一、填空题
1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成
2、一个单神经元的输入是 1.0 ，其权值是 1.5，阀值是-2，则其激活函数的净输入是-0.5 ，当激活函数是阶跃函数，则神经元的输出是 1
3、神经网络的学习方式有导师监督学习、无导师监督学习
和灌输式学习
4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法
5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习
6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类
7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是
、和。
7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控
制系统
8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。
8、不确定性、高度的非线性、复杂的任务要求
9．智能控制系统的主要类型有、、、、和。
9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统
10．智能控制的不确定性的模型包括两类：(1) ；
(2) 。
10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。11．控制论的三要素是：信息、反馈和控制。
12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。知识库、推理机
14．专家系统中的知识库包括了3类知识，它们分别为、、和。判断性规则控制性规则数据
15．专家系统的推理机可采用的3种推理方式为 推理、 和 推理。
15、正向推理、反向推理和双向推理
16．根据专家控制器在控制系统中的功能，其可分为 和 。
16、直接型专家控制器、间接型专家控制器
17．普通集合可用 函数表示,模糊集合可用 函数表示。特征、隶属
18．某省两所重点中学在(x 1~x 5)五年高考中，考生“正常发挥”的隶属函数分别为0.85、0.93、
0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。则在研究该省重点中学高考考生水平发
挥的状况时，论域应为X = ，若分别用A 、B 表示两个学校
考试“正常发挥”的状况，则用序偶表示法分别表示为
A = ，
B = ；
“未正常发挥”模糊子集（用行向量表示）分别为 和 ；而该省两所重点中学每年高考考生
“正常发挥”的模糊子集应该是 （用Zadeh 法表
示）。{}12345,,,,X x x x x x =，{}12345(,0.85),(,0.93),(,0.89),(,0.91),(,0.96)A x x x x x =
{}12345(,0.92),(,0.96),(,0.87),(,0.93),(,0.94)B x x x x x =
[0.15,0.07,0.11,0.09,0.04]A =，[0.08,0.04,0.13,0.07,0.06]B =
12345
0.850.930.870.910.94x x x x x ++++ 19.确定隶属函数的方法大致有 、 和 。
19、模糊统计法 主观经验法 神经网络法
20．在模糊控制中应用较多的隶属函数有6种，它们分别为高斯型隶属函数、 、
、 、 和 。
20、广义钟形隶属函数 S 形隶属函数 梯形隶属函数 三角形隶属函数 Z 形隶属函数
21．在天气、学问、晴朗、表演和渊博中可作为语言变量值的有 和 。
21、晴朗、渊博
23．模糊控制是以 、 、和 为
基础的一种智能控制方法。模糊集理论，模糊语言变量，模糊逻辑推理
24．模糊控制的数学基础为 。24、模糊集合
25．模糊控制中，常用的语言变量值用PM ,PS ,NM ,NO 等表示,其中PM 代表
, NO 代表 。25、正中、负零
26. 在模糊控制中，模糊推理的结果是 量。26、模糊
27. 在模糊控制中，解模糊的结果是 量。确定量
28. 基本模糊控制器的组成包括知识库以及 、 和 。
模糊化接口、推理机、解模糊接口
29. 在模糊控制中，实时信号需要 才能作为模糊规则的输入，从而完成模糊推理。
29、模糊化
30．模糊控制是建立在基础之上的，它的发展可分为三个阶段，分别为、、和。
30、人工经验模糊数学发展和形成阶段产生了简单的模糊控制器高性能模糊控制阶段31．模糊集合逻辑运算的模糊算子为、和。
31、交运算算子并运算算子平衡算子
32．在温度、成绩、暖和、口才和很好中可作为语言变量值的有和
32.暖和、很好
33．在水位、压力、暖和、表演、中年人和比较好中可作为语言变量值的有、和。
33、暖和、中年人和比较好
34．在水位、寒冷、温度、表演和偏高中可作为语言变量值的有和。
34.寒冷、偏高
35. 模糊控制的基本思想是把人类专家对特定的被控对象或过程的总结成一系列
以“”形式表示的控制规则。
35、控制策略“IF条件THEN 作用”
36．神经网络的发展历程经历了4个阶段，分别为、、和。
36、启蒙期、低潮期、复兴期、新连接机制期
37．神经元由4部分构成，它们分别为、、和突触。
37、细胞体、树突、轴突
38．根据神经网络的连接方式，神经网络的３种形式为：、
和。38、前向网络反馈网络自组织网络
39．神经网络的3个要素为：、和。
39、神经元的特性拓扑结构学习规则
41.目前神经网络的学习算法有多种，按有无导师分类，可分为、
和。
41、有导师学习无导师学习再励学习
42.神经网络的研究主要分为3个方面的内容，即、和。
42.神经元模型、神经网络结构、神经网络学习算法
43.神经网络的学习过程主要由正向传播和反向传播两个阶段组成。
44．神经网络控制是将和相结合而发展起来的智能控制方法。神经网络，控制理论
45. 遗传算法的主要用途是。45、寻优（优化计算）
46．常用的遗传算法的染色体编码方法有二种，它们分别为实数编码和。
46、二进制编码
47.遗传算法的3种基本遗传算子、和。
47、比例选择算子单点交叉算子变异算子
48．遗传算法中，适配度大的个体有被复制到下一代。更多机会49. 遗传算法中常用的3种遗传算子（基本操作）为、、和。
49、复制、交叉和变异
二、简答题：
1. 试说明智能控制的的基本特点是什么？
（1）学习功能（1分）（2）适应功能（1分）（3）自组织功能（1分）
（4）优化能力（2分）
2、试简述智能控制的几个重要分支。
专家控制、模糊控制、神经网络控制和遗传算法。
3、试说明智能控制研究的数学工具。
智能控制研究的数学工具为：（1）符号推理与数值计算的结合；（2）离散事件与连续时间系统得结合；（3）模糊集理论；（4）神经网络理论；（5）优化理论
4.智能控制系统有哪些类型，各自的特点是什么？
（1）专家控制系统（1分）
专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验。它具有启发性、透明性、灵活性、符号操作、不一确定性推理等特点。
（2）模糊控制系统（1分）
在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。
（3）神经控制系统（1分）
神经网络具有某些智能和仿人控制功能。学习算法是神经网络的主要特征。
（4）遗传算法（2分）
遗传算法是基于自然选择和基因遗传学原理的搜索算法,是基于进化论在计算机上模拟生命进化论机制而发展起来的一门学科. 遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习,在智能控制领域有广泛的应用。
5、简述专家控制与专家系统存在的区别。
专家控制引入了专家系统的思想，但与专家系统存在区别：
（1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的
自动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。
（2）专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。
6、试说明智能控制的三元结构，并画出展示它们之间关系的示意图。
把智能控制扩展为三元结构，即把人工智能、自动控
制和运筹学交接如下表示：（2分）
IC=AI∩AC∩OR
OR一运筹学（Operation research）
IC一智能控制( intelligent control);
Al一人工智能(artificial intelligence);
AC一自动控制(automatic Colltrol);
∩一表示交集.
