【正文】 ②代數(shù)積算子③ 有界積算子 2）并運算算子 設(shè)C=A∪B，有三種模糊算子：①模糊并算子 ②概率或算子 ③ 有界和算子 模糊關(guān)系 設(shè)有一組同學X，X={張三，李四，王五}，他們的功課為Y，Y={英語，數(shù)學，物理，化學}。他們的考試成績?nèi)缦卤恚? 將上表寫成矩陣形式，得R： 該矩陣稱作模糊矩陣，其中各個元素必須在[0，1]閉環(huán)區(qū)間上取值。矩陣R也可以用關(guān)系圖來表示，如圖所示。模糊矩陣運算 設(shè)有n階模糊矩陣A和B， ， ，且 。則定義如下幾種模糊矩陣運算方式： 例310 設(shè) 例 311 設(shè) 則A和B的合成為： 模糊控制 模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制 方 方法，它是從行為上模仿人的模糊推理和決策過程的一種智能控制方法 模糊控制器 也稱為模糊邏輯控制器,由于所采用的模糊控制規(guī)則是由模糊理論中模糊條件語句來描述的，因此模糊控制器是一種語言型控制器，故也稱為模糊語言控制器 模糊控制系統(tǒng)分類 1 、按信號的時變特性分類 （1）恒值模糊控制系統(tǒng) 系統(tǒng)的指令信號為恒定值 如溫度模糊控制系統(tǒng)。2）隨動模糊控制系統(tǒng) 系統(tǒng)的指令信號為時間函數(shù)，要求系統(tǒng)的輸出高精度、快速地跟蹤系統(tǒng)輸入 2 、按模糊控制的線性特性分類 設(shè)k0為一經(jīng)驗值，則定義模糊系統(tǒng)的線性特性為：（1）當 時，S為線性模糊系統(tǒng)；（2）當 時，S為非線性模糊系統(tǒng)。 按靜態(tài)誤差是否存分類（1） 有差模糊控制系統(tǒng) （2）無差模糊控制系統(tǒng) 4 、按系統(tǒng)輸入變量的多少分類 控制輸入個數(shù)為1的系統(tǒng)為單變量模糊控制系統(tǒng)，控制輸入個數(shù)1的系統(tǒng)為多變量模糊控制系統(tǒng)。 模糊控制的應用模糊控制在家電中的應用(1)模糊電視機(2) 模糊空調(diào)(3) 模糊微波爐(4) 模糊洗衣機(5) 模糊電動剃刀 模糊控制在過程控制中的應用 (1)工業(yè)爐 (2)石化 (3)煤礦 (4)食品加工行業(yè) 自適應模糊控制有兩種不同的形式：1)直接自適應模糊控制:根據(jù)實際系統(tǒng)性能與理想性能之間的偏差，通過一定的方法來直接調(diào)整控制器的參數(shù)；(2)間接自適應模糊控制:通過在線辨識獲得控制對象的模型，然后根據(jù)所得模型在線設(shè)計模糊控制器。神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ) 人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)，Neural Network）是模擬人腦思維方式的數(shù)學模型。神經(jīng)網(wǎng)絡(luò)發(fā)展歷史 1 啟蒙期 , 《心理學》，討論了腦的結(jié)構(gòu)和功能。，即MP模型（第一個神經(jīng)網(wǎng)絡(luò)模型）。2 低潮期 3 復興期 1982年Hoppield提出了Hoppield神經(jīng)網(wǎng)絡(luò)模型，該模型通過引入能量函數(shù)，實現(xiàn)了問題優(yōu)化求解 1986年Rumelhart和McCelland提出了多層神經(jīng)網(wǎng)絡(luò)模型，即BP網(wǎng)絡(luò)。該網(wǎng)絡(luò)是迄今為止應用最普遍的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)主要應用領(lǐng)域有：模式識別與圖象處理、控制與優(yōu)化、預測與管理、通信等。 神經(jīng)元由三部分構(gòu)成 （1）細胞體（主體部分）：包括細胞質(zhì)、細胞膜和細胞核；（2）樹突：用于為細胞體傳入信息；（3）軸突：為細胞體傳出信息，其末端是軸突末梢，含傳遞信息的化學物質(zhì)；（4）突觸：是神經(jīng)元之間的接口（104~105個/每個神經(jīng)元）。通過樹突和軸突，神經(jīng)元之間實現(xiàn)了信息的傳遞。 神經(jīng)元具功能 (1)興奮與抑制 (2)學習與遺忘 神經(jīng)網(wǎng)絡(luò)模型性能三大要素 1) 神經(jīng)元（信息處理單元）的特性；(2)神經(jīng)元之間相互連接的形式—拓撲結(jié)構(gòu)；(3)為適應環(huán)境而改善性能的學習規(guī)則。 神經(jīng)網(wǎng)絡(luò)的分類 根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式 （1）前向網(wǎng)絡(luò) （2）反饋網(wǎng)絡(luò) 3) 自組織網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)學習算法 按有無導師分類，可分為有教師學習、無教師學習\再勵學習 最基本的神經(jīng)網(wǎng)絡(luò)學習算法： Hebb學習規(guī)則是一種無教師的學習方法，它只根據(jù)神經(jīng)元連接間的激活水平改變權(quán)值，因此，這種方法又稱為相關(guān)學習或并聯(lián)學習。 Delta（δ）學習規(guī)則神經(jīng)網(wǎng)絡(luò)特征 1）能逼近任意非線性函數(shù)；（2）信息的并行分布式處理與存儲；(3) 可以多輸入、多輸出；（4）便于用超大規(guī)模集成電路（VISI）或光學集成電路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機技術(shù)實現(xiàn)；（5）能進行學習，以適應環(huán)境的變化。典型神經(jīng)網(wǎng)絡(luò) 單神經(jīng)元網(wǎng)絡(luò) 圖中 為神經(jīng)元的內(nèi)部狀態(tài)， 為閾值， 為輸入信號， , 為表示從單元 到單元 的連接權(quán)系數(shù)， 為外部輸入信號。單神經(jīng)元模型可描述為： 通常情況下，取 即常用的神經(jīng)元非線性特性有以下四種 （1）閾值型 （3）Sigmoid函數(shù)型 （2）分段線性型 THANKS !!!致力為企業(yè)和個人提供合同協(xié)議，策劃案計劃書，學習課件等等打造全網(wǎng)一站式需求歡迎您的下載，資料僅供參考可編輯修改