人工智能建模方法(ppt30頁)-在線瀏覽
2025-03-24 15:13本頁面
【正文】 生改變，神經(jīng)元之間的連接方式和連接強度顯示了人類對知識的記憶過程。 ? 關(guān)鍵問題 1 ： 網(wǎng)絡(luò)結(jié)構(gòu) 確定網(wǎng)絡(luò)中神經(jīng)元的個數(shù)和神經(jīng)元之間的連接方式 。前向網(wǎng)絡(luò)可以識別存儲過的模式并能逼近任意函數(shù)，主要用于解決識別和逼近問題。 反饋網(wǎng)絡(luò)能夠從局部信息中識別存儲模式并且反饋網(wǎng)絡(luò)能夠向能量最低的狀態(tài)演化，因此反饋網(wǎng)絡(luò)主要用于聯(lián)想記憶和優(yōu)化問題求解。競爭網(wǎng)絡(luò)通過同層神經(jīng)元之間的競爭可以實現(xiàn)輸入模式的自動分類。 ? 主要學(xué)習(xí)方法： ? 在神經(jīng)元網(wǎng)絡(luò)設(shè)計中，直接利用訓(xùn)練樣本數(shù)據(jù)計算網(wǎng)絡(luò)權(quán)值； ? 在神經(jīng)元網(wǎng)絡(luò)設(shè)計時先將網(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。 人工神經(jīng)網(wǎng)絡(luò) ? 優(yōu)點： ? 具有自學(xué)習(xí)、自組織、自適應(yīng)能力。 ? 強的擬合能力。 ? 黑箱性。 ? 缺點： ? 缺乏透明性。 ? 設(shè)計理論尚不完善。 ? 學(xué)習(xí)方法仍然存在問題。 ? 定義：基于知識的人工智能建模就是采用基于知識的人工智能方法對實際系統(tǒng)或系統(tǒng)的某一部分進行描述和表達的一種方法。 ① 明確建模對象和目的 。 ③ 收集資料 。 對收集的知識和經(jīng)驗，選擇適宜的知識表達方法。根據(jù)實際問題求解的需要，選擇合適的推理方式。采用通用語言、數(shù)據(jù)庫或者是商品化的專家系統(tǒng)開發(fā)工具，對該模型加以實現(xiàn)。通過不斷的實驗和改進，以保證模型的正確性。經(jīng)過驗證達到要求的精度和可靠性后，該模型就可以運用于實際生產(chǎn)中，發(fā)揮模型的優(yōu)化、預(yù)測、控制、識別、證實等功能。也是一個大的耗能過程 。 ? 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。 ? 電解中工藝參數(shù)與電流效率之間的關(guān)系錯綜復(fù)雜，非線性明顯，無法從反應(yīng)機理上分析求得它們之間的數(shù)學(xué)關(guān)系。 1）建模對象與目的 ：建模對象為鋅電解過程中工藝參數(shù)與電流效率之間的關(guān)系。 2） 選擇影響因素 。通過電解槽中冷卻系統(tǒng)的作用，電解液的溫度一般變化不大，因此，在建立模型時不必考慮。通過翻閱該廠的操作手冊并和操作人員交流，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 電流效率的計算公式 鋅酸比 Ra/z 電流密度 DK 電流效率 η 的經(jīng)驗計算公式 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 =++ 對于其中鋅酸比 Ra/z和電流密度 DK的模糊語言變量都可以采用如下隸屬函數(shù)形式 : ]2exp[)( 22)(?cxxf ???這些模糊語言變量隸屬函數(shù)的參數(shù)見表 2 表 2 模糊語言變量隸屬函數(shù)的參數(shù) 輸入變量 鋅酸比 Ra/z 語言變量 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） 選擇知識表達方式 。例如第一條知識用產(chǎn)生式規(guī)則表示為： IF 鋅酸比很小 AND 電流密度較小 THEN 電流效率 η=++ 5） 選擇推理方式 。 具體的推理過程是：首先根據(jù)實測的一對工藝參數(shù)（鋅酸比 Ra/z和電流密度DK）分別帶入隸屬函數(shù)表達式，計算模糊語言變量的隸屬度。然后利用模糊語言去逐個
試題試卷相關(guān)推薦
鄂ICP備17016276號-1