7．比较智能控制与传统控制的特点。
传统控制：经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模
型的控制。适于解决线性、时不变等相对简单的控制问题。（2分）
智能控制：以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
8. 简述智能控制系统较传统控制的优点。
在传统控制的实际应用遇到很多难解决的问题，主要表现以下几点：（1）实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，无法获得精确的数学模型。(1分)（2）某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。(1分)（3）针对实际系统往往需要进行一些比较苛刻的线性化假设，而这些假设往往与实际系统不符合。(1分)（4）实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。(1分) 智能控制将控制理论的方法和人工智能技术灵活地结合起来，其控制方法适应对象的复杂性和不确定性,能够比较有效的解决上述问题,具有较大的优越性。( 1分)
9、智能控制与传统控制的主要区别如何？
传统控制：经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。
智能控制：以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展，能够解决传统控制方法难以解决的复杂系统的控制问题，如：对象的不确定性、高度的非线性和复杂的任务要求。传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
10．在模糊控制器的设计中，常用的反模糊化的方法有哪几种？
最大隶属度法、中心法和加权平均法。
11.简述将模糊控制规则离线转化为查询表形式的模糊控制器的设计步骤。
(1)确定模糊控制器的结构; (2)定义输入、输出模糊集； (3) 定义输入、输出隶属函数； (4)建立模糊控制规则； (5)建立模糊控制表； (6)模糊推理；
(7)反模糊化。
12.简述模糊控制的发展方向
模糊控制的发展方向有：（１）Fuzzy-PID复合控制（2）自适应模糊控制（3）专家模糊控制（4）神经模糊控制（5）多变量模糊控制
13、模糊控制系统一般由几个部分组成？
1）模糊控制器2）输入/输出接口装置3）广义对象4）传感器
14、比较模糊集合与普通集合的异同。
比较模糊集合与普通集合的异同。
相同点：都表示一个集合；
不同点：普通集合具有特定的对象。而模糊集合没有特定的对象，允许在符合与不符合中间存在中间过渡状态。
15．简述模糊集合的概念。
设为某些对象的集合,称为论域,可以是连续的或离散的；论域到[0,1]区间的任一映射 : →[0,1] 确定了的一个模糊子集；称为的隶属函数，表示论域的任意元素属于模糊子集F的程度。模糊子集F的表示方法有几种，如：向量表示法、Zadeh表示法、序偶表示法等。
16、请画出模糊控制系统的组成框图，并结合该图说明模糊控制器的工作原理。
模糊控制器的工作原理为:
(1) 模糊化接口 测量输入变量(设定输入)和受控系统的输出变量,并把它们映射到一个合适的响应论域的量程,然后,精确的输入数据被变换为适当的语言值或模糊集合的标识符。本单元可视为模糊集合的标记。
(2) 知识库 涉及应用领域和控制目标的相关知识,它由数据库和语言(模糊)控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。
(3) 推理机 是模糊控制系统的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取,并可实现拟人决策过程。根据模糊输入和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出。
(4) 模糊判决接口 起到模糊控制的推断作用,并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标(输出定标),这一作用是在对受控过程进行控制之前通过量程变换来实现的
17．试写出3种常用模糊条件语句及对应的模糊关系R ~
的表达式。 （1）设A ~、B ~分别是论域Ｘ、Ｙ上的模糊集合， 则模糊条件语句“if A ~ then
B ~” 所决定的二元模糊关系为：
]~[]~~[~~~E A B A R B
A ⨯⨯=→ （1分） （2）设A ~、
B ~和
C ~分别是论域Ｘ、Ｙ和Ｚ上的模糊集合， 则模糊条件语句
“if A ~ then B ~ else C ~” 所决定的二元模糊关系为：
]~~[]~~[~~~C ⨯⨯=→A B A R B
A （2分） （3） 设A ~、
B ~和
C ~分别是论域Ｘ、Ｙ和Ｚ上的模糊集合， 则模糊条件语
句“if A ~ and B ~ then C ~”所决定的二元模糊关系为：
[]C B A R ~~~~1⨯⨯=T
18．人工神经网络有哪些主要的结构特征？
（1）并行处理；（2分）（2）信息分布式存储；（2分）容错性。（1分）
19．简述神经元模型并画出结构图。
和神经生理学类似,人工神经网络的的基本处理单元称为神经元，每个神经元模型模拟一个生物神经元,如图所示：
神经元模型 该神经元单元由多个输入
,i=1, 2, ..., n 和一个输出y 组成。中间状态由输入信号加权和表示,其输出为:
式中,为神经元单元的阈值),为连接权系数(对于激发状态,取正值,对于抑制状态,取负值) ,n 为输入信号数目,为神经元输出,t 为时间,f(＿)为输出变换函数,有时叫做激发或激励函数,往往采用0和1二值函数、S 形函数和高斯函数等。
20、神经网络应具备的四个基本属性是什么？
1）并行分布式处理2）非线性处理 3）自学习功能 4）可通过硬件实现并行处理
21．简述误差反向传播学习算法的主要思想
误差反传算法的主要思想是把学习过程分为两个阶段（1分）：第一阶段（正向传播过程）给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值（2分）；第二阶段（反向过程），若在输出层未能得到期望输出值，则逐层递归的计算实际输出与期望输出之差值（误差）以便根据此差值调节权值。
22．简述前向(多层)神经网络的结构并画出结构图。
前向(多层)神经网络具有递阶分层结构,由一些同层神经元间不存在互连的层组成。从输入层至输出层的信号通过单向连接流通；神经元从一层连接至下一层,不存在同层神经元间的连接,如图所示。前向(多层)神经网络具有形式，如：多层感知器、BP 网络、RBF 网络等。
前向(多层)神经网络
23.简述专家系统与专家控制的区别。
专家控制引入了专家系统的思想，但与专家系统存在区别：
（1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自
动决策。专家控制比专家系统对可靠性和抗干扰性有着更高的要求。
（2）专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方
式。
24．试比较特征函数和隶属函数。
特征函数用来表示某个元素是否属于普通集合，而隶属函数则用来表示某个元素属于模
糊集合的程度，特征函数的取值{0，1}，而隶属函数的取值[0，1]，特征函数可以看作特殊
的隶属函数
25.请画出直接型专家控制器的结构图并说明其设计思想。
图略直接型专家控制器用于取代常规控制器，直接控制生产过程。具有模拟操作工人智能的功能。这种类型的控制器任务和功能相对简单，但需要在线、实时控制。
26.画出间接型专家控制器的结构图并说明其设计思想。
图略设计思想：间接型专家控制器用于和常规控制器相结合，组成对生产过程或被控对象进行间接控制的智能控制系统。具有模拟（或延伸，扩展）控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制。
27. 简述专家系统的基本构成。
知识库和推理机，具体略。
28.简述直接型专家控制器的主要设计内容。
直接型专家控制器的主要设计内容：①建立知识库；②控制知识的获取；③选择合适的推理方法。
29.根据高层决策功能的性质，简述间接型专家控制器的分类。
按照高层决策功能的性质，间接型专家控制器可分为以下几种类型：
①优化型专家控制器；②适应型专家控制器；③协调型专家控制器；④组织型专家控制器。
30. 试述何为有导师学习？何为为无导师学习？
有导师学习也称为有监督学习，这种学习模式采用的是纠错规则。在学习训练过程中需要不断给网络成对提供一个输入模式和一个期望网络正确输出的模式，称为“教师信号”。将神经网络的实际输出同期望输出进行比较，当网络的输出与期望输出不符时，根据差错的方向和大小按一定的规则调整权值，以使下一步网络的输出更接近期望结果。
无导师学习也称为无监督学习，学习过程中，需要不断给网络提供动态输入信息，网络能根据特有的内部结构和学习规则，在输入信息流中发现任何可能存在的模式和规律，同时能根据网络的功能和输入信息调整权值，这个过程称为网络的自组织，其结果是使网络能对属于同一类的模式进行自动分类。
31．简述间接型专家控制器的概念及其分类。
间接型专家控制器用于和常规控制器相结合，组成对生产过程或被控对象进行间接控制的智能控制系统。具有模拟（或延伸，扩展）控制工程师智能的功能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制(1分)。按照高层决策功能的性质，间接型专家控制器可分为以下几种类型：①优化型专家控制器(1分)；②适应型专家控制器(1分)；
③协调型专家控制器(1分)；④组织型专家控制器(1分)。
32. 简述基本遗传算法的构成要素。
（1）染色体编码方法，基本遗传算法使用固定长度的二进制来表示群体中的个体，其等位基因是由二值符号集{0，1}所组成的，其中个体的基因值可用均匀分布的随机值来生成。
(2)个体适应度评价，基本遗传算法与个体适应度成正比的概率来决定当前群体中每个个体遗传到下一代群体的概率多少。为正确计算这个概率必须先确定出由目标函数值J(x)到个体适应度函数F(x)的转换规则；
