江西理工大学研究生考试试卷神经网络与模糊控制.docVIP

江西理工大学研究生考试试卷 20______—20_______ 学年第_________学期 课程名称：______________________________ 考试时间:___________ 年______月______日 考试性质（正考、补考或其它）：[ ] 考试方式(开卷、闭卷)：[ ] 试卷类别(A、B):[ ] 共 大题 温 馨 提 示 请考生自觉遵守考试纪律，争做文明诚信的大学生。如有违犯考试纪律，将严格按照《江西理工大学学生违纪处分规定》（试行）处理。 专业 学号 姓名 题号 一 二 三 四 五 六 七 八 九 十 十一 十二 总 分 得分 一、填空题（每空 1 分，共 20分） 1、神经网络的学习算法分为有 有导师学习 、 无导师学习 和 再励学习 2、神经网络控制器可分为两类： 神经控制 和 神经网络的控制 3、确定隶属函数的方法大致有 模糊统计法 、 主观经验法 和 神经网络法 4、反模糊化的方法有三种： 最大隶属度法 、 中心法 和 加权平均法 5、神经网络控制器按照结构分类有 监督控制 、直接逆控制 、模型参考控制 、 内膜控制 、 自适应线性控制 和 最优决策控制 6、神经元由 树突 、 轴突 和 细胞体 三部分构成。 二、简答题：（每题 5 分，共 30 分） 有哪些比较有名和重要的人工神经网络及其算法？ 自适应线性神经网络—1962年由美国斯坦福大学教授Berhard Widrow 提出的自适应线性元件网络，它是一个由输入层和输出层构成的单层前馈型网络。它采用LMS算法来调整网络的权值和阈值。 BP神经网络—1986年D.E.Rumelhart和J.L.MClelland提出了一种利用误差反向传播训练算法的神经网络，是一种有隐含层的多层前馈网络。BP学习算法的基本原理是梯度最速下降法，它的中心思想是调整权值使网络总误差最小。 径向基神经网络—1985年Powell提出了多变量插值的径向基函数方法。1988年，Broomhead和Lowe首先将RBF应用于神经网络设计，从而构成了RBF神经网络。RBF算法的基本原理是一种局部逼近的神经网络。 2、画出模糊控制原理框图。 3． BP算法的优缺点 BP算法的优点：1.只要有足够多的隐含层和隐节点，BP网络可以逼近任意的非线性映射关系。2.BP网络的学习算法属于全局逼近的方法，因而它具有较好的泛化能力。 BP算法的缺点：1.收敛速度慢。2.局部极值。3.难以确定隐含层和隐节点的个数。 从原理上，只要有足够多的隐含层和隐节点，即可实现复杂的映射关系，但是如何根据特定的问题来具体确定结构尚无很好的方法，人需要凭借经验和试凑。BP网络能够实现输入输出的非线性映射关系，但它并不依赖于模型。其输入与输出之间的关联信息分布地储存于连接权中。由于连接权的个数很多，个别神经元的损坏只对输入输出关系有较小的影响，因此BP网络显示了较好的容错性。 4．考虑论域U={1,2,3,4,5,6,7,8,9,10}和模糊集F：“远大于1的整数”。用模糊集合的三种形式表示F。 Zadeh表示法。用论域中的元素xi与其隶属度μA（xi）按下式表示F，则（假设认为5及以上） F=μA（x1）/1+μA（x2）/2+…+μA（x10）/10=μA（x5）/5+μA（x6）/6+μA（x7）/7+μA（x8）/8+μA（x9）/9+μA（x10）/10 序偶表示法。用论域中的元素xi与其隶属度μA（xi）按下式表示F，则 F={（1，μA（x1）），（2，μA（x2）），…，（10，μA（x10））}={（5，μA（x5）），（6，μA（x6）），（7，μA（x7）），（8，μA（x8）），（9，μA（x9）），（10，μA（x10））} 向量表示法。用论域中的元素xi与其隶属度μA（xi）按下式表示F，则 F=[μA（x1）μA（x2）… μA（x10）]=[ μA（x5）μA（x6）μA（x7）μA（x8）μA（x9）μA（x10）] 5．神经网络用于控制的优越性主要表现在哪些方面？ ? （1）神经网络可是处理那些难以用模型或规则描述的对象；? （2）神经网络采用并行分布式信息处理方式，具有很强的容错性；?? （3）神经网络在本质上是非线性系统，可以实现任意非线性映