神經(jīng)網(wǎng)絡(luò)控制ppt課件(已修改)
2025-01-17 15:34 本頁(yè)面
【正文】 神經(jīng)網(wǎng)絡(luò)控制 人工神經(jīng)元網(wǎng)絡(luò)模型與控制 ? 引言 ? 前向神經(jīng)網(wǎng)絡(luò)模型 ? 動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型 ? 神經(jīng)網(wǎng)絡(luò) PID控制 ? 小結(jié) 第一節(jié) 引言 模糊控制解決了人類語(yǔ)言的描述和推理問(wèn)題，為模擬人腦的感知推理等智能行為邁了一大步。但是在數(shù)據(jù)處理、自學(xué)習(xí)能力方面還有很大的差距。 人工神經(jīng)網(wǎng)絡(luò)就是模擬人腦細(xì)胞的分布式工作特點(diǎn)和自組織功能實(shí)現(xiàn)并行處理、自學(xué)習(xí)和非線性映射等能力。 1943年，心理學(xué)家 McCmloch和數(shù)學(xué)家 Pitts合作提出里神經(jīng)元數(shù)學(xué)模型（ MP）； 1944年， Hebb提出的改變神經(jīng)元連接強(qiáng)度的 Hebb規(guī)則； 1957年， Rosenblatt引進(jìn)感知概念； 1976年， Grossberg基于生理和心理學(xué)的經(jīng)驗(yàn)，提出了自適應(yīng)共振理論； 1982年，美國(guó)加州工學(xué)院物理學(xué)家 Hopfield提出了 HNN模型； 1986年， Rummelhart等 PDF研究小組提出了多層前向傳播網(wǎng)絡(luò)的 BP學(xué)習(xí)算法。 研究神經(jīng)元網(wǎng)絡(luò)系統(tǒng)主要有三個(gè)方面的內(nèi)容：神經(jīng)元模型、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法。從神經(jīng)元模型來(lái)分有：線性處理單元、非線性處理單元；從網(wǎng)絡(luò)結(jié)構(gòu)來(lái)分有：前向網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)。 神經(jīng)元網(wǎng)絡(luò)的特點(diǎn)： 1）非線性 2）分布處理 3）學(xué)習(xí)并行和自適應(yīng) 4）數(shù)據(jù)融合 5）適用于多變量系統(tǒng) 6）便于硬件實(shí)現(xiàn) 人 工 神 經(jīng) 網(wǎng) 絡(luò) 前向網(wǎng)絡(luò) 反饋網(wǎng)絡(luò) 自組織網(wǎng)絡(luò) CMAC MLP Hopfield RNN Kohonen ART Boltzman Machine 圖 41 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分類示意圖 人腦大約包含 1012個(gè)神經(jīng)元，分成約 1000種類型，每個(gè)神經(jīng)元大約與 102～ 104個(gè)其他神經(jīng)元相連接，形成極為錯(cuò)綜復(fù)雜而又靈活多變的神經(jīng)網(wǎng)絡(luò)。每個(gè)神經(jīng)元雖然都十分簡(jiǎn)單，但是如此大量的神經(jīng)元之間、如此復(fù)雜的連接卻可以演化出豐富多彩的行為方式。同時(shí)，如此大量的神經(jīng)元與外部感受器之間的多種多樣的連接方式也蘊(yùn)含了變化莫測(cè)的反應(yīng)方式。 一、神經(jīng)元模型 從生物控制論的觀點(diǎn)來(lái)看，神經(jīng)元作為控制和信息處理的基本單元，具有下列一些重要的功能與特性 ： ? 時(shí)空整合功能 ? 興奮與抑制狀態(tài) ? 脈沖與電位轉(zhuǎn)換 ? 神經(jīng)纖維傳導(dǎo)速度 ? 突觸延時(shí)和不應(yīng)期 ? 學(xué)習(xí)、遺忘和疲勞 圖 42 神經(jīng)元結(jié)構(gòu)模型 X1 X2 Xn Wi1 Wi2 Win Ui yi Si 神經(jīng)元是生物神經(jīng)系統(tǒng)的基本單元。 神經(jīng)元模型是生物神經(jīng)元的抽象和模擬。 神經(jīng)元一般是多輸入 三輸出的非線性器件。 圖中 為神經(jīng)元內(nèi)部狀態(tài)； 為閥值； 為輸入信號(hào)， j=1， 2，3,…….n。 表示從單元 到單元 的連接系數(shù)， 為外部輸入信號(hào)。 iu i?ixijw ju iu is)34()()()24()()14(????????? ?iiiiiiijjijiN e thugyN e tfusxwN e t ?圖 42 神經(jīng)元結(jié)構(gòu)模型 X1 X2 Xn Wi1 Wi2 Win Ui yi Si 假如， 即 ，常用的神經(jīng)元非線性特性有四種： ii uug ?)( )( ii Netfy ?（ 1）、閥值型 iNet（ 2）、分段線性型 ??????????iliiliiiiiiN e tN e tfN e tN e tN e tk N e tN e tN e tN e tfm a x000)(iNetilNet0iNet（ 3）、 Sigmoid函數(shù)型 TN e ti ieNe tf???11)(iNet??????0001)(iii Ne tNe tNe tf（ 4）、 Tan函數(shù)型 TN e tTN e tTN e tTN e ti iiiieeeeN e tf?????)