神經(jīng)網(wǎng)絡(luò)與模糊控制考試題及答案

歷年題庫(kù)

一、填空題

1、含糊控制器由含糊化制口、解含糊將口、知識(shí)庫(kù)和含糊推理機(jī)

2、一個(gè)單神經(jīng)元的輸入是1.0,其權(quán)值是1.5,閥值是-2,則其激活函數(shù)的凈輸入是

3-----魯激活函數(shù)是階躍函數(shù)，則神經(jīng)元的輸出是-------1--------

3、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式有^___________?/異風(fēng)也督學(xué)學(xué)___________

和灌輸式學(xué)習(xí)

4、清晰化化的方法有三種：平均最大隸屬度法、最大隸屬度取最小/最大

值法和中位數(shù)法，加權(quán)平均法

5、含糊控制規(guī)則的建立有多種方法，5：某于專家經(jīng)驗(yàn)和控制知識(shí)I某

干操作人員的實(shí)際捽制過程和基干過程的含糊植型，基干學(xué)習(xí)________________

6、神經(jīng)網(wǎng)絡(luò)粹制的結(jié)構(gòu)歸結(jié)為神經(jīng)網(wǎng)絡(luò)監(jiān)督捽制、神經(jīng)網(wǎng)絡(luò)育將詼動(dòng)北捽

?∣_________、神網(wǎng)白話應(yīng)粹制神網(wǎng)白話應(yīng)評(píng)判格制、襯1網(wǎng)認(rèn)注聯(lián)控制I、

神網(wǎng)初測(cè)捽制六類

7.傅京遜首次提出智能控制的概念，并歸納出的3種類型智能控制系統(tǒng)是______________

、和_________________________________O

7、人作為控制器的控制系統(tǒng)、人機(jī)結(jié)合作為控制器的控制系統(tǒng)、無(wú)人參預(yù)的自主控

制系統(tǒng)

8、智能控制主要解決傳統(tǒng)控制難以解決的復(fù)雜系統(tǒng)的控制問題，其研究的對(duì)象具備的3個(gè)

特點(diǎn)為>和__________________________。

8、不確定性、高度的非線性、復(fù)雜的任務(wù)要求

9.智能控制系統(tǒng)的主要類型有>J,

、?。

9、分級(jí)遞階控制系統(tǒng)，專家控制系統(tǒng)，神經(jīng)控制系統(tǒng)，含糊控制系統(tǒng)，學(xué)習(xí)控制系統(tǒng)，

集成或者（復(fù)合）混合控制系統(tǒng)

10.智能控制的不確定性的模型包括兩類：（n_________________________________；

（2）。

10、（1）模型未知或者知之甚少；（2）模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。

11.控制論的三要素是：信息、反饋和控制。

12.建立一個(gè)實(shí)用的專家系統(tǒng)的步驟包括三個(gè)方面的設(shè)計(jì)，它們分別是、

和，，知識(shí)庫(kù)的設(shè)計(jì)推理機(jī)的設(shè)計(jì)人機(jī)接口的設(shè)計(jì)

13.專家系統(tǒng)的核心組成部份為______和。知識(shí)庫(kù)、推理機(jī)

14.專家系統(tǒng)中的知識(shí)庫(kù)包括了3類知識(shí)，它們分別為__________>

和。判斷性規(guī)則控制性規(guī)則數(shù)據(jù)

歷年題庫(kù)

15.專家系統(tǒng)的推理機(jī)可采用的3種推理方式為______推理、和__________推理。

15、正向推理、反向推理和雙向推理

16.根據(jù)專家控制器在控制系統(tǒng)中的功能，其可分為和。

16、直接型專家控制器、間接型專家控制器

17.普通集合可用_______函數(shù)表示,含糊集合可用_______函數(shù)表示。特征、隸屬

18.某省兩所重點(diǎn)中學(xué)在(x/xj五年高考中，考生“正常發(fā)揮''的隸屬函數(shù)分別為0.85、0.93、

0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94?則在研究該省重點(diǎn)中學(xué)高考考生水平發(fā)

揮的狀況時(shí)，論域應(yīng)為X=,若分別用A、B表示兩個(gè)學(xué)校

考試“正常發(fā)揮”的狀況，則用序偶表示法分別表示為

A=______________________________________________

B=；”未正常發(fā)揮”含糊子集(用行向量表示)