(3)遗传算子，即选择运算、交叉运算和变异运算的基本遗传算子；
P和m P等参数。
(4)基本遗传算法的运行参数，即Ｍ、Ｇ、
c
33. 简述遗传算法的应用领域。
遗传算法的应用领域：（1）函数优化；（2）组合优化；（3）生产调度问题；（4）自动控制；（5）机器人；（6）图像处理；（７）人工生命（８）遗传编程（９）机器学习。
34. 简述基本遗传算法的特点。
见书P201页
35. 简述基本遗传算法的应用步骤。
（1）确定决策变量及各种约束条件,即确定出个体的表现型Ｘ和问题的解空间；
(2)建立优化模型，即确定出目标函数的类型及数学描述形式或量化方法；（3）确定表示可行解的染色体编码方法，即确定出个体的基因型Ｘ及遗传算法的搜索空间；
(4)确定个体适应度的量化评价方法，即确定出由目标函数值J(x)到个体适应度函数F(x)的转换规则；
(5)设计遗传算子，即确定选择运算、交叉运算、变异运算等遗传算子的具体操作方法；
P和m P等参数；
(6)确定遗传算法的有关运行参数，即Ｍ、Ｇ、
c
(7)确定解码方法，即确定出由个体表现型Ｘ到个体基因型x的对应关系或转换方法。
36．简述神经网络的发展历程。
神经网络的发展历程经过4个阶段。
（1 ）启蒙期（1890-1969年）( 1分)
（2 ）低潮期（1969-1982）( 1分)
（3）复兴期（1982-1986）( 2分)
1982年，物理学家Hoppield提出了Hoppield神经网络模型，该模型通过引入能量函数，实现了问题优化求解，1984年他用此模型成功地解决了旅行商路径优化问题(TSP)。
在1986年，在Rumelhart和McCelland等提出了一种著名的多层神经网络模型，即BP 网络。该网络是迄今为止应用最普遍的神经网络。
（4）新连接机制时期（1986-现在）( 1分)
神经网络从理论走向应用领域。
37．简述神经网络具备的特征。
（1）能逼近任意非线性函数；( 1分)
（2）信息的并行分布式处理与存储；( 1分)
(3) 可以多输入、多输出；( 1分)
（4）便于用超大规模集成电路或光学集成电路系统实现，或用现有的计算机技术实现；(1分)
（5）能进行学习，以适应环境的变化。( 1分)
38．简述BP基本算法的优缺点。
BP网络的优点为：
（1）只要有足够多的隐层和隐层，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算法，具有较强的泛化能力；
（3）BP网络输入输出之间的关联信息分布地存储在网络的连接权中，个别神经元的损坏对输入输出关系有较小的影响，因而BP网络具有较好的容错性。 BP网络的主要缺点为：
（1）待寻优的参数较多，收敛速度较慢；
(2)目标函数函数存在多个极值点，按梯度下降法进行学习，很容易陷入局部极小值；
（3）难以确定隐层和隐层节点的数目。
39.简述RBF神经网络和BP神经网络的主要区别。
RBF神经网络的学习过程和BP神经网络的学习过程类似，二者的主要区别在于各使用不同的作用函数。BP神经网络中隐层使用的Sigmoid是函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络（２分）；而RBF神经网络的作用函数是高斯函数，其值在输入空间中有限的范围内为非零值，因而是一种局部逼近的神经网络（２分），采用RBF神经网络可大大加快学习的速度，适合于实时控制的要求。（１分）
40．简述BP神经网络中，BP算法的基本思想。
误差反向传播的学习算法简称BP算法，其基本思想是按梯度下降法进行学习。它采用梯度搜索技术，以期使网络的实际输出值与期望的输出值的误差均方值为最小。
41、模糊控制与传统控制的不同之处：
传统控制方法均是建立在被控对象精确数学模型基础上的，然而，随着系统复杂程度的提高，将难以建立系统的精确数学模型；模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础，从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该控制方法适应对象的复杂性和不确定性，不需要依赖对象的精确数学模型可实现复杂系统的控制。 42、模糊控制器设计包括几项内容？
1．（本题5分）模糊控制器设计包括几项内容？
1）确定模糊控制器的输入变量和输出变量(即控制量) 2）设计模糊控制器的控制规则
3）确立模糊化和非模糊化（又称清晰化）的方法
4）选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数（如量化因子、比例
因子）
5）编制模糊控制算法的应用程序 6）合理选择模糊控制算法的采样时间
三、作图题
1. 分别画出以下应用场合下适当的隶属函数： （a ）我们绝对相信
4π附近的e(t)是“正小”，只有当e(t)足够远离4
π时，我们才失去e(t)是“正小”的信心；（4分） （b ）我们相信
2π附近的e(t)是“正大”，而对于远离2
π的e(t)我们很快失去e(t)是“正大”的信心；（4分） （c ）随着e(t)从
4π向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从4
π
向右移动，我们较慢失去e(t)是“正小”的信心。（4分）
1．
(a) (b) (c) 2. 分别画出以下应用场合下适当的隶属函数： （a ）我们绝对相信
2π附近的e(t)是“正小”，只有当e(t)足够远离2
π时，我们才失去e(t)是“正小”的信心；（4分） （b ）我们相信
3π附近的e(t)是“正大”，而对于远离3
π的e(t)我们很快失去e(t)是“正大”的信心；（4分）
（c ）随着e(t)从
6π向左移动，我们很快失去e(t)是“正小”的信心，而随着e(t)从6
π
向右移动，我们较慢失去e(t)是“正小”的信心。（4分）
)
.
)
.
(a) (b)
3.论域X=[0，100]上的模糊集合A 代表“偏大”，在[0，80]区间上()0.0125A x x =，在（80，100]区间上()1A x =。
（1）写出A 的隶属度函数的解析表达式 （2）画出A 的隶属度函数曲线 答 ()A x =0.0125x 080x ≤≤
1 80100x <≤
（2分） 图略（2分）
4.设实数论域X 上的模糊集A “大约是5”采用高斯型隶属函数表示，其中参数
5c σ=
=
（1）写出A 的隶属度函数的解析表达式 （2分） （2）画出A 的隶属度函数曲线 （2分）
答（1） ()A x =2
(5)x e -- （2分） （2） 图略（2分）
5.设实数论域X 上的模糊集A “大约是6”采用三角形隶属函数表示，其中参数a=3; b=6; C=8
（1）写出A 的隶属度函数的解析表达式 （2）画出A 的隶属度函数曲线
答 0
33363
()868208x x x A x x x x ≤⎧⎪-⎪≤≤⎪=⎨-⎪≤≤⎪⎪≥⎩
（2分） 图略（2分）
6. 画出以下两种情况的隶属函数图：
（a ）画出精确集合 {}42A x x ππ=≤≤的隶属函数图；（4分）
（b ）写出单点模糊（singleton fuzzification ）隶属函数的数学表达形式，并画出隶属函数图。（4分）
（c ）画出精确集合 {}82A x x ππ=≤≤的隶属函数图；（4分）
(a)
() 1 ˆ0 x u i
fuz x A i
otherwise
μ=⎧⎪⎪=⎨⎪⎪⎩
(b)
(c)
7. 某模糊控制系统的输入语言变量E 和输出语言变量U 的语言值均为：NB 、NS 、O 、PS 、PB ，E 的论域为X ＝{－3，－2，－1，0，1，2，3}，U 的论域为Y ＝{－3，－2，－1，0，1，2，3}。设语言变量E 和U 的赋值表为：
试给出以上论域中各元素对各语言变量值所确定的模糊子集的隶属函数曲线。
8. 一个模糊系统的输入和输出的隶属函数如图
1所示。试计算以下条件和规则的隶属函数： （a ）规则1：If error is zero and chang-in-error is zero Then force is zero 。 均使用最小化操作表示蕴含(using minimum opertor)；（5分）
（b ）规则2：If error is zero and chang-in-error is possmall Then force is negsmall 。 均使用乘积操作表示蕴含(using product opertor)；（5分）
假定当前的输入条件为：error= 0 , chang-in-error =/9π
3． (a)
)
.)
()
,N
(b)
()()
,
t N )
9. 一个模糊系统的输入和输出的隶属函数如下图所示。试通过作图法分别推理每条规则的输出隶属度函数：
（a ）规则1：If error is zero and chang-in-error is zero Then force (u)is zero 。 使用最小化操作表示蕴含（using product opertor ）（4分）
（b ）规则2：If error is zero and chang-in-error is possmall Then force(u) is negsmall 。 使用乘积操作表示蕴含（using product opertor ）（4分）
假定当前的输入条件为：error= 0 , chang-in-error =/9π 3． (a)
).
)
()
,N
(b)
()()
,
t N )
10. 一个模糊系统的输入和输出的隶属函数如图1所示。试计算以下条件和规则的隶属函数：
（a ）规则1：If error is negsmall and chang-in-error is possmall Then force is zero 。 均使用最小化操作表示蕴含(using minimum opertor)；（5分）
(b) 规则2：If error is negsmall and chang-in-error is zero Then force is possmall 。均使用乘积操作表示蕴含(using product opertor)；（5分）
假定当前的输入条件为：error= /4π- , chang-in-error =/16π (a)略 (b)略
四、计算题
).