(二、神經(jīng)網(wǎng)絡(luò)的模型分類 （ 1）、神經(jīng)元層次模型 —— 研究由單個(gè)神經(jīng)元的動(dòng)態(tài)特性和自適應(yīng)特性； （ 2）、組合式模型 —— 由幾種互相補(bǔ)充、互相協(xié)作的神經(jīng)元組成，完成特定的任務(wù)； （ 3）、網(wǎng)絡(luò)層次模型 —— 由眾多相同的神經(jīng)元相互連接而成的網(wǎng)絡(luò)，研究神經(jīng)網(wǎng)絡(luò)的整體性能； （ 4）、神經(jīng)系統(tǒng)層次模型 —— 一般有多個(gè)神經(jīng)網(wǎng)絡(luò)構(gòu)成，以模擬生物神經(jīng)系統(tǒng)更復(fù)雜、更抽象的特性。 典型的神經(jīng)網(wǎng)絡(luò)有： BP網(wǎng)、 Hopfield網(wǎng)絡(luò)、 CMAC小腦模型、 ART自適應(yīng)共振理論、 BAM雙向聯(lián)想記憶、 SOM自組織網(wǎng)絡(luò)、 Blotzman機(jī)網(wǎng)絡(luò)和 Madaline網(wǎng)絡(luò)等等 根據(jù)聯(lián)結(jié)方式分： （ 1）、前向網(wǎng)絡(luò) —— 神經(jīng)元分層排列，組成輸入層、隱含層和輸出層。每層只能夠接受前一層神經(jīng)元的輸入。 （ 2）、反饋網(wǎng)絡(luò) —— 在輸入層到輸出層存在反饋。 （ 3）、相互結(jié)合型網(wǎng)絡(luò) —— 相互結(jié)合網(wǎng)絡(luò)屬于網(wǎng)絡(luò)結(jié)構(gòu)。任意兩個(gè)神經(jīng)元之間可能有連接。 （ 4）、混合型網(wǎng)絡(luò) —— 層次形型網(wǎng)絡(luò)和網(wǎng)狀結(jié)構(gòu)網(wǎng)絡(luò)的一種結(jié)合。 … … 輸 入 輸 出 輸 入 輸 出 (a) (b) (c) (d) 三、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 學(xué)習(xí)的實(shí)質(zhì)就是針對(duì)一組給定輸入 Xp使網(wǎng)絡(luò)產(chǎn)生相應(yīng)的期望的輸出的過(guò)程。 網(wǎng)絡(luò)學(xué)習(xí)分兩大類： 有導(dǎo)師學(xué)習(xí) —— 存在一個(gè)期望的網(wǎng)絡(luò)輸出。期望輸出和實(shí)際輸出之間的距離作為誤差度量并用于調(diào)整權(quán)值。 無(wú)導(dǎo)師學(xué)習(xí) —— 沒(méi)有直接的誤差信息，需要建立一個(gè)間接的評(píng)價(jià)函數(shù)，以對(duì)網(wǎng)絡(luò)的某種行為進(jìn)行評(píng)價(jià)。 學(xué)習(xí)規(guī)則根據(jù)連接權(quán)系數(shù)的改變方式分： （ 1）、相關(guān)學(xué)習(xí) —— 根據(jù)連接之間的激活水平改變權(quán)系數(shù)。 （ 2）、糾錯(cuò)學(xué)習(xí) —— 依賴關(guān)于輸出節(jié)點(diǎn)的外部反饋改變權(quán)系數(shù)。 （ 3）、無(wú)導(dǎo)師學(xué)習(xí) —— 學(xué)習(xí)表現(xiàn)為自動(dòng)實(shí)現(xiàn)輸入空間的檢測(cè)和分類。 第二節(jié) 前向神經(jīng)網(wǎng)絡(luò)模型 前向神經(jīng)網(wǎng)絡(luò)是由一層或者多層非線性處理單元組成的。相鄰層之間通過(guò)突觸權(quán)連接起來(lái)。由于前一層的輸出作為下一層的輸入，因此，稱此類網(wǎng)絡(luò)結(jié)構(gòu)為前向神經(jīng)網(wǎng)絡(luò)。 一、單一人工神經(jīng)元 ? )(x?1 X1 X2 Xn 0?1w2wnwy 圖 411 單一人工神經(jīng)元示意圖 )()(1010?????????njjjnjjjxwN e tyxwN e t????1xnx1x2xnx1x2xnx11w12wnw11nw2nwnnw? y圖 412 只含二次項(xiàng)的神經(jīng)元結(jié)構(gòu)示意圖 )()(1 1101 110? ??? ??? ??? ???????????njnkkjjknjjjnjnkkjjknjjjxxwxwN e tyxxwxwN e t??????二、單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 1x2xnx1y2yny圖 213 單層前向傳播網(wǎng)絡(luò)結(jié)構(gòu)示意圖 ????jnjijiji xwy1)( ??三、多層 神經(jīng)網(wǎng)絡(luò) 結(jié)構(gòu) kx1kx2knixky1ky2kny01ijw 2ijw(a) kx1kx2knix1ijw Lijwky1ky2kny0(b) 圖 414 多層前向傳播網(wǎng)絡(luò)結(jié)構(gòu)示意圖 (a)含一個(gè)隱含層前向傳播網(wǎng)絡(luò)結(jié)構(gòu)示意圖 (b)含 L+1個(gè)隱含層前向傳播網(wǎng)絡(luò)結(jié)構(gòu)示意圖 00211
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1