历 年 题 库
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：
~~~~~~?[A?B]?[A?E] （1分） RA?B~~~（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：
~~~~~~R?[A?B]?[A?C] （2分） ~ A?B~~~（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：
历 年 题 库
R?A?B~?~~?T1~?C
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
,i=1, 2, ..., n和一个输出y组成。中间状态由输入信
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。
历 年 题 库
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 。
历 年 题 库
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； (4)基本遗传算法的运行参数，即Ｍ、Ｇ、33. 简述遗传算法的应用领域。
Pc和
Pm等参数。
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；
历 年 题 库
(6)确定遗传算法的有关运行参数，即Ｍ、Ｇ、Pc和Pm等参数； (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。