神經網絡控制2012年5月14日智能控制神經網絡控制模糊邏輯控制專家控制學習控制分層遞階智能控制考核方式出勤:30%試卷成績:40%答辯成績:30%主要參考書6.李人厚等編《智能控制理論和方法》，西安電子科技大學出版社，19992.孫增圻等編著《智能控制理論與技術》，清華大學出版社，19973.李士勇等著《模糊控制、神經控制和智能控制論》，哈爾濱工業大學出版社，19981.徐麗娜編《神經網絡控制》，哈爾濱工業大學出版社，19994.易繼鎧等編《智能控制技術》，北京工業大學出版社，19995.胡守仁等《神經網絡導論》，國防科技大學出版社，19953.1概述3.1.1神經元模型1.生物神經元模型人腦大約由神經元組成1010～1012生物神經元模型生物突觸圖解*突觸間隙:15-50nm*乙酰膽堿*細胞內外-70mV電位差*突觸后電位*去極化(產生正電位)*超極化(產生負電位)*靜息電位

從信息加工的角度來看，在神經元所具有的各種機能中最重要的是，在突觸處許多輸入在空間和時間上進行加權的性質，以及神經元細胞的閾值作用，具體解釋為：2.人工神經元模型

實際上，一個神經元可能和多個神經元存在突觸，這時，神經元興奮與抑制狀態由各個神經元共同決定。實踐表明，這種共同作用可認為是簡單的線性迭加。（1）一個神經元可以和多個神經元交互信息；（2）其它神經元對該神經元的影響有性質及強弱之分；（3）其它神經元對該神經元的影響有具有迭加性質；（4）當影響達到一定水平時，神經元才發出脈沖。考慮時間效應時的模型—動態模型3.1.2神經網絡模型1.生物神經網絡的連接方式大腦皮質分區(勃路德曼氏分區)示意*52個功能區*1010～1012個神經元*300萬個神經元群*30—1000神經元/群（1）輻射輻射連接方式（2）聚合聚合連接方式

一個神經元可以通過其軸突末梢的分支與許多神經元的樹突連接，形成突觸聯系(如右圖)，這就是輻射的連接方式。

許多神經元的軸突末梢與一個神經元的樹突連接，共同建立突觸聯系（如右圖），這就是聚合聯系方式。

大腦中的眾多神經元就是通過上述連接方式互相連接成高度復雜的神經網絡系統。受外界刺激順而產生的興奮過程和抑制過程在系統中得以傳播，在時間、空間和強度等方面恰當配合和相互制約。這就使得各神經元之間、神經系統各部分之間的神經活功能夠互相配合、互相協調地進行，實現各種智能行為(感覺、學習、記憶、思維、運動等等)。神經元之間的鏈鎖狀(a)和環狀(b)連接2.人工神經網絡模型（1）單層互連模式單層神經網絡互連結構(a)(b)（3）多層互連模式多層神經網絡互連結構（3層）(a)(b)(c)

模塊結構與層次結構相結合，可以形成多層次多模塊結構，這種結構更接近人腦神經系統的結構，也是目前為人們廣泛注意的一種新型互連模式。（4）模塊結構

模塊結構的主要特點是模塊內部的神經元緊密相互連接，每個模塊則完成自己特定的功能，然后，模塊之間互相連接，以完成整體功能。3.1.3生物神經網絡系統與計算機處理信息比較1.處理速度★計算機處理單個信息的時間約為ns級★腦神經元對外部激勵的響應時間大約在ms級5．容錯能力★人腦具備較好的容錯能力★通常的計算機卻不具備容錯能力6．運行控制

在計算機中有一個中央處理單元來控制所有的活動和對所有的信息進行存取操作，它實質上產生了信息處理的一個瓶頸，同時也使得—旦控制部件產生故障而導致整個系統的失效。而在腦神經系統中，不存在這樣的中央控制單元來控制每一個神經元的活動，每個神經元只受與它相連結的—部分神經元的影響，而不受其它部分神經元的控制和影響。3.1.4神經網絡的發展概況

從人腦的生理結構出發來研究人的智能行為，模擬人腦信息處理的功能，即人工神經網絡的研究，始于20世紀40年代，但它的發展卻經歷了一條曲折的道路，至今經歷了興起、蕭條和興盛三個時期。

