人工智能建模方法(ppt30頁(yè))-免費(fèi)閱讀
【正文】 例如：用機(jī)理模型確定神經(jīng)元網(wǎng)絡(luò)的某些固定參數(shù)；用基于知識(shí)的系統(tǒng)確定機(jī)理模型中的某些經(jīng)驗(yàn)參數(shù)。 ? 模型使用 。其基本思想是，將樣本數(shù)據(jù)輸入輸入端，逐層計(jì)算網(wǎng)絡(luò)輸出，將網(wǎng)絡(luò)輸出與標(biāo)準(zhǔn)優(yōu)化鉆壓相比較。表 4為在實(shí)際生產(chǎn)中收集到的樣本數(shù)據(jù)。 要實(shí)現(xiàn)鉆壓優(yōu)化自動(dòng)送鉆，首先必須建立鉆壓優(yōu)化模型。檢驗(yàn)用的數(shù)據(jù)樣本一般也從收集到的樣本中獲得，可以將收集的樣本分為兩部分，一部分用于網(wǎng)絡(luò)訓(xùn)練，一部分用于網(wǎng)絡(luò)的檢驗(yàn)。 根據(jù)問(wèn)題需要和實(shí)際問(wèn)題的特點(diǎn)，確定網(wǎng)絡(luò)類型、網(wǎng)絡(luò)層數(shù)、每層的節(jié)點(diǎn)數(shù)等。將模型得到的結(jié)果與實(shí)測(cè)的電流效率進(jìn)行比較，驗(yàn)證模型的正確性和可靠性。然后利用模糊語(yǔ)言去逐個(gè)匹配產(chǎn)生式規(guī)則的前提部分。通過(guò)電解槽中冷卻系統(tǒng)的作用，電解液的溫度一般變化不大，因此，在建立模型時(shí)不必考慮。 ? 在生產(chǎn)率和電解電壓一定的條件下，要降低電能消耗，關(guān)鍵是提高電流效率。采用通用語(yǔ)言、數(shù)據(jù)庫(kù)或者是商品化的專家系統(tǒng)開發(fā)工具，對(duì)該模型加以實(shí)現(xiàn)。 ① 明確建模對(duì)象和目的 。 ? 缺點(diǎn)： ? 缺乏透明性。 ? 主要學(xué)習(xí)方法： ? 在神經(jīng)元網(wǎng)絡(luò)設(shè)計(jì)中，直接利用訓(xùn)練樣本數(shù)據(jù)計(jì)算網(wǎng)絡(luò)權(quán)值； ? 在神經(jīng)元網(wǎng)絡(luò)設(shè)計(jì)時(shí)先將網(wǎng)絡(luò)權(quán)值取為任意值，然后將訓(xùn)練樣本輸入神經(jīng)元網(wǎng)絡(luò)，通過(guò)不斷調(diào)整網(wǎng)絡(luò)權(quán)值，使神經(jīng)元網(wǎng)絡(luò)的輸出接近于理想輸出。 ? 關(guān)鍵問(wèn)題 1 ： 網(wǎng)絡(luò)結(jié)構(gòu) 確定網(wǎng)絡(luò)中神經(jīng)元的個(gè)數(shù)和神經(jīng)元之間的連接方式 。 2）存在“組合爆炸”問(wèn)題。 基于知識(shí)的人工智能系統(tǒng) ? 優(yōu)點(diǎn)： 1） 表達(dá)能力強(qiáng)。 舉例 ——做饅頭用過(guò)程表示表示為： {和面、定型、蒸、起鍋 }。 基于知識(shí)的人工智能系統(tǒng) Artificial Intelligent System Based on Knowledge ? 一種從功能角度來(lái)模擬人類（特別是各領(lǐng)域?qū)＜遥┲悄艿姆椒ǎ卜Q為專家系統(tǒng)、符號(hào)主義或邏輯主義。 ? 專家之所以具有智能，能認(rèn)識(shí)和解決某一領(lǐng)域內(nèi)的實(shí)際問(wèn)題，關(guān)鍵在于專家具備該領(lǐng)域內(nèi)的各種 知識(shí) （常識(shí)、書本知識(shí)和實(shí)際工作中積累的經(jīng)驗(yàn)），并且能夠運(yùn)用這些知識(shí)進(jìn)行適當(dāng)?shù)耐评?。 基于知識(shí)的人工智能系統(tǒng) ? 關(guān)鍵問(wèn)題 2： 推理方法 ? 研究機(jī)器如何模擬人類進(jìn)行知識(shí)選擇并運(yùn)用這些知識(shí)分析和解決實(shí)際問(wèn)題?？梢员磉_(dá)難以用數(shù)學(xué)公式來(lái)描述的復(fù)雜、定性的經(jīng)驗(yàn)知識(shí)。對(duì)于復(fù)雜的任務(wù)，知識(shí)庫(kù)將變的異常龐大，推理中對(duì)知識(shí)的搜索和運(yùn)用分支將呈幾何級(jí)數(shù)的增加。 根據(jù)神經(jīng)元網(wǎng)絡(luò)中是否存在從輸出到輸入的反饋和同層神經(jīng)元之間是否相互連接（也稱橫向連接）分為三類： 既無(wú)反饋也無(wú)橫向連接的 前向網(wǎng)絡(luò) 。 該類學(xué)習(xí)方法又可以分為由神經(jīng)元網(wǎng)絡(luò)自身完成輸出誤差確定和網(wǎng)絡(luò)權(quán)值調(diào)整的 “ 無(wú)師學(xué)習(xí) ” 和由網(wǎng)絡(luò)外的其它裝置完成輸出誤差確定和網(wǎng)絡(luò)權(quán)值調(diào)整的 “ 有師學(xué)習(xí) ” 。用戶即無(wú)法理解神經(jīng)元網(wǎng)絡(luò)中存儲(chǔ)的知識(shí)，也無(wú)法了解神經(jīng)元網(wǎng)絡(luò)的推理過(guò)程。 ② 選擇影響因素 。 ⑦ 模型的驗(yàn)證 。而要提高電流效率，首先必須建立鋅電解過(guò)程工藝參數(shù)與電流效率間的模型，然后通過(guò)優(yōu)化方法，不斷調(diào)整工藝參數(shù)，使系統(tǒng)運(yùn)行在電流效率較高的狀態(tài)，從而達(dá)到減少電能消耗的目的。 3） 收集資料 。當(dāng)前提部分完全匹配時(shí)，利用該規(guī)則的結(jié)論部分的經(jīng)驗(yàn)公式，即可得到該工藝參數(shù)對(duì)應(yīng)的電流效率。經(jīng)過(guò)驗(yàn)證的模型即可用于工藝參數(shù)的優(yōu)化。同時(shí)利用軟件或硬件對(duì)神經(jīng)元網(wǎng)絡(luò)加以實(shí)現(xiàn)。 ? 模型的應(yīng)用。實(shí)際生產(chǎn)中已積累了大量的關(guān)于最優(yōu)鉆壓和鉆壓影響因素之間關(guān)系的實(shí)測(cè)數(shù)據(jù)，并且最優(yōu)鉆壓和鉆壓影響因素之間呈現(xiàn)明顯的非線性關(guān)系，因此，鉆壓優(yōu)化模型適合于用神經(jīng)元網(wǎng)絡(luò)來(lái)建立。 4. 人工神經(jīng)網(wǎng)絡(luò)建模示例 表 4 樣本數(shù)據(jù)集 編號(hào) 鉆頭 直徑 (mm) 下鉆 井深 (m) 起鉆 井深 (m)
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1