与传统控制的联系与区别
--1.7
-1.8 智能控制的类型之分级递阶智能控制系统
--1.8
-1.9 智能控制的类型之专家控制系统
--1.9
-1.10 智能控制的类型之模糊控制系统
--1.10
-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.11
-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制
--1.12
-1.13本章小结
--1.13
-第一章测试
-2.1基于搜索的问题求解
-- 2.1.7 均一代价搜索
-- 2.1.10 A星算法
-2.2 专家系统简介
- 2.3 专家PID
-第二章测试
-3.1 模糊控制概述
-3.2 模糊集合
-3.3 隶属函数
--3.3隶属函数.
-3.4 模糊关系及其运算
-第三章测试
- 4.1 模糊自适应整定PID控制原理
-4.2 基于FF的模糊PID控制试验验证
-第四章测试
- 5.1 神经网络简介
- 5.2 神经网络的发展简史
-5.3 神经网络的基本概念
- 5.4 神经网络的分类
-5.5 神经网络的学习算法、基本特征和研究领域
-第五章测试
-6.1 感知器
--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)
- 6.2 BP神经网络
--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现
--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合
-第六章测试
- 7.1 什么是遗传算法
-7.2 遗传算法的特点
-7.3 遗传算法的基本操作之复制
-7.4 遗传算法的基本操作之交叉与变异
-第七章测试
-8.1 遗传编程工作原理
-8.2 遗传编程基本操作之复制
-8.3 遗传编程基本操作之交换和突变
- 8.4 遗传编程的工作步骤及实例分析
-第八章测试
-期末测试