)
1. 设论域12345{,,,,}U u u u u u =，且 123450.20.40.910.5
A u u u u u =++++
1345
0.10.710.3
B u u u u =
+++
试求,,C A B A B A ⋃⋂（补集），C B （补集）
12345
0.20.40.910.5
A B u u u u u ⋃=
++++
3分 1345
0.10.710.3
A B u u u u ⋂=+++
3分 1235
0.80.60.10.5
c
A
u u u u =
+++
2分 1235
0.910.30.7
c
B u u u u =+++
2分 2. 设有下列两个模糊关系:
试求出R1与R2的复合关系R1○R2
R1○R2=0.4
0.4
0.70.7⎡⎢⎢
⎢⎢⎣0.80.90.50.6⎤⎥⎥⎥⎥⎦
3. 设有下列两个模糊关系: R1=0.80.5⎡⎢
⎣0.70.3⎤⎥⎦ R2=0.20.6⎡⎢⎣0.40.9⎤
⎥
⎦
试求出R1与R2的复合关系R1○R2
R1○R2=0.60.3⎡⎢
⎣0.70.4⎤
⎥⎦
4.已知子女与父母的相似关系模糊矩阵为
父 母
⎥⎦
⎤
⎢⎣⎡=
6.03.03.08.0女子R 父母与祖父母的相似关系模糊矩阵为：
⎥⎦
⎤
⎢⎣⎡=1.01.05.07.0母父S
求：子女与祖父祖母的相似关系模糊矩阵。( 4 分) 答0.70.50.30.3R S ⎡⎤
=⎢
⎥
⎣⎦
5 、设论域X=Y=｛1，2，3，4，5｝，X 、Y 上的模糊子集“大”、“小”、“较小”分别定义为：
0.40.71"345=
++大" 10.70.3"123=++小" 10.60.40.2
""1234
=+++
较小 已知：规则若x 小，则y 大
问题：当x=较小时，y=？(采用Mamdani 推理法)( 5 分)
答 000.40.71000.40.70.70
00.30.30.30000000000⎡⎤
⎢⎥⎢⎥
⎢⎥⎢⎥
⎢⎥⎢⎥⎣⎦
000.40.7
1000.40.70.7[000.40.71]0
00.30.30.3000000
0000⎡⎤
⎢⎥⎢
⎥
⎢⎥=⎢⎥
⎢⎥⎢⎥⎣⎦
[1 0.6 0.4 0.2 0]
6. 设论域X =Y ={1,2,3,4,5}，以下为X 、Y 上的模糊集合
34.026.011""~
+
+==低A 41.032.023.011""~
1+++==较低A
5
140.8" "~
+==高B
设A ~=“低”则“高”=B ~，已知1~A ＝“较低”，问1~
B 如何?
答 R ~=)~()~
~(E A B A ⨯⨯
祖父 祖母
⎥⎥⎥⎥⎥
⎥⎦
⎤⎢⎢⎢⎢⎢⎢⎣⎡=004.06.01]18.0000[ ⎥⎥⎥⎥⎥
⎥⎦
⎤
⎢⎢⎢⎢⎢⎢⎣⎡116.04.00]11111[ ⎥⎥⎥
⎥⎥
⎥⎦
⎤
⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=11111111116.06.06.06.06.04.04.04.04.04.00000000000
000004.04.00006.06.000018
.0000
⎥⎥⎥⎥⎥
⎥⎦
⎤⎢⎢⎢⎢⎢⎢⎣⎡=11111111116.06.06.06.06.06.06.04.04.04.018.0000
R A B ~~~
11 =
7 、对于一个系统，当输入A 时，输出为B ，否则为C,且有：
3211.05.01u u u A ++=
3213
.06.07.0v v v B ++=
3
219.07.06.0v v v C ++=
已知当前输入123
0.310.5
'A u u u =
++。求输出D 。( 5 分) 答()
0.70.60.30
000.70.60.30.50.50.30.50.50.50.50.50.50.10.10.10.60.70.90.60.70.9R A B A C -⎡⎤
⎛⎫⎛⎫⎛⎫ ⎪ ⎪⎢⎥=⨯⨯== ⎪ ⎪ ⎪⎢⎥⎝⎭
⎪ ⎪⎢⎥⎣⎦
⎝⎭⎝⎭
'
[0.50.50.5]D R A
=
=
8. 设模糊集合A 、B 和C 的论域分别为：X=
{}321,,a a a ，Y={}321,,b b b 和Z={}21,c c ，且
0.510.1123A a a a =
++,0.110.6123B b b b =++,0.4112C c c =+。试确定”IF A and B then C ”所决
定的模糊关系R ，以及输入为
1.00.1113A a a =
+,0.10.51
1123B b b b =++时的输出C1
答 0.50.10.50.51[0.110.6]0.1 1.00.60.10.10.10.1A B ⎡⎤⎛⎫
⎪⎢⎥⨯== ⎪⎢⎥
⎪⎢⎥⎣⎦⎝⎭
1
0.10.40.40.10.40.40.10.10.1()
[0.41][]0.10.50.50.110.60.10.10.1
T T
R A B =⨯=
10.10.51110[0.10.51]0000.10.10.10.1A B ⎡⎤⎛⎫
⎪⎢⎥⨯== ⎪⎢⎥
⎪⎢⎥⎣⎦⎝⎭
C1=2((11)[0.40.5]T A B R ⨯=
9.已知10.512A x x =
+,0.10.51123B y y y =++,0.21
12
C z z =+。试确定”IF A and B then C ”所决定的模糊关系R ，以及输入为0.80.1
112
A x x =
+
,0.50.201123B y y y =++时的输出C1。 答0.10.510.10.50.5A B ⎡⎤
⨯=⎢⎥
⎣⎦
0.10.10.20.50.2
1()[0.21]0.10.10.20.50.2
0.5L
R A B ⎡⎤⎢⎥⎢⎥⎢⎥=⨯=⎢
⎥⎢⎥⎢⎥⎢⎥⎣⎦
C1=((11))[0.20.2]L T A B R ⨯=
《人工神经网络原理与应用》试题 1、试论述神经网络的典型结构，常用的作用函数以及各类神经网络的基本作用，举例说明拟定结论。 2、试论述BP 算法的基本思想，讨论BP 基本算法的优缺点，以及改进算法的思路和方法。以BP 网络求解XOR 问题为例，说明BP 网络隐含层单元个数与收敛速度，计算时间之间的关系。要求给出计算结果的比较表格，以及相应的计算程序（.m 或者.c ） 3、试论述神经网络系统建模的几种基本方法。利用BP 网络对以下非线性系统进行辨识。 非线性系统 )(5.1) 1()(1)1()()1(22k u k y k y k y k y k y +-++-=+ 1）首先利用[-1,1]区间的随机信号u(k)，样本点500，输入到上述系统，产生y(k), 用于训练BP 网络； 2）网络测试，利用u(k)=sin(2*pi*k/10)+1/5*sin(2*pi*k/100),测试点300～500，输入到上述系统，产生y(k),检验BP 网络建模效果 要求给出程序流程，matlab 程序否则c 程序，训练样本输入输出图形，检验结果的输入输出曲线。 4、试列举神经网络PID 控制器的几种基本形式，给出相应的原理框图。 5、试论述连续Hopfield 网络的工作原理，讨论网络状态变化稳定的条件。 6、谈谈学习神经网络课程后的心得体会，你准备如何在你的硕士（博士）课题中应用神经网络理论和知识解决问题（给出一到两个例）。 《人工神经网络原理与应用》试题 1、试论述神经网络的典型结构，常用的作用函数以及各类神经网络的基本作用，举例说明拟定结论。 2、试论述BP 算法的基本思想，讨论BP 基本算法的优缺点，以及改进算法的思路和方法。以BP 网络求解XOR 问题为例，说明BP 网络隐含层单元个数与收敛速度，计算时间之间的关系。要求给出计算结果的比较表格，以及相应的计算程序（.m 或者.c ） 3、试论述神经网络系统建模的几种基本方法。利用BP 网络对以下非线性系统进行辨识。 非线性系统 )(5.1) 1()(1)1()()1(22k u k y k y k y k y k y +-++-=+ 1) 首先利用[-1,1]区间的随机信号u(k), 样本点500，输入到上述系统，产生y(k), 用于训练BP 网络； 2) 网络测试，利用u(k)=sin(2*pi*k/10)+1/5*sin(2*pi*k/100),测试点300～500，输入到上述系统，产生y(k),检验BP 网络建模效果 要求给出程序流程，matlab 程序否则c 程序，训练样本输入输出图形，检验结果的输入输出曲线。 4、试列举神经网络PID 控制器的几种基本形式，给出相应的原理框图。 5、试论述连续Hopfield 网络的工作原理，讨论网络状态变化稳定的条件。 6、谈谈学习神经网络课程后的心得体会，你准备如何在你的硕士（博士）课题中应用神经网络理论和知识解决问题（给出一到两个例）。
1、在神经网络控制在理论和实践上，下列不属于研究的重点的是（） 参考答案：神经网络处理的对象。 2、下列不属于知识库所包含的是（） 参考答案：所涉及的领域广泛、普遍的常识和数据 3、下列有关s型激活函数的表达式正确的是（） 参考答案： 4、下列有关神经网络的说法不正确的是（） 参考答案：以上说法都不正确。 5、下列不属于遗传算法基本操作的是（） 参考答案：全局收索 6、下列不属于专家控制的特点的是（） 参考答案：离线性：专家控制能够在离线状态下工作。 7、下列有关专家系统的定义正确的是（） 参考答案：专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 8、下列不属于智能控制的特点的是（） 参考答案：完全具有人的智能 9、下列哪位人物提出模糊集合理论，奠定了模糊控制的基础（） 参考答案：美国加州大学自动控制系的L.A.Zedeh 10、下列有关智能控制的概念说法准确的是（） 参考答案：所谓智能控制，即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境（包括被控对象或被控过程）信息的变化作出适应性反应，从而实现由人来完成的任务。 11、下列有关智能控制的组成正确的是（） 参考答案：智能控制由人工智能，自动控制，运筹学组成。 12、下列不属于专家控制的关键技术的是（） 参考答案：推理机的方式