(1)早在1943年，心理學家McCulloch和數學家Pitts在數學生物物理學會刊《BulletinofMathematicalBiophysics》上發表文章，總結了生物神經元的一些基本生理特性，提出了形式神經元的數學描述與結構方法，即M—P模型。M—P模型的提出興起了對神經網絡的研究。1．興起階段2．蕭條階段陷入低谷的原因：

（1）60年代，美國著名人工智能學者Minsky和Papert對Rosenblatt的工作進行了深入的研究，寫了很有影響的《感知機》一書，指出感知機的處理能力有限，甚至連XOR這樣的問題也不能解決，并指出如果引入隱含神經元，增加神經網絡的層次，可提高神經網絡的處理能力，但是研究對應的學習方法非常困難。（2）那時人工智能的以功能模擬為目標的另一分支，出現了轉機，產生了以知識信息處理為基礎的知識工程，給人工智能從實驗室走向實用帶來了希望。（3）微電子技術的發展，使傳統計算機的處理能力有很大提高，數字計算機的發展使當時科技界普遍認為它能解決一切問題，包括模式識別、機器人控制等，因而不必去尋找新的計其理論與實現方法。（4）當時的工藝水平還未能達到制作實用的具有足夠規模的神經網絡，用分離的電子管即使是晶體管所制作的神經網絡也只能作示教性的表演。3．興盛階段（1）計算機不具備學習能力。在處理能明確定義的問題或運用能明確定義的概念作為知識時，計算機比較容易對它們進行處理，但是對一些知識背景不清楚、推理規則不明確、環境信息十分復雜的知識處理或是算法難以提取的信息處理任務往往感到很困難。再次興起的原因：

（2）日本第五代機計劃遠未達到預想水平，也傾向使人覺得有必要進一步弄清人們習以為常的認知功能是如何進行的．這些認知功能包括視、聽覺感知，學習記憶，運動控制等．從而使人們認識到不能拘泥一格而必須開拓新的思路，探索新的人類智能實現途徑。這時原來已出現過的，與人腦的生理組織更為接近的神經網絡模型就自然成為理想的候選模型。（4）計算機科學工作者越來越清楚地意識到傳統vonNeumann體系結構的局限性，轉向數據流機和并行計算機體系結構的研究，VLSI技術、光電技術的發展也為神經網絡的實現提供了很好的物質基礎，神經網絡的實現技術取得了很大發展，使得神經網絡在許多實際應用領域取得了成功。

（5）另外，腦科學與神經科學的研究成果迅速反映到神經網絡的改進上，例如視覺研究中發現的側抑制原理、感受野的概念，聽覺通道上神經元的自組織排列等．生物神經網絡的研究成果對人工神經網絡的研究起了重要的推動作用。

（3）而在人類智能行為的研究方面。神經生理學家、心理學家與計算機科學家相互結合．他們共問認為人腦是一功能十分強大，結構異常復雜的信息系統，但其基本仍是神經元及其相互之間的連接，因而它可能成為智能機的良好樣板。興盛階段的標志：

（1）近些年來．許多科學家提出了許多種具備不同信息處理能力的神經網絡模型，至今為止。約已開發出了三十多種。神經網絡也被應用到了許多信息處理領域，如模式識別、自動控制、信號處理、輔助決策、人工智能等等。（2）神經計算機的研究也為神經網絡的理論研究和應用研究促供了強有力的支持，各大學、科研團體和公司開發了許多神經網絡模擬軟件包、各種型號的電子神經計算機以及許多神經網絡芯片。

（3）1987年6月在美國加州舉行了第一屆神經網絡國際會議，并成立了國際神經網絡學會，以后每年召開兩次國際聯合神經網絡大會(IJCNN)。1990年12月在北京召開了我國首屆神經網絡學術大會，在南京召開的1991中國神經網絡學術大會上成上了中國神經網絡學會。當前發行了兩種專門介紹神經網絡研究的刊物，《IEEETransactiononNeuralNetwork》和《NeuralNetwork》

（4）現在美國IBM公司、TI公司、AT&T、貝爾實驗室、TRW公司、神經計算機公司、卡內基梅隆大學、MIT林肯實驗室、霍普金斯大學和加州大學圣地亞哥分校等等，都積極開展神經網絡的研究與開發．日本各計算機公司如富士通、日本電氣、日立、三菱、東芝等也急起直迫。

（5）各國政府和軍方對神經網絡和神經計算機的研究與開發給予高度重視與支持，如美國制定了“神經、信息、行為科學”(MIBS)計劃、投資5.5億美元作為開發第六代計算機的基礎研究。我國的863高技術研究計劃，于1990年批準了關于人工