機械故障診斷6(文件)
【正文】 過程中的有關(guān)知識并用于指導(dǎo)優(yōu)化，自適應(yīng)地調(diào)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(fù)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(fù)制操作的目的是為了從當(dāng)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(luò)? 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(gòu)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(yīng)函數(shù)人工神經(jīng)元的響應(yīng)函數(shù) Page101? 權(quán)值確定? Hebb學(xué)習(xí)規(guī)則? 誤差校正（糾錯）學(xué)習(xí)規(guī)則? 相近（無教師）學(xué)習(xí)規(guī)則神經(jīng)網(wǎng)絡(luò)基本學(xué)習(xí)算法Page104? 用已知樣本作為教師對網(wǎng)絡(luò)進行學(xué)習(xí)? 學(xué)習(xí)規(guī)則可由二次誤差函數(shù)的梯度法導(dǎo)出? 誤差校正學(xué)習(xí)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(xùn)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(xùn)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(guān)聯(lián)的未知參數(shù)太大；– 分類器優(yōu)化過于依賴于訓(xùn)練樣本（過訓(xùn)練問題）? 泛化能力的重要性? 識別系統(tǒng)魯棒性PagePage115經(jīng)驗風(fēng)險及經(jīng)驗風(fēng)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(diào)地減少，泛化能力增加。? 在分類器確定后，按照最小經(jīng)驗風(fēng)險準則具體設(shè)計分類器。? 當(dāng) n/h小時，盡管經(jīng)驗風(fēng)險很小，也不能保證較小當(dāng)實際風(fēng)險，因為第二項風(fēng)險可能很大。122支持向量機Support? 在高維空間構(gòu)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(xué)習(xí)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(yīng)用，才引起人們極大的關(guān)注。Page120結(jié)構(gòu)風(fēng)險最小化歸納準則 119結(jié)構(gòu)風(fēng)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(xué)習(xí)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(fēng)險最小化準則得到學(xué)習(xí)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(xùn)練樣本數(shù) n有關(guān)，隨 ? 指示函數(shù)集合的 VC維（而不是參數(shù)的數(shù)目）是關(guān)系著學(xué)習(xí)機的泛化能力。:– 用基于訓(xùn)練樣本集的經(jīng)驗風(fēng)險函數(shù)代替風(fēng)險函數(shù)： 損失函數(shù)為PageERM是基于最小訓(xùn)練誤差估計算法；? VC理論導(dǎo)出 ERM準則一致性和快速收斂充要條件 ,109統(tǒng)計學(xué)習(xí)理論支持向量機Page106三層 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 大多數(shù)人工神經(jīng)網(wǎng)絡(luò)都采用這種方法 ? 學(xué)習(xí)方法是人工神經(jīng)網(wǎng)絡(luò)研究中的核心問題權(quán)值確定Page100神經(jīng) 網(wǎng)絡(luò) 的典型結(jié)構(gòu) 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(luò) 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(fù)制的機會就越大。1)復(fù)制 運行參數(shù)的控制；216。82遺傳 編程應(yīng)用步驟在實際應(yīng)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(xué)的 Koza在遺傳算法基礎(chǔ)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(yīng)使用能易于產(chǎn)生與所求問題相關(guān)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(yīng)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(fù)群體中失去的多樣性方面具有潛在的作用。01073使用 復(fù)制和雜交算子 的作用結(jié)果遺傳算法利用復(fù)制和雜交算子可以產(chǎn)生具有更高平均適應(yīng)值和更好個體的群體Page|01b）配對的兩個串相互對應(yīng)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(jié)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(yīng)的應(yīng)該是酒還是可樂？（ 3）服務(wù)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(guān)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(xué)課件相關(guān)推薦
鄂ICP備17016276號-1