13、下列不属于专家控制的特点的是（） 参考答案：离线性：专家控制能够在离线状态下工作。 14、下列有关推理机说法不正确的是（） 参考答案：推理机是指专家系统中无需任何知识就能完成推理功能的组成部分。 15、下列有关专家控制和专家系统说法不正确的是（） 参考答案：由于专家控制引入了专家系统的思想，因此专家控制和专家系统没有区别 16、下列不属于BP网络的优点的是（） 参考答案：待寻优的参数多，收敛速度快。 17、神经网络有着很强的自学习功能和对非线性系统的强大映射能力。 参考答案：对 18、是模糊交运算算子中的有界积算子。 参考答案：错 19、在人——机结合作为控制器的控制系统中，机器完成需要连续进行的并需快速计算 的常规控制任务，人则完成任务分配、决策、监控等任务。 参考答案：对 20、代数积算子的表达式是，它是一种模糊并运算算 子。 参考答案：错 21、BP网络（Back Propagation），是一种单向传播的多层前向网络。 参考答案：对 22、一个模糊控制系统的性能只取决于模糊决策的方法。 参考答案：错 22、一个模糊控制系统的性能只取决于模糊决策的方法。 参考答案：错 24、人作为控制器的控制系统具有自学习、自适应和自组织的功能。 参考答案：对 25、在人——机结合作为控制器的控制系统中，机器完成需要连续进行的并需快速计算 的常规控制任务，人则完成任务分配、决策、监控等任务。 参考答案：对
BP神经网络 BP (Back Propagation)神经网络是一种神经网络学习算法，全称基于误差反向传播算法的人工神经网络。 如图所示拓扑结构的单隐层前馈网络，一般称为三层前馈网或三层感知器，即：输入层、中间层（也称隐层）和输出层。它的特点是：各层神经元仅与相邻层神经元之间相互全连接，同层内神经元之间无连接，各层神经元之间无反馈连接，够成具有层次结构的前馈型神经网络系统。单计算层前馈神经网络只能求解线性可分问题，能够求解非线性问题的网络必须是具有隐层的多层神经网络。 在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。 BP (Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。 神经网络 神经网络是： 思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。 逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面： （1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。 （2）建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。 （3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。 （4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。 纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。 【人工神经网络的工作原理】 人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。 所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图象模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能作出正确的判断。
神经网络与模糊控制考 试题及答案 https://www.doczj.com/doc/6319011388.html,work Information Technology Company.2020YEAR
一、填空题 1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机 组成 2、一个单神经元的输入是1.0 ，其权值是1.5，阀值是-2，则其激活函数的净输入是 -0.5 ，当激活函数是阶跃函数，则神经元的输出是 1 3、神经网络的学习方式有导师监督学习、无导师监督学习和灌输式学习 4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法 5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习 6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类 7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。 7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参 与的自主控制系统 8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。 8、不确定性、高度的非线性、复杂的任务要求 9．智能控制系统的主要类型有、、、 、和。 9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统 10．智能控制的不确定性的模型包括两类：(1) ； (2) 。 10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变 化。 11．控制论的三要素是：信息、反馈和控制。 12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别 是、 和。知识库的设计推理机的设计人机接口的设计
20 08 –20 09 学年第 一 学期 考试方式： 开卷[ ] 闭卷[√] 课程名称： 神经网络 使用班级： 计算机科学与技术（医学智能方向）06 班级： 学号： 姓名： 一、单项选择题（每空2分，共30分） 1. 人工神经网络的激活函数主要有三种形式，下面(A )对应的是非线性转移函数， ( B )对应的是对应的是域值函数，( C )分段线性函数。 ()()1 01 )f())f )0 1e 1, 1f , 11 )f 0 1, 1v A v B v C v v v v v v D v v ≥⎧= =⎨ -<+⎩≥⎧⎪ =-<<=⎨⎪-≤-⎩ （） 2. 根据神经元的不同连接方式，可将神经网络分为两大类：分层网络和相互连接型网络。分层网络将一个神经网络模型中的所有神经元按照功能分成若干层。一般有输入层、隐含层(中间层)和输出层，各层顺次连接。下面图形(D )对应的是相互连接型网络，图形(C )对应的是层内互联的前向网络，图形( B)对应的是具有反馈的前向网络，图形( A)对应的是单纯的前向网络。 x 1x 2 x n 12 m x 1x 2 x n 12 m x 1x 2 x n 12 m x 1x 2 x n 12 m a) b) c) d) 3. 在MATLAB 中，下面的（○ 3）命令可以使用得下次绘制的图和已经绘制的图将不在同一张图上。
A) hold on（设置在同一张图绘制多条曲线）B) figure （下次的图和已绘制的不在同一张图上）C) plot D) hold off（取消在同一张图绘制多条曲线） 3.下面是一段有关向量运算的MATLAB代码: >>y= [3 7 11 5]; >>y(3) = 2 运算后的输出结果是（○8） A) 3 2 11 5 B) 3 7 2 5C) 2 7 11 5 D) 3 7 11 2 4. 下面是一段有关矩阵运算的MATLAB代码: >>A = [1 2 3 4; 5 6 7 8; 9 10 11 12]； >>B = A(2,1:3)取出矩阵A中第二行第一个到第三个构成矩阵B 若A(2,3)=5将矩阵第二行第三列的元素置为5 A=[A B’]将B转置后，再以列向量并入A A(：，2)=[]删除第二列：代表删除列A([1,4],:)=[]删除第一和第四行：代表删除行A=[A;4,3,2,1]加入第四行 那么运算后的输出结果是（○9） A) 5 7 8 B) 5 6 8 C) 5 6 7D) 6 7 8 5.下面对MATLAB中的plot(x,y,s)函数叙说正确的是（○10） A) 绘制以x、y为横纵坐标的连线图(plot(x,y)) B绘制多条不同色彩的连线图(plot(x,y)) C) 默认的绘图颜色为蓝色D) 如果s=’r+’，则表示由红色的+号绘制图形 6. 如果现在要对一组数据进行分类，我们不知道这些数据最终能分成几类，那么应 该选择（○11）来处理这些数据最适合。 A) BP神经网络B)RBF神经网络 C) SOM神经网络D)ELMAN神经网络 4. 如果现在要对一组数据进行分类，我们已经知道这些数据最终能分成几类，那么 应该选择（○4）来处理这些数据最适合。 A) RBF神经网络B) SOM神经网络 C) BP神经网络D) ELMAN神经网络 7.一个只有单权值的神经网络，其误差函数为 A) 增大 B) 减少 C) 可能增大也可能减少 D) 不变
