人工智能建模方法(ppt30頁(yè))-文庫(kù)吧在線文庫(kù)
【正文】 ? 由結(jié)論出發(fā)，尋找應(yīng)具備條件的 反向推理 ? 綜合使用正向推理和反向推理的 雙向推理 方法。 2）靈活性。 3）精度不高，容錯(cuò)能力差。前向網(wǎng)絡(luò)可以識(shí)別存儲(chǔ)過(guò)的模式并能逼近任意函數(shù)，主要用于解決識(shí)別和逼近問(wèn)題。 人工神經(jīng)網(wǎng)絡(luò) ? 優(yōu)點(diǎn)： ? 具有自學(xué)習(xí)、自組織、自適應(yīng)能力。 ? 設(shè)計(jì)理論尚不完善。 ③ 收集資料 。通過(guò)不斷的實(shí)驗(yàn)和改進(jìn)，以保證模型的正確性。 ? 電解中工藝參數(shù)與電流效率之間的關(guān)系錯(cuò)綜復(fù)雜，非線性明顯，無(wú)法從反應(yīng)機(jī)理上分析求得它們之間的數(shù)學(xué)關(guān)系。通過(guò)翻閱該廠的操作手冊(cè)并和操作人員交流，可以得到工藝參數(shù)與電流效率之間的關(guān)系如表 1所示： 表 1 電流效率的計(jì)算公式 鋅酸比 Ra/z 電流密度 DK 電流效率 η 的經(jīng)驗(yàn)計(jì)算公式 很小 較小 η =++ 較大 中等 η = Ra/ DK+ 較小 較大 η = Ra/z++ 非常大 大 η =+ 非常小 很小 η =+ DK+ 很大 小 η =+ 較小 很大 η =+ 大 較小 η =++ 對(duì)于其中鋅酸比 Ra/z和電流密度 DK的模糊語(yǔ)言變量都可以采用如下隸屬函數(shù)形式 : ]2exp[)( 22)(?cxxf ???這些模糊語(yǔ)言變量隸屬函數(shù)的參數(shù)見(jiàn)表 2 表 2 模糊語(yǔ)言變量隸屬函數(shù)的參數(shù) 輸入變量 鋅酸比 Ra/z 語(yǔ)言變量 非常小 很小 小 較小 較大 大 很大 非常大 隸屬函數(shù) 中心C 寬度σ 輸入變量 電流密度 DK 語(yǔ)言變量 很小 小 較小 中等 較大 大 很大 隸屬函數(shù) 中心C 100 150 250 300 500 600 750 寬度σ 4） 選擇知識(shí)表達(dá)方式 。 例如，設(shè)當(dāng)前測(cè)得的鋅酸比 Ra/z和電流密度 DK分別為 ， 252。 4. 人工神經(jīng)網(wǎng)絡(luò)建模 ? 定義：人工神經(jīng)元網(wǎng)絡(luò)建模就是采用人工神經(jīng)元網(wǎng)絡(luò)對(duì)實(shí)際系統(tǒng)或系統(tǒng)的某一部分進(jìn)行描述和表達(dá)的一種方法。 ? 神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練。 經(jīng)過(guò)驗(yàn)證達(dá)到要求的精度和可靠性后，該模型就可以運(yùn)用于實(shí)際生產(chǎn)中。 4. 人工神經(jīng)網(wǎng)絡(luò)建模示例 ? 建模對(duì)象與目的 。該模型為一非線性擬合問(wèn)題，可以采用多層前向網(wǎng)絡(luò)。否則反向計(jì)算各層誤差，然后逐層調(diào)整網(wǎng)絡(luò)權(quán)值，使誤差不斷減少。具體步驟如下：將各個(gè)實(shí)測(cè)的影響因素送入神經(jīng)元網(wǎng)絡(luò)，由神經(jīng)元網(wǎng)絡(luò)計(jì)算優(yōu)化鉆壓，并由控制系統(tǒng)調(diào)節(jié)鉆壓，使鉆壓為當(dāng)前的優(yōu)化鉆壓。值得注意的是由于從理論上講，人工神經(jīng)元網(wǎng)絡(luò)即可以表達(dá)機(jī)理知識(shí)、又可以表達(dá)經(jīng)驗(yàn)知識(shí)，近幾年來(lái)出現(xiàn)了利用神經(jīng)元網(wǎng)絡(luò)進(jìn)行混合建模的研究熱潮。根據(jù)各子系統(tǒng)連接方式的不同，松耦合又可以分為并聯(lián)集成、串聯(lián)集成、嵌套集成。將上述四個(gè)檢驗(yàn)樣本輸入神經(jīng)元網(wǎng)絡(luò)，比較網(wǎng)絡(luò)輸出與樣本理想輸出，如果誤差在允許范圍內(nèi)，則接受該模型。 4. 人工神經(jīng)網(wǎng)絡(luò)建模 ? 選擇神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí)方法并對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行訓(xùn)練。根據(jù)實(shí)際鉆井中獲得的經(jīng)驗(yàn)，鉆壓的選擇一般與下列因素有關(guān)：鉆頭直徑、下鉆井深、起鉆井深、泵的轉(zhuǎn)速、泵壓、泵的排量、鉆速。由于鉆壓與井下?tīng)顩r、鉆井效率、鉆頭壽命等密切相關(guān)，不合理的鉆壓會(huì)導(dǎo)致效率低下，成本上升甚至于鉆井事故的發(fā)生。 輸入非訓(xùn)練樣本數(shù)據(jù)，檢驗(yàn)神經(jīng)元網(wǎng)絡(luò)輸出是否在允許的范圍內(nèi)。 ? 收集樣本數(shù)據(jù)。該模型比較簡(jiǎn)單，可采用通用程序語(yǔ)言的方式加以實(shí)現(xiàn)。 具體的推理過(guò)程是：首先根據(jù)實(shí)測(cè)的一對(duì)工藝參數(shù)（鋅酸比 Ra/z和電流密度DK）分別帶入隸屬函數(shù)表達(dá)式，計(jì)算模糊語(yǔ)言變量的隸屬度。 2） 選擇影響因素 。也是一個(gè)大的耗能過(guò)程 。根據(jù)實(shí)際問(wèn)題求解的需要，選擇合適的推理方式。 ? 定義：基于知識(shí)的人工智能
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1