分別為和；而該省兩所重點(diǎn)中學(xué)每年高考考生

“正常發(fā)揮”的含糊子集應(yīng)該是_____________________________________(用Zadeh法表

示)。X=!x,X,X,X,X},A=!(X,0.85),(X,0.93),(X,0.89),(X,0.91),(X,0.96)}

1234512345

B=I(X,0.92),(X,0.96),(X,0.87),(X,0.93),(X,0.94)}

12345

A=[0.15,0.07,0.11,0.09,0.04],B=[0.08,0.04,0.13,0.07,0.06]

0.850.930.870.910.94

------+--------+--------+-------+-------

XXXXX

12345

19.確定隸屬函數(shù)的方法大致有?和

19、含糊統(tǒng)計(jì)法主觀經(jīng)驗(yàn)法神經(jīng)網(wǎng)絡(luò)法

20.在含糊控制中應(yīng)用較多的隸屬函數(shù)有6種，它們分別為高斯型隸屬函數(shù)_

、?

20、廣義鐘形隸屬函數(shù)S形隸屬函數(shù)梯形隸屬函數(shù)三角形隸屬函數(shù)Z形隸屬函數(shù)

21.在天氣、學(xué)問、晴朗、表演和賅博中可作為語(yǔ)言變量值的有__________和____________p

21、晴朗、賅博

23.含糊控制是以___________________>、和________________為

基礎(chǔ)的一種智能控制方法。含糊集理論，含糊語(yǔ)言變量，含糊邏輯推理

24.含糊控制的數(shù)學(xué)基礎(chǔ)為。24、含糊集合

25.含糊控制中，常用的語(yǔ)言變量值用PM,PS,NM,NO等表示,其中PM代表

,NO代表。25、正中、負(fù)零

26.在含糊控制中，含糊推理的結(jié)果是______________量。26、含糊

27.在含糊控制中，解含糊的結(jié)果是______________量。確定量

28.基本含糊控制器的組成包括知識(shí)庫(kù)以及>和o

含糊化接口、推理機(jī)、解含糊接口

29.在含糊控制中，實(shí)時(shí)信號(hào)需要______才干作為含糊規(guī)則的輸入，從而完成含糊推理。

歷年題庫(kù)

29、含糊化

30.含糊控制是建立在---------------基礎(chǔ)之上的，它的發(fā)展可分為三個(gè)階段，分別

為、、??

30、人工經(jīng)驗(yàn)含糊數(shù)學(xué)發(fā)展和形成階段產(chǎn)生了簡(jiǎn)單的含糊控制器高性能含糊控制階段

31.含糊集合邏輯運(yùn)算的含糊算子為_____,和_____________。

31、交運(yùn)算算子并運(yùn)算算子平衡算子

32.在溫度、成績(jī)、暖和、口才和很好中可作為語(yǔ)言變量值的有和

32.暖和、很好

33.在水位、壓力、暖和、表演、中年人和比較好中可作為語(yǔ)言變量值的在_________利_。

33、暖和、中年人和比較好

34.在水位、寒冷、溫度、表演和偏高中可作為語(yǔ)言變量值的宜_________和__________o

34.寒冷、偏高

35.含糊控制的基本思想是把人類專家對(duì)特定的被控對(duì)象或者過程的總結(jié)成一系列

以“”形式表示的控制規(guī)則。

35、控制策略“IF條件THEN作用”

36.神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程經(jīng)歷了4個(gè)階段，分別為i,和_。

36、啟蒙期、低潮期、復(fù)興期、新連接機(jī)制期

37.神經(jīng)元由4部份構(gòu)成，它們分別為i>和突觸。

37、細(xì)胞體、樹突、軸突

38.根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式，神經(jīng)網(wǎng)絡(luò)的3種形式為：、—

和.38、前向網(wǎng)絡(luò)反饋網(wǎng)絡(luò)自組織網(wǎng)絡(luò)

39.神經(jīng)網(wǎng)絡(luò)的3個(gè)要素為：、和______________。

39、神經(jīng)元的特性拓?fù)浣Y(jié)構(gòu)學(xué)習(xí)規(guī)則

41.目前神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法有多種，按有無(wú)導(dǎo)師分類，可分為___________________、_