1.非线性机器学习算法具有以下的什么特性？ A.针对难以用准则来描述的复杂模型 B.能够达到更深层次的抽象 C.能够进行广泛使用的分类算法 D.以上都是 正确答案：D 2.神经网络的学习步骤包括：1、求得权重等参数，2、定义代价函数，3、对测试数据进行预测，4、根据样本数据和标签采用梯度下降法进行学习，步骤的正确顺序为： A.4213 B.2413 C.2143 D.4123 正确答案：B 二、判断题 1.单层感知器能对线形可分的数据集进行分类，能解决逻辑问题异或。 正确答案：× 2.前馈神经网络中偏置单元可以有输入。 正确答案：× 3.在某种意思上，小批量梯度下降算法是以迭代次数换取算法的运行速度。 正确答案：√ 4.神经网络中的神经元有两个状态：兴奋、抑制。这两个状态由阈值决定。 正确答案：√ 5.前馈式神经网络层间有反馈。
6.小批量梯度下降法在迭代的每一步中，参数的更新只用了小批量样本的信息。正确答案：√ 7.小批量梯度下降法和随机梯度下降算法收敛可能需要更多的迭代次数 正确答案：√ 三、多选题 1.使用均方误差作为代价函数，有什么特点？( ) A.形式简单 B.通俗易懂 C.容易出现饱和现象 D.容易陷入局部最优解 正确答案：A、B、C、D 2.感知器可以解决一下哪些问题？( ) A.实现逻辑关系中的与 B.实现逻辑关系中的或 C.实现逻辑关系中的非 D.线性分类和线性回归问题 正确答案：A、B、C、D 3.神经网络具有下面哪几个特点？( ) A.能充分逼近复杂的非线性关系 B.具有高度的容错能力 C.具有自组织能力 D.可以并行分布处理 正确答案：A、B、C、D
一、单选题 1、下面哪种结果不是利用机器学习算法从数据中得到的？ A.常识 B.神经网络 C.回归模型 D.规则 正确答案：A 2、有关神经网络训练时使用的学习率参数说法错误的是？ A.学习率可以随着训练误差动态调整效果更好。 B.学习率可以与其他网络参数一起训练，对降低代价函数是有利的。 C.学习率过大更容易导致训练陷入局部极小值。 D.网络训练时刚开始学习率可以大一些，以便提高学习速度，随后 应减少学习率，以免引起学习震荡。 正确答案：C 3、下面哪个选项不是神经网络训练过程中过拟合的防止方法？ A.dropout B.L2正则化 C.增加学习率 D.提前终止 正确答案：C 4、下面有关神经网络的说法，错误的是？
A.神经网络神经元的输出都是传给其他神经元，不能再反馈回来 B.神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化 C.神经网络不同层次的神经元可以使用不同的激活函数 D.均方差损失函数是神经网络常用的一种代价函数（损失函数） 正确答案：A 5、关于训练样本的描述中，正确的说法是哪个？ A.增加数据可以减少模型方差 B.样本越多，模型训练越快，性能越好 C.样本越少，模型的方差越大 D.如果模型性能不佳，可增加样本多样性进行优化 正确答案：C 6、有关BP神经网络的说法，错误的是哪个？ A.易陷入局部极小值 B.训练次数多，学习效率低，收敛速度慢 C.训练时新样本的加入对已经学习的结果没什么影响 D. 隐层节点的选取缺乏理论指导 正确答案：C 7、有关神经网络参数初始化的说法错误的是哪个？ A.Xavier初始化可以减少梯度消失 B.合适的权重初始化可以加快神经网络的训练和效果
习题 2.1什么是感知机？感知机的基本结构是什么样的？ 解答：感知机是Frank Rosenblatt在1957年就职于Cornell航空实验室时发明的一种人工神经网络。它可以被视为一种最简单形式的前馈人工神经网络，是一种二元线性分类器。 感知机结构： 2.2单层感知机与多层感知机之间的差异是什么？请举例说明。 解答：单层感知机与多层感知机的区别： 1. 单层感知机只有输入层和输出层，多层感知机在输入与输出层之间还有若干隐藏层； 2. 单层感知机只能解决线性可分问题，多层感知机还可以解决非线性可分问题。 2.3证明定理：样本集线性可分的充分必要条件是正实例点集所构成的凸壳与负实例点集构 成的凸壳互不相交. 解答：首先给出凸壳与线性可分的定义 凸壳 定义1：设集合S⊂R n，是由R n中的k个点所组成的集合，即S={x1,x2,⋯,x k}。定义S的凸壳为conv(S)为： conv(S)={x=∑λi x i k i=1|∑λi=1,λi≥0,i=1,2,⋯,k k i=1 } 线性可分 定义2：给定一个数据集 T={(x1,y1),(x2,y2),⋯,(x n,y n)} 其中x i∈X=R n , y i∈Y={+1,−1} , i=1,2,⋯,n ,如果存在在某个超平面S： w∙x+b=0 能够将数据集的正实例点和负实例点完全正确地划分到超平面的两侧，即对所有的正例点即y i=+1的实例i，有w∙x+b>0，对所有负实例点即y i=−1的实例i，有w∙x+b<0，则称数据集T为线性可分数据集；否则，称数据集T线性不可分。 必要性：线性可分→凸壳不相交 设数据集T中的正例点集为S+，S+的凸壳为conv(S+)，负实例点集为S−，S−的凸壳为conv(S−)，若T是线
研究生神经网络试题A卷参考答案 一、简答题 1. 神经网络的基本原理是什么？ 神经网络是一种模仿人脑神经元网络结构和工作方式的计算模型。它由大量的节点（神经元）和连接它们的边（突触）构成。每个神经元接收多个输入信号，并通过激活函数进行处理后，将输出信号传递给其他神经元。通过多层的神经元连接，神经网络能够对复杂的非线性问题进行建模和求解。 2. 神经网络训练的过程及原理是什么？ 神经网络的训练过程分为前向传播和反向传播两个阶段。在前向传播过程中，将输入信号通过网络的各层神经元传递，并经过激活函数的作用，最终得到输出结果。在反向传播过程中，通过与真实输出值的比较，计算网络输出的误差，然后将误差逆向传播回网络，根据误差进行权重和偏置的调整，以减小误差。反复进行前向传播和反向传播的迭代训练，直到达到预定的训练精度或收敛条件。 3. 神经网络的主要应用领域有哪些？ 神经网络广泛应用于各个领域，包括图像识别、语音识别、自然语言处理、机器翻译、推荐系统等。在图像识别领域，卷积神经网络（CNN）被广泛应用于图像分类、目标检测和图像分割等任务。在自然语言处理领域，循环神经网络（RNN）和长短时记忆网络（LSTM）
在语言模型、机器翻译和文本生成等方面表现出色。此外，神经网络还可以用于金融预测、智能控制和模式识别等其他领域。 4. 神经网络中的激活函数有哪些常用的？它们的作用是什么？ 常用的激活函数包括sigmoid函数、ReLU函数和tanh函数。它们的作用是在神经网络中引入非线性，增加网络的表达能力。sigmoid函数将输入映射到0和1之间，主要用于二分类问题。ReLU函数在输入大于0时返回该值，否则返回0，可以有效地缓解梯度消失问题，目前在深度学习中得到广泛应用。tanh函数将输入映射到-1和1之间，具有对称性，使得网络的输出更加均匀。 5. 神经网络中的损失函数有哪些常用的？它们的作用是什么？ 常用的损失函数包括均方误差损失函数（MSE）、交叉熵损失函数和对数损失函数。均方误差损失函数衡量实际输出与目标输出之间的差距，适用于回归问题。交叉熵损失函数在分类问题中更为常见，通过计算实际输出和目标输出之间的交叉熵来衡量分类的正确性。对数损失函数与交叉熵损失函数类似，适用于二分类问题。损失函数的作用是衡量神经网络输出与真实输出之间的差异，帮助网络调整权重和偏置，以使得网络的输出更加接近真实值。 二、计算题 1. 神经网络的训练过程中，反向传播算法是如何计算权重和偏置的调整量的？
模糊控制技术课后习题答案 模糊控制技术课后习题答案 模糊控制技术是一种广泛应用于工程领域的控制方法，它通过模糊推理和模糊 逻辑来处理模糊信息，从而实现对复杂系统的控制。在学习模糊控制技术的过 程中，课后习题是巩固知识和加深理解的重要途径。下面将为大家提供一些模 糊控制技术课后习题的答案，希望对大家的学习有所帮助。 1. 什么是模糊控制系统？ 模糊控制系统是一种基于模糊逻辑和模糊推理的控制系统。它通过建立模糊规 则库，对输入和输出进行模糊化处理，然后通过模糊推理得到控制信号，实现 对系统的控制。模糊控制系统能够处理模糊信息和不确定性，适用于复杂系统 的控制。 2. 什么是模糊集合？ 模糊集合是对现实世界中模糊概念的数学描述。与传统的集合不同，模糊集合 中的元素具有模糊隶属度，表示了元素与集合之间的模糊关系。模糊集合可以 用隶属函数来表示，隶属函数的取值范围在[0,1]之间。 3. 什么是模糊逻辑？ 模糊逻辑是一种扩展了传统逻辑的数学理论，它能够处理模糊信息和不确定性。在模糊逻辑中，命题的真值不再是只有真和假两种取值，而是可以是任意在[0,1]范围内的模糊值。模糊逻辑通过模糊推理和模糊规则来处理模糊信息，实现对 复杂问题的推理和决策。 4. 什么是模糊推理？ 模糊推理是模糊控制系统中的核心过程，它通过对模糊规则进行推理，得到模
糊输出。模糊推理的基本思想是将输入与模糊规则库中的规则进行匹配，然后 根据匹配程度和规则的权重计算出输出的模糊值。常用的模糊推理方法有模糊 关联和模糊推理机。 5. 什么是模糊控制器？ 模糊控制器是模糊控制系统中的关键组成部分，它通过模糊推理和模糊规则来 生成控制信号，实现对系统的控制。模糊控制器的输入是模糊化后的系统状态，输出是经过去模糊化处理的控制信号。常见的模糊控制器有模糊PID控制器和 模糊神经网络控制器。 通过以上几个问题的回答，我们对模糊控制技术有了初步的了解。模糊控制技 术作为一种处理模糊信息和不确定性的控制方法，在工程领域有着广泛的应用。掌握模糊控制技术的原理和方法，对于工程师来说是非常重要的。希望大家通 过课后习题的答案，能够更好地理解和应用模糊控制技术，为实际工程问题的 解决提供有力支持。
