智能控制系统神经网络_第1页
智能控制系统神经网络_第2页
智能控制系统神经网络_第3页
智能控制系统神经网络_第4页
智能控制系统神经网络_第5页
已阅读5页,还剩60页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、会计学1智能控制系统神经网络智能控制系统神经网络图 生物神经元模型5.1神经细胞的结构与功能1人工神经网络是对生物神经元的一种模拟和简化,是神经网络的基本处理单元。 人工神经元模型2人工神经网络的基本结构类型31 1)前向网络)前向网络: :典型的网络有:感知器网络、BP网络等。特点:特点: 前向网络具有较强的学习能力,结构简单,易于编程。 前馈网络是静态非线性映射,通过简单非线性处理单元的复合映射,可获得复杂的非线性处理能力。 从计算观点,缺乏丰富的动力学行为特点:特点: 若总节点(神经元)数为N,则每个节点有N个输入和一个输出。每个节点都是一样,互相连接。 反馈型网络是反馈动力学系统,需要

2、工作一段时间后才能达到稳定。 Hopfield神经网络是反馈型网络中最简单应用最广的模型,具有联想记忆功能。 人工神经网络的基本结构类型人工神经网络的基本结构类型教师神经网络比较环境实际输出输入期望输出误差信号p(n)t(n)a(n)e(n)神经网络环境输入神经网络环境输入输出评价信息uHebb学习规则的物理解释:两个神经元同时处于激发状态时,相应的权值得到加强。14211()() ()22TkkJEenEnnee211()()() ()22TkkJnennneekJ wu对于感知器和线性网络:TWepkjkjwe pdelta学习规则u对于多层感知器网络:扩展的delta学习规则,bp算法w

3、kjnkakPj概率式学习概率式学习学习规则:()0kjjkjkjwpwkwk若 神 经 元获 胜若 神 经 元失 败wkjkpj5.2感知器网络感知器网络1图 单层感知器网络图 单个神经元的感知器感知器的输入输出关系:当输入的加权和大于或等于阈值,输出为1,否则为-1(或为0)。 ()kjkkjwtapu对应于线性判别函数u对线性可分问题算法收敛,u对线性不可分的数据算法不收敛TWep前项多层网络的前项多层网络的BP学习算法学习算法2图 BP网络结构将误差分摊给各层的所有将误差分摊给各层的所有单元各层单元的误单元各层单元的误差信号差信号修正各单元权修正各单元权值值网络输出的误差减少到可接受的

4、程度进行到预先设定的学习次数为止12,nxxxx12,phihihihi12,pho hohoho12,qyiyiyiyi12,qyoyoyoyo12,qdddodihwf( ) howhb1,2,kmob211( )( )2qoooedkyo k12( )( ),( ),( )nkx kx kx kx12( )( ),( ),( )qkd kdkdkod1( )( )1,2,nhihihihikw x kbhp( )f( )1,2,hhho khi khp1( )( )1,2,pohohohyi kw ho kboq( )f( )1,2,ooyo kyi koqohoohoeeyiwyiw(

5、 )( )( )phohoohhhohow ho kbyi kho kww211( ( )( )2( ( )( )( )( ( )( )f( )( )qooooooooooood kyo ked kyo k yo kyiyid kyo kyi kk( )ok1( )( )( )( )( )hoohhoNNhohoohewkk ho kwwwk ho k ( )ok( )howk( )hk1( )( )( ) ( )( )( ) ( )hihhiihhihNNihihhieehi kw kk x kwhi kwwwk x k2111( )( )2qmookoEdky kmBP算法的改进算法算法的

6、改进算法35.3Hopfield网络网络1稳定n状态;若系统不稳定,系统不可能出现无限发散。5.3Boltzmann机网络机网络(BM网络网络) 2西哥帽。5.3自组织特征映射网络自组织特征映射网络3 自组织特征映射网络具有侧向联想力,如图右。输出节点呈二维阵列分布。输出节点与其邻域或其他节点广泛连接,互相激励。每个输入节点与输出节点之间由可变权值连接。通过某种规则,不断调整权值,使得在稳定是每个领域的所有节点对某种输入具有类似的输出,并且聚类的概率分布与输入模式的概率分布相接近。5.4图 神经网络控制方框图 神经元自适应神经元自适应PIDPID控制控制 基于基于BP神经网络的神经网络的PID

7、控制算法控制算法) 1( ky)(/ ) 1(kuky线性预测模型的线性预测模型的BP神经网络神经网络PID控制系统算法控制系统算法) 1( ky)(/ ) 1(kuky基于基于BP神经网络的神经网络的PID控制算法控制算法神经网络环境输入神经网络环境输入输出评价信息uHebb学习规则的物理解释:两个神经元同时处于激发状态时,相应的权值得到加强。()0kjjkjkjwpwkwk若 神 经 元获 胜若 神 经 元失 败wkjkpj网络输出的误差减少到可接受的程度进行到预先设定的学习次数为止ohoohoeeyiwyiw( )( )( )phohoohhhohow ho kbyi kho kww211( (

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论