機械故障診斷6(文件)
【正文】 過程中的有關知識并用于指導優(yōu)化，自適應地調整搜索方向，不需要確定地規(guī)則；Page依據(jù)優(yōu)勝劣汰原則 ,選擇遺傳算子 (復制、交叉、變異等 )對種群不斷進行迭代優(yōu)化 ,直到在某一代上找到最優(yōu)解或近似最優(yōu)解 函數(shù)或運算符集，是表示樹的節(jié)點；216。Page復制操作的目的是為了從當前群體中選出優(yōu)良的個體，使它們有機會作為父代繁殖下一代。適合度的幾種選擇方法中，最基本也是最常用的賭輪選擇法。雜交的目的是為了增加群體中的新個體，從而擴大了群體的搜索空間，使算法的搜索能力得以迅速提高。變異是遺傳編程中的次要算子，主要是為了維持群體的多樣性 ,變異概率取值一般比較小。86Xn2=mysqrt(plus(X3,minus(plus(minus(X7,X3),plus(plus(X6,X6),X1)),X3)))Page90生物神經(jīng)元? 神經(jīng)元是大腦處理信息的基本單元? 人腦大約由 1011個神經(jīng)元組成，神經(jīng)元互相連接成神經(jīng)網(wǎng)絡? 神經(jīng)元以細胞體為主體，由許多向周圍延伸的不規(guī)則樹枝狀纖維構成的神經(jīng)細胞，其形狀很像一棵枯樹的枝干? 主要由細胞體、樹突、軸突和突觸(Synapse，又稱神經(jīng)鍵 )組成 前者產(chǎn)生正突觸后電位，后者產(chǎn)生負突觸后電位PagePage168。98常見神經(jīng)元響應函數(shù)人工神經(jīng)元的響應函數(shù) Page101? 權值確定? Hebb學習規(guī)則? 誤差校正（糾錯）學習規(guī)則? 相近（無教師）學習規(guī)則神經(jīng)網(wǎng)絡基本學習算法Page104? 用已知樣本作為教師對網(wǎng)絡進行學習? 學習規(guī)則可由二次誤差函數(shù)的梯度法導出? 誤差校正學習規(guī)則實際上是一種梯度方法– 不能保證得到全局最優(yōu)解– 要求大量訓練樣本，收斂速度慢– 對樣本地表示次序變化比較敏感誤差校正規(guī)則Page107Page111分類器的泛化能力? 一個泛化能力很差的分類器：– 相對于訓練樣本的數(shù)量，特征的維數(shù)太大（維數(shù)危機問題）– 與分類器相關聯(lián)的未知參數(shù)太大；– 分類器優(yōu)化過于依賴于訓練樣本（過訓練問題）? 泛化能力的重要性? 識別系統(tǒng)魯棒性PagePage115經(jīng)驗風險及經(jīng)驗風險最小化原則 116指示函數(shù)集合的 VC維 117平面上直線的 VC維Page的增加單調地減少，泛化能力增加。? 在分類器確定后，按照最小經(jīng)驗風險準則具體設計分類器。? 當 n/h小時，盡管經(jīng)驗風險很小，也不能保證較小當實際風險，因為第二項風險可能很大。122支持向量機Support? 在高維空間構造一個具有較小 Page125Page129謝謝觀看 /歡迎下載BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH。127PagePageMachine? 60年代提出的統(tǒng)計學習理論的理論分析直到 92年支持向量機的提出，和 SVM在實際中的應用，才引起人們極大的關注。Page120結構風險最小化歸納準則 119結構風險最小化歸納準則? 模式識別中，分類器形式地選定，就確定兩學習機的 VC維，就確定了其置信范圍，確定了其泛化能力。即：? 置信范圍反映由經(jīng)驗風險最小化準則得到學習機的泛化能力，稱為推廣性的界? 置信范圍和函數(shù)的 VC維 h及訓練樣本數(shù) n有關，隨 ? 指示函數(shù)集合的 VC維（而不是參數(shù)的數(shù)目）是關系著學習機的泛化能力。:– 用基于訓練樣本集的經(jīng)驗風險函數(shù)代替風險函數(shù)： 損失函數(shù)為PageERM是基于最小訓練誤差估計算法；? VC理論導出 ERM準則一致性和快速收斂充要條件 ,109統(tǒng)計學習理論支持向量機Page106三層 BP神經(jīng)網(wǎng)絡的結構 大多數(shù)人工神經(jīng)網(wǎng)絡都采用這種方法 ? 學習方法是人工神經(jīng)網(wǎng)絡研究中的核心問題權值確定Page100神經(jīng) 網(wǎng)絡 的典型結構 97(a)閾值單元 (b)線性單元(c) Sigmoid函數(shù) (d)非線性單元： Page94人工神經(jīng)網(wǎng)絡 91 生物神經(jīng)元示意圖 Page88PagePage? 3)變異 84遺傳操作? 2)雜交 根據(jù)達爾文適者生存的進化原則，個體的適合度越高，被選擇復制的機會就越大。1)復制 運行參數(shù)的控制；216。82遺傳 編程應用步驟在實際應用中，遺傳編程需要五個主要的準備步驟：216。Programming? 美國斯坦佛大學的 Koza在遺傳算法基礎上提出了用層次化的計算機程序來表達問題的遺傳編程方法。指數(shù)比例法： b線性比例法： g（ x）＝ ai）應使用能易于產(chǎn)生與所求問題相關的且具有低階、短定義長度模式的編碼方案N— 群體規(guī)模Page?pmpc：雜交概率，一般取 ～ ?T：遺傳算法的終止進化代數(shù)，一般取 100～ 500Page應用遺傳算法求解問題需完成四個主要步驟：、 000變異算子相對而言，是次要算子，但在恢復群體中失去的多樣性方面具有潛在的作用。01073使用 復制和雜交算子 的作用結果遺傳算法利用復制和雜交算子可以產(chǎn)生具有更高平均適應值和更好個體的群體Page|01b）配對的兩個串相互對應的交換從 i＋ 1到 l的位段例如：從交配池中選擇編號為 1和 2的串進行配對，且雜交點選在 2（用分隔符 |表示），雜交算子作用的結果為：72 ：采用一點雜交作用過程： a）產(chǎn)生一個在 1到 l－ 1之間的隨機數(shù) iPage串長 和漢堡包一起供應的應該是酒還是可樂？（ 3）服務速度 68遺傳算法的描述例子 ： 為四個連鎖飯店尋找最好的經(jīng)營決策，其中一個經(jīng)營飯店的決策包括要做出以下三項決定：（ 1）價格 65模糊關系矩陣? Fuzzy relationship matrix R? 各根軸的模糊特征向量的隸屬度：?k(L1) = [, , , , , ]?k(L2) = [, , , , , ]?k(L3) = [, , , , , ]Page62模糊診斷實例 FUZZY DIAGNOSIS EXAMPLE
教學課件相關推薦
鄂ICP備17016276號-1