一、单选题 1、梯度消失和梯度爆炸不会导致下面哪种情况？ A.梯度爆炸使网络训练时代价函数震荡，不利于收敛 B.梯度消失会导致网络训练变慢 C.梯度爆炸会加快网络训练，更易达到最优解 D.梯度消失使网络性能不佳，分类准确度低 正确答案：C 2、以下哪个不是AlexNet的创新点？ A.dropout B.共享权重 C.双GPU训练 D.Relu激活函数和重叠池化 正确答案：B 3、AlexNet使用ReLU激活函数的好处不包括以下哪个方面？ A.开销小、计算快 B.梯度为0时神经元难以正常工作 C.提高l网络训练速度 D.缓解了梯度消失问题 正确答案：B 4、在池化中，当步长小于卷积核的大小时会称为重叠池化。与非重叠池化相比，下面哪个不是重叠池化的优点？
A.损失信息少 B.减少计算量 C.获得的图像特更丰富 D.提高卷积神经网络的正确率 正确答案：B 5、有关VGG网络的说法，以下哪个说法是错误的？ A.多个3X3小卷积的级联效果与5X5和7X7的大卷积核功能相仿 B.卷积层与池化层是一一配对的 C.使用了dropout减少过拟合 D.使用不同数量的卷积核拼成模块，同一模块特征图的尺寸不变。 正确答案：B 6、VGG对图像的分类准确度高于AlexNet的原因可能不是下面的哪一项？ A.训练次数多 B.更多的隐层（深度大） C.多个卷积层组成的模块 D.较小的卷积核 正确答案：A 7、以下卷积神经网络优化的方法正确的是哪个？ A.激活函数尽量选择Sigmoid等函数，提高网络的非线性拟合能力 B.增加池化层的个数可以提高网络训练参数，但降低了网络性能
C.mini-batch的batch值越大越好 D.卷积层使用卷积+ReLU+batch normalization的结构 正确答案：B 8、对于GoogLeNet网络，以下哪个说法是错误的？ A.通过线性堆叠各种Inception模块，在不明显增加网络课训练参数的情况下，提升网络的性能 B.为适应不同大学的图形特征的获取，采用了多种大小的卷积核 C.网络的宽度和深度都得到了加强，特征获得更充分 D.GoogLeNetL的两个辅助分类器的主要目的是增加分类子模型，提高分类准确度 正确答案：D 9、ResNet中引入shortcut的功能不包括以下哪一个？ A.减少了计算量 B.改善了网络的特征获取能力 C.ResNet的梯度通过shortcut回到更早的层，缓解了网络因为深度增大导致的梯度消失 D.引出了残差模块，简化了学习 正确答案：A 10、ResNet的特点不包括以下哪一点？ A.减少深层网络的梯度消失问题 B.特征的重用
智能控制系统考试题库 考试类型 概念题：3’*5 论述题：6’*4 计算题：10’+11’ 设计题：20’*2 一：概念题： 1.智能控制；模糊控制；专家控制；神经网络定义 2.写出模糊控制器的四个主要组成部分名称 3.递阶智能系统的智能程度分布一般要遵循什么原则？ 4.何谓神经网络的泛化能力？ 5.写出遗传算法的三个基本操作 6.写出自组织神经网络的三个基本过程 7.写出四种专家系统的知识表示方法 8.写出遗传算法中两种编码方法 二：论述题 1.为什么模糊输出向量要进行解模糊计算？ 2.简述隶属度函数建立的一般准则 3.简述BP算法中误差信号反向传播过程 4.简述模糊控制器的各组成部分功能 5.简述遗传算法进化过程中两种“早熟”现象 6.简述三种提高网络泛化能力的措施 7.写出专家系统组成中知识赛，数据库和推理机的功能 8.简述隶属度函数建立的一般准则 9.简述专家系统各组成部分的功能 10.为什么模糊推理得到的结果要进行解模糊处理?写出常见的两种解模糊方法 11.简述适应度函数在遗传算法中的作用 12.递阶智能控制系统的主要结构特点有哪些？ 13.信息特征，获取方式，分层方式有哪些？ 14.详细描述数据融合的流程和方法 15.详细描述递阶智能控制系统的优化算法模型 16.比较模糊集合和普通集合的异同 17.简述模糊控制系统的组成与工作原理 18.试举例说明传统集合中叉积序偶的顺序是不能颠倒的 19.结合自身理解浅谈模糊数学与模糊集合的概念 20.举例说明模糊数学隶属函数的概念 21.简述人工神经网络定义及特征 22.生物神经元由哪几部分组成？每一部分的作用是什么？他有哪些特征？ 23.简述BP算法的神经网络结构及学习算法 24.简述遗传算法的特点及关键问题
神经网络与深度学习习题 1、A：CD-ROM驱动器，CPU，键盘，显示器 B：激光打印机，键盘，CD-ROM驱动器，鼠标器(正确答案) C：主存储器，CD-ROM驱动器，扫描仪，显示器 D：打印机，CPU，内存储器，硬盘 CPU主要技术性能指标有______。[单选题] * 2、右键单击一个单元格出现的快捷菜单，下面的哪个命令不属于其中（）。[单选题]* A. 插入 B. 删除 C. 删除工作表(正确答案) 3、4.根据域名代码规定，表示政府部门网站的域名代码是（）[单选题] * https://www.doczj.com/doc/6319011388.html, https://www.doczj.com/doc/6319011388.html, https://www.doczj.com/doc/6319011388.html,(正确答案) https://www.doczj.com/doc/6319011388.html, 4、下列叙述中，错误的是______。[单选题] *
A：计算机系统由硬件系统和软件系统组成 B：计算机软件由各类应用软件组成(正确答案) C：CPU主要由运算器和控制器组成 D：计算机主机由CPU和内存储器组成 5、客户-服务器网络典型的工作方式为（）易[单选题] * A. 同步和互斥 B. 发送和接收 C. 请求-响应(正确答案) D. Client-Server 6、在WPS文字中,编排完一个文件后,要想知道其打印效果,可以（）。[单选题] * A.选择“模拟显示”命令 B.选择“打印预览”命令(正确答案) C.按F键 7、在A单元格录入公式：如果B单元格大于等于或者小于，则显示“ERROR”，否则显示为”CORRECT”,正确的表达为（）。[单选题] * A .IF(OR（B>=, B<）,”ERROR”,”CORRECT”)(正确答案) B. IF(NOT（B>= OR B<）,”ERROR”,”CORRECT”) C. IF(AND（B>= OR B<）,”ERROR”,”CORRECT”)
1. 神经网络的模型分类，分别画出网络图，简述其特点。 1）前向网络：神经网元分层排列,组成输入层,隐含层和输出层。每一层的神经元只能接收前一层神经元的输入.输入模式经过各层的顺次变换后，得到输出层数输出。个神经元之间不存在反馈.感知器和误差反向传播算法中使用的网络都属于这种模型. 1).2) 2）反馈网络：这种网路结构指的是只有输出层到输入层存在反馈，即每一个输入节点都有可能接受来自外部的输入和来自输出神经元的反馈。这种模式可用来存储某种模式序列，也可以动态时间序列系统的神经网络建模. 3）相互结合型网络:属于网状结构，这种神经网络模型在任意两个神经元之间都可能存在连接.信号要在神经元之间反复往返传递，网络处在一种不断改变的状态之中。从某个初态开始，经过若干次变化，才能达到某种平衡状态，根据网络结构和神经元的特性，还有可能进入周期震荡或混沌状态。 4）混合型网络：是层次型网络和网状结构网络的一种结合。通过层内神经元的相互结合，可以实现同一层内的神经元的横向抑制或兴奋机制，这样可以限制每层内能同时动作的神经元数，或者把每层内的神经元分成若干组，让每组作为一个整体来动作. 2. 神经网络学习算法有几种，分别画出网络图，简述其特点。 1)有导师学习:所谓有导师学习就是在训练过程中，始终存在一个期望的网络输出。期望输出和实际输出之间的距离作为误差度量并用于调整权值. 1。 2）无导师学习：网络不存在一个期望的输出值，因而没有直接的误差信息,因此，为实现对网络训练，需建立一个间接的评价函数,一对网络的某种行为趋向作出评价. 3、简述神经网络泛化能力。 答：人工神经网络容许某些变化,如当输入矢量带有噪声时，即与样本输出矢量存在差异时，其神经网络的输出同样能够准确地呈现出应有的输出。这种能力就成为泛化能力. 4、单层BP 网络与多层神经网络学习算法的区别。 1）单层神经网络的Delta 学习算法是通过对目标函数∑== N p p E E 1 的极小来实现的，其中E 的极小是通过有序地对每一个样本数据的输出误差Ep 的极小化来得到。Delta 规则的学习算法就是对∑=-= 1 2 )(2 1 n i pj pj y t E 所定义的目标函数值求梯度得到。 2）多层前向传播网络的权系数训练算法是利用著名的误差反向传播学习算法。根据这一算法,训练网络权阵的更新是通过反向传 播网路的期望输出（样本输出)与世纪输出的误差来实现的。 3、分别叙述模糊控制器四个模块设计内容，并写出设计步骤。 答：四个模块为：模糊化过程、知识库（含数据库和规则库）、推理决策逻辑、精确化计算。（PPT 上是：模糊化接口、规则库、模糊推理、清晰化接口） 设计步骤：1定义输入输出变量2定义所有变量的模糊化条件3设计控制规则库4设计模糊推理结构5选择精确化策略方法 PPT 上设计步骤是：(1)确定模糊控制器的输入变量和输出变量；（2）确定输入，输出的论域和Ke 、Kec 、Ku 的值；（3）确定各变量的语言取值及其隶属函数；（4）总结专家控制规则及其蕴涵的模糊关系；(5）选择推理算法； （6）确定清晰化的方法；（7）总结模糊查询表. 1． 什么是智能、智能系统、智能控制? 答:智能：能够自主的或者交互的执行通常与人类智能有关的智能行为,如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。 智能系统：是指具有一定智能行为的系统，对于一定的输入，它能产生合适的问题求解相应。 智能控制:智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法. 4 把智能控制看作是AI(人工智能)、OR （运筹学）、AC （自动控制)和IT(信息论）的交集，其根据和内涵是什么? 答：人工只能（AI ）是一个用来模拟人思维的知识处理系统，具有学习、记忆、信息处理、形式语言、启发推理等功能;自动控制(AC ）描述系统的动力学特性，是一种动态反馈;运筹学（OR ）是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等；信息论（IT ）信息论是运用概率论与树立统计的方法研究信息、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科. 早期产生的的二元结构被发现是很大程度上局限于符号主义的人工智能，无助于智能控制的有效的、成功的应用，所以后来又引入了运筹学。考虑到信息论对知识和智能的解释作用、控制论和系统论与信息之间的密切关系、信息论对智能控制的作用等方面
