物理]智能控制第5章神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)-資料下載頁
2025-01-04 13:34本頁面
【正文】 學(xué)習(xí)和再勵學(xué)習(xí) 常用的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式： （ 1）有導(dǎo)師學(xué)習(xí) 監(jiān)督學(xué)習(xí) Supervised Learning — 例如 BP — 有明確的“教師”信號 神經(jīng)網(wǎng)絡(luò) 比較 輸入 實(shí)際輸出 期望輸出 （ 2）無導(dǎo)師學(xué)習(xí) 無監(jiān)督學(xué)習(xí) Unsupervised Learning — 沒有任何“教師”信號 — 只是通過輸入數(shù)據(jù)的內(nèi)部信息 相當(dāng)自組織這類方法。 神經(jīng)網(wǎng)絡(luò) 輸入 實(shí)際輸出 （ 3）再勵學(xué)習(xí) Reinforcement Learning 源于心理學(xué) 神經(jīng)網(wǎng)絡(luò) 1 環(huán)境 輸入 輸出 神經(jīng)網(wǎng)絡(luò) 2 神經(jīng)網(wǎng)絡(luò)的工作方式： 學(xué)習(xí)階段 —— 修改權(quán)值 工作階段 —— 計算單元變化 1． Hebb學(xué)習(xí)規(guī)則 是 Donall Hebb根據(jù)生理學(xué)中條件反射機(jī)理，于 1949年提出的神經(jīng)元連接強(qiáng)度變化的規(guī)則。 如果兩個神經(jīng)元同時興奮 (即同時被激活 )，則它們之間的突觸連接加強(qiáng)。 Hebb學(xué)習(xí)規(guī)則是一種無導(dǎo)師學(xué)習(xí)的方法，稱為相關(guān)學(xué)習(xí)或并聯(lián)學(xué)習(xí)，是人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基本規(guī)則，幾乎所有神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則都可以看作 Hebb學(xué)習(xí)規(guī)則的變形 。 ? ? ? ? jiijij IIkk ??? ?? 1是用已知樣本作為教師對網(wǎng)絡(luò)進(jìn)行學(xué)習(xí) 。 主要利用誤差： ek=dk yk 學(xué)習(xí)目的是通過調(diào)整權(quán)值，使某一基于 ek的目標(biāo)函數(shù)達(dá)到最小 ]21[ 2??kkeE如：常用的目標(biāo)函數(shù)是均方誤差判據(jù) 2． Delta學(xué)習(xí)規(guī)則 ? ????????pppppppEydE12121? ?pTp XWfy ?可用梯度下降法對權(quán)值 W求導(dǎo)，得 ??????ppippppi Xfydw1)()( ??22jjE????????3）競爭學(xué)習(xí)規(guī)則 在競爭學(xué)習(xí)時，網(wǎng)絡(luò)各輸出單元相互競爭，最后達(dá)到只有一個最強(qiáng)者激活。 )( ijjij wxw ??? ? 神經(jīng)網(wǎng)絡(luò)特征及要素 特征： ?能逼近任意非線性函數(shù) ?信息的并行分布式處理與存儲 ?可以多輸入、多輸出 ?便于用超大規(guī)模集成電路、光學(xué)集成電路系統(tǒng)和計算機(jī)實(shí)現(xiàn) ?能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化 三要素 ?神經(jīng)元的特性 ?神經(jīng)元之間相互連接的拓?fù)浣Y(jié)構(gòu) ?為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則 神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域 系統(tǒng)辨識 神經(jīng)網(wǎng)絡(luò)控制器 與其他算法結(jié)合設(shè)計新型控制系統(tǒng) 優(yōu)化計算 ?．神經(jīng)網(wǎng)絡(luò)在目前的應(yīng)用領(lǐng)域 1．控制理論及其應(yīng)用設(shè)計 神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)設(shè)計主要是針對系統(tǒng)的非線形、不確定性和復(fù)雜性進(jìn)行的。由于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力、并行處理能力和超強(qiáng)的魯棒性，使得采用神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)具有更快的計算速度（實(shí)時性）、更強(qiáng)的適應(yīng)能力和更好的魯棒性。 ?2．基于神經(jīng)網(wǎng)絡(luò)的故障診斷 神經(jīng)網(wǎng)絡(luò)技術(shù)的出現(xiàn)，為故障診斷問題提供了一種新的解決途徑，特別是對于在實(shí)際中難以建立數(shù)學(xué)模型的復(fù)雜系統(tǒng)，神經(jīng)網(wǎng)絡(luò)更顯示出其獨(dú)特的作用。 ? 3．基于神經(jīng)網(wǎng)絡(luò)的模糊控制 模糊控制器自 1974年問世以來，其基本設(shè)計方法一直沒有大的變化。它的基本設(shè)計思想就是借助人工操作的經(jīng)驗(yàn)，通過合成關(guān)系，把輸入的模糊量和關(guān)系矩陣合成，推導(dǎo)出控制量。近年來，隨著神經(jīng)網(wǎng)絡(luò)理論的迅速發(fā)展，一些研究人員嘗試將神經(jīng)網(wǎng)絡(luò)引入到模糊控制器中，取得了不錯的效果，控制器性能得到了進(jìn)一步的提高?？梢哉f，將模糊控制和神經(jīng)網(wǎng)絡(luò)兩者結(jié)合組成的神經(jīng)網(wǎng)絡(luò)模糊控制技術(shù)是控制理論研究者們關(guān)注的焦點(diǎn)之一。 ? 4．基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)噪聲抵消技術(shù) 自 1986年開始，神經(jīng)網(wǎng)絡(luò)隨著反向傳播技術(shù)的的出現(xiàn)而得到復(fù)興，此后神經(jīng)網(wǎng)絡(luò)的研究再度掀起高潮，由于神經(jīng)網(wǎng)絡(luò)具有高度并行性、很強(qiáng)的非線性、變換能力和學(xué)習(xí)能力，因此具有巨大的應(yīng)用潛力，也為自適應(yīng)非線性濾波提供了一種全新的思路和方法。 ?5．基于神經(jīng)網(wǎng)絡(luò)的預(yù)測 神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)預(yù)測這方面顯示出了明顯的優(yōu)越性。由于神經(jīng)網(wǎng)絡(luò)具有通過學(xué)習(xí)逼近任意非線性映射的能力，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)的建模與辨識，可以不受非線性模型的限制，便于給出工程上易于實(shí)現(xiàn)的學(xué)習(xí)算法。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1