1、第第6 6章章 模糊控制從人的經驗出發，解模糊控制從人的經驗出發，解決了智能控制中人類語言的描述和決了智能控制中人類語言的描述和推理問題，尤其是一些不確定性語推理問題，尤其是一些不確定性語言的描述和推理問題，從而在機器言的描述和推理問題，從而在機器模擬人腦的感知、推理等智能行為模擬人腦的感知、推理等智能行為方面邁出了重大的一步。方面邁出了重大的一步。 模糊控制在處理數值數據、自學習模糊控制在處理數值數據、自學習能力等方面還遠沒有達到人腦的境界。能力等方面還遠沒有達到人腦的境界。人工神經網絡從另一個角度出發，即從人工神經網絡從另一個角度出發，即從人惱的生理學和心理學著手，通過人工人惱的生理學和心

2、理學著手，通過人工模擬人腦的工作機理來實現機器的部分模擬人腦的工作機理來實現機器的部分智能行為。智能行為。 6.1 神經元具有如下功能：神經元具有如下功能： (1)興奮與抑制：如果傳入神經元的沖興奮與抑制：如果傳入神經元的沖動經整和后使細胞膜電位升高，超過動經整和后使細胞膜電位升高，超過動作電位的閾值時即為興奮狀態，產動作電位的閾值時即為興奮狀態，產生神經沖動，由軸突經神經末梢傳出。生神經沖動，由軸突經神經末梢傳出。如果傳入神經元的沖動經整和后使細如果傳入神經元的沖動經整和后使細胞膜電位降低，低于動作電位的閾值胞膜電位降低，低于動作電位的閾值時即為抑制狀態，不產生神經沖動。時即為抑制狀態，不產

3、生神經沖動。 (2)學習與遺忘：由于神經元結構的可塑學習與遺忘：由于神經元結構的可塑性，突觸的傳遞作用可增強和減弱，因性，突觸的傳遞作用可增強和減弱，因此神經元具有學習與遺忘的功能。此神經元具有學習與遺忘的功能。 決定神經網絡模型性能三大要素為：決定神經網絡模型性能三大要素為： (1)神經元（信息處理單元）的特性；神經元（信息處理單元）的特性； (2)神經元之間相互連接的形式神經元之間相互連接的形式拓撲結拓撲結構；構； (3)為適應環境而改善性能的學習規則。為適應環境而改善性能的學習規則。 (3) (3) 自組織網絡自組織網絡 網絡結構如圖所示。網絡結構如圖所示。KohonenKohonen網

4、絡是最典型的網絡是最典型的自組織網絡。自組織網絡。KohonenKohonen認為，當神經網絡在接受外認為，當神經網絡在接受外界輸入時，網絡將會分成不同的區域，不同區域具界輸入時，網絡將會分成不同的區域，不同區域具有不同的響應特征，即不同的神經元以最佳方式響有不同的響應特征，即不同的神經元以最佳方式響應不同性質的信號激勵，從而形成一種拓撲意義上應不同性質的信號激勵，從而形成一種拓撲意義上的特征圖，該圖實際上是一種非線性映射。這種映的特征圖，該圖實際上是一種非線性映射。這種映射是通過無監督的自適應過程完成的，所以也稱為射是通過無監督的自適應過程完成的，所以也稱為自組織特征圖。自組織特征圖。 Ko

5、honenKohonen網絡通過無導師的學習方式進行權值網絡通過無導師的學習方式進行權值的學習，穩定后的網絡輸出就對輸入模式生成自的學習，穩定后的網絡輸出就對輸入模式生成自然的特征映射，從而達到自動聚類的目的。然的特征映射，從而達到自動聚類的目的。輸出節點輸入0 x1x2x圖圖 自組織神經網絡自組織神經網絡jiijijIIkwkw)() 1(其中，其中，為連接從神經元為連接從神經元到神經元到神經元的的當前權值，當前權值，和和為神經元的激活水平。為神經元的激活水平。Hebb學習規則是一種無教師的學習方學習規則是一種無教師的學習方法，它只根據神經元連接間的激活水平改法，它只根據神經元連接間的激活水

6、平改變權值，因此，這種方法又稱為相關學習變權值，因此，這種方法又稱為相關學習或并聯學習。或并聯學習。)(kwijijiIjIPppPpppEydE112)(21pdpy)(ppWXfy WTnwwwW, 1, 0pXTpnpppxxxX,10Pp, 2 , 1iWEWPpipiWEWE1221pppydEppWxippppipppppipppipXfydXyyEWEWE)( )(PpippppiXfydW1)( )(6.5 6.5 神經網絡特征神經網絡特征 神經網絡具有以下幾個特征：神經網絡具有以下幾個特征：（1 1）能逼近任意非線性函數；）能逼近任意非線性函數；（2 2）信息的并行分布式處理

7、與存儲；）信息的并行分布式處理與存儲；(3) (3) 可以多輸入、多輸出；可以多輸入、多輸出；（4 4）便于用超大規模集成電路（）便于用超大規模集成電路（VISIVISI）或光）或光學集成電路系統實現，或用現有的計算機技學集成電路系統實現，或用現有的計算機技術實現；術實現；（5 5）能進行學習，以適應環境的變化。）能進行學習，以適應環境的變化。6.6神經網絡控制的研究領域神經網絡控制的研究領域 1 1 基于神經網絡的系統辨識基于神經網絡的系統辨識 將神經網絡作為被辨識系統的模型，可在已知將神經網絡作為被辨識系統的模型，可在已知常規模型結構的情況下，估計模型的參數。常規模型結構的情況下，估計模型

8、的參數。 利用神經網絡的線性、非線性特性，可建立線利用神經網絡的線性、非線性特性，可建立線性、非線性系統的靜態、動態、逆動態及預測性、非線性系統的靜態、動態、逆動態及預測模型，實現非線性系統的建模和辨識。模型，實現非線性系統的建模和辨識。(2) (2) 神經網絡控制器神經網絡控制器 神經網絡作為實時控制系統的控制器，對不神經網絡作為實時控制系統的控制器，對不確定、不確知系統及擾動進行有效的控制，使控確定、不確知系統及擾動進行有效的控制，使控制系統達到所要求的動態、靜態特性。制系統達到所要求的動態、靜態特性。 (3) (3) 神經網絡與其他算法相結合神經網絡與其他算法相結合 將神經網絡與專家系統、模糊邏輯、遺傳算法將神經網絡與專家系統、模糊邏輯、遺傳算法等相結合，可設計新型智能控制系統。等相結合，可設計新型智能控制系統。(4) (4) 優化計算優化計算 在常規的控制系統中，常遇到求解約束優化問在常規的控制系統中，常遇到求解約束優化問題，神經網絡為這類問題的解決提供了有效的途題，神經網絡為這類問題的解決提供了有效的