一 简述人工神经网络常用的网络结构和学习方法。（10分） 答：1、人工神经网络常用的网络结构有三种分别是：BP 神经网络、RBF 神经网络、Kohonen 神经网络、ART 神经网络以及Hopfield 神经网络。人工神经网络模型可以按照网络连接的拓扑结构分类，还可以按照内部信息流向分类。按照拓扑结构分类：层次型结构和互连型结构。层次型结构又可分类：单纯型层次网络结构、输入层与输出层之间有连接的层次网络结构和层内有互联的层次网络结构。互连型结构又可分类：全互联型、局部互联型和稀疏连接性。按照网络信息流向分类：前馈型网络和反馈型网络。 2、学习方法分类：⑴.Hebb 学习规则：纯前馈网络、无导师学习。权值初始化为0。 ⑵.Perceptron 学习规则：感知器学习规则，它的学习信号等于神经元期望输出与实际输出的差。单层计算单元的神经网络结构，只适用于二进制神经元。有导师学习。⑶.δ学习规则：连续感知学习规则，只适用于有师学习中定义的连续转移函数。δ规则是由输出值与期望值的最小平方误差条件推导出的。⑷.LMS 学习规则：最小均放规则。它是δ学习规则的一个特殊情况。学习规则与神经元采用的转移函数无关的有师学习。学习速度较快精度较高。⑸.Correlation 学习规则：相关学习规则，他是Hebb 学习规则的一种特殊情况，但是相关学习规则是有师学习。权值初始化为0。⑹.Winner-Take-All 学习规则：竞争学习规则用于有师学习中定义的连续转移函数。权值初始化为任意值并进行归一处理。⑺.Outstar 学习规则：只适用于有师学习中定义的连续转移函数。权值初始化为0。 2．试推导三层前馈网络BP 算法权值修改公式，并用BP 算法学习如下函数： 21212 22 1213532)(x x x x x x x x f -+-+=, 其中：551≤≤-x ，552≤≤-x 。基本步骤如下： （1）在输入空间]5,5[1-∈x 、]5,5[2-∈x 上按照均匀分布选取N 个点（自行定义），计算)(21x x f ,的实际值，并由此组成网络的样本集；
智能控制技术考试题及答案《智能控制技术》考试试题A
《智能控制》课程考试试题A参考答案 一、填空题 (1) OPEN (2) 最有希望 (3) 置换 (4) 互补文字 (5) 知识库 (6) 推理机 (7) 硬件 (8) 软件 (9) 智能 (10) 傅京孙 (11) 萨里迪斯 (12) 蔡自兴 (13) 组织级 (14) 协调级 (15) 执行级 (16) 递阶控制系统 (17) 专家控制系统 (18) 模糊控制系统 (19) 神经控制系统 (20) 学习控制系统 二、选择题 1、D 2、A 3、C 4、B 5、D 6、B 7、A 8、D 9、A 10、D 三、问答题 1、答:传统控制理论在应用中面临的难题包括: (1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。 (2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。 (3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。 (4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠
性。 传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科 学与工程的最新成果。人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平──智能控制发展。 智能控制具有下列特点: (1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程, 也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理, 以启发式策略和智能算法来引导求解过程。 (2) 智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。 (3) 智能控制是一门边缘交叉学科。实际上,智能控制涉及更多的相关学科。智能控制的发展需要各相关学科的配合与支援,同时也要求智能控制工程师是个知识工程师。 (4) 智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。 2、(本题鼓励自由发挥和创新思维,下列答案仅供参考,千万注意保护考生的创新精神) 答:长期以来,自动控制科学已对整个科学技术的理论和实践做出重要贡献,并为人类的生产、经济、社会、工作和生活带来巨大利益。然而,现代科学技术的迅速发展和重大进步,已对控制和系统科学提出新的更高的要求,自动控制理论和工程正面临新的发展机遇和严峻挑战。传统控制理论,包括经典反馈控制、近代控制和大系统理论等,在应用中遇到不少难题。多年来,自动控制一直在寻找新的出路。现在看来,出路之一就是实现控制系统的智能化,以期解决面临的难题。 智能控制采用各种智能化技术实现复杂系统和其它系统的控制目标,是一种具有强大生命力的新型自动 控制技术。智能控制是人工智能和自动控制的重要部分和研究领域,并被认为是通向自主机器递阶道路上自动控制的顶层。下图表示自动控制的发展过程和通向智能控制路径上控制复杂性增加的过程。从图中可以看出,这条路径的最远点是智能控制,至少在当前是如此。智能控制涉及高级决策并与人工智能密切相关。
填空题（每空1分，共20分） 控制论的三要素是：信息、反馈和控制。 传统控制是经典控制和现代控制理论的统称。 智能控制系统的核心是去控制复杂性和不确定性。 神经元（即神经细胞）是由细胞体、树突、轴突和突触四部分构成。按网络结构分，人工神经元细胞可分为层状结构和网状结构按照学习方式分可分为：有教师学习和无教师学习。 前馈型网络可分为可见层和隐含层，节点有输入节点、输出节点、计算单元。 神经网络工作过程主要由工作期和学习期两个阶段组成。 1、智能控制是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控制器；与自动控制原理和现代控制原理一起构成了自动控制课程体系的理论基础。 2、智能控制系统的主要类型有：分级递阶控制系统，专家控制系统，学习控制系统，模糊控制系统，神经控制系统，遗传算法控制系统和混合控制系统等等。 3、模糊集合的表示法有扎德表示法、序偶表示法和隶属函数描述法。 4、遗传算法是以达尔文的自然选择学说为基础发展起来的。自然选择学说包括以下三个方面：遗传、变异、适者生存。 5、神经网络在智能控制中的应用主要有神经网络辨识技术和神经网络控制技术。 6、在一个神经网络中，常常根据处理单元的不同处理功能，将处理单元分成输入单元、输出单元和隐层单元三类。 7、分级递阶控制系统：主要有三个控制级组成，按智能控制的高低分为组织级、协调级、执行级，并且这三级遵循“伴随智能递降精度递增”原则。 传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制
方式，缺乏灵活性和应变能力，适于解决线性 、时不变性等相对简单的控制。 智能控制的研究对象具备以下的一些特点：不确定性的模型、高度的非线性、复杂的任务要求。 IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学) AC：描述系统的动力学特征，是一种动态反馈。 AI ：是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。OR：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。 智能控制：即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化作出适应性，从而实现由人来完成的任务。 智能控制的几个重要分支为模糊控制、神经网络控制和遗传算法。 智能控制的特点：1，学习功能2，适应功能3，自组织功能4，优化功能 智能控制的研究工具：1，符号推理与数值计算的结合2，模糊集理论3，神经网络理论4，遗传算法5，离散事件与连续时间系统的结合。 智能控制的应用领域，例如智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制和交通运输系统等。 10、专家系统：是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 11、专家系统的构成：由知识库和推理机（知识库由数据库和规则库两部分构成） 18、专家控制的特点：灵活性、适应性和鲁棒性。 19、模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法。，它从行为上模仿人的模糊推理和决策过程。