__________________和___________________________________

41、有導(dǎo)師學(xué)習(xí)無(wú)導(dǎo)師學(xué)習(xí)再勵(lì)學(xué)習(xí)

42.神經(jīng)網(wǎng)絡(luò)的研究主要分為3個(gè)方面的內(nèi)容，即_____>和___________o

42.神經(jīng)元模型、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

43.神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程主要由正向傳播和—反向傳播兩個(gè)階段組成。

44.神經(jīng)網(wǎng)絡(luò)控制是將________________和____________________相結(jié)合而發(fā)展起來(lái)的智

能控制方法。神經(jīng)網(wǎng)絡(luò)，控制理論

45.遺傳算法的主要用途是。45、尋優(yōu)（優(yōu)化計(jì)算）

46.常用的遺傳算法的染色體編碼方法有二種，它們分別為實(shí)數(shù)編碼和.

46、二進(jìn)制編碼

47.遺傳算法的3種基本遺傳算子___________、和o

47、比例選擇算子單點(diǎn)交叉算子變異算子

48.遺傳算法中，適配度大的個(gè)體有_____________________破復(fù)制到下一代。更多機(jī)會(huì)

49.遺傳算法中常用的3種遺傳算子（基本操作）為r、和o

49、復(fù)制、交叉和變異

歷年題庫(kù)

二、簡(jiǎn)答題：

1.試說(shuō)明智能控制的的基本特點(diǎn)是什么？

（1）學(xué)習(xí)功能（1分）（2）適應(yīng)功能（1分）（3）自組織功能（1分）

（4）優(yōu)化能力（2分）

2、試簡(jiǎn)述智能控制的幾個(gè)重要分支。

專家控制、含糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法。

3、試說(shuō)明智能控制研究的數(shù)學(xué)工具。

智能控制研究的數(shù)學(xué)工具為：（1）符號(hào)推理與數(shù)值計(jì)算的結(jié)合；（2）離散事件與連續(xù)時(shí)

間系統(tǒng)得結(jié)合；（3）含糊集理論；（4）神經(jīng)網(wǎng)絡(luò)理論；（5）優(yōu)化理論

4.智能控制系統(tǒng)有哪些類型，各自的特點(diǎn)是什么？

（1）專家控制系統(tǒng)（1分）

專家系統(tǒng)主要指的是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降?/p>

知識(shí)與經(jīng)驗(yàn)。它具有啟示性、透明性、靈便性、符號(hào)操作、不一確定性推理等特點(diǎn)。

A（2）含糊控制系統(tǒng)（1分）

在被控制對(duì)象的含糊模型的基礎(chǔ)上，運(yùn)用含糊控制器近似推理手段，實(shí)現(xiàn)系統(tǒng)控制

的一種方法含糊模型是用含糊語(yǔ)言和規(guī)則描述的一個(gè)系統(tǒng)的動(dòng)態(tài)特性及性能指標(biāo)。

A（3）神經(jīng)控制系統(tǒng)（1分）

神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能。學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)的主要特征。

（4）遺傳算法（2分）

遺傳算法是基于自然選擇和基因遺傳學(xué)原理的搜索算法，是基于進(jìn)化論在計(jì)算機(jī)上模

擬生命進(jìn)化論機(jī)制而發(fā)展起來(lái)的一門學(xué)科.遺傳算法可用于含糊控制規(guī)則的優(yōu)化及神經(jīng)網(wǎng)

絡(luò)參數(shù)及權(quán)值的學(xué)習(xí),在智能控制領(lǐng)域有廣泛的應(yīng)用。

5、簡(jiǎn)述專家控制與專家系統(tǒng)存在的區(qū)別。

專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：

（1）專家系統(tǒng)能完成專門領(lǐng)域的功能，輔助用戶決策；專家控制能進(jìn)行獨(dú)立的、實(shí)時(shí)的

自動(dòng)決策。專家控制比專家系統(tǒng)對(duì)可靠性和抗干擾性有著更高的要求。

（2）專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求在線工作

方式。

6、試說(shuō)明智能控制的三元結(jié)構(gòu)，并畫出展示它們之間關(guān)系的示意圖。

把智能控制擴(kuò)展為三元結(jié)構(gòu)，即把人工智能、自動(dòng)控

制和運(yùn)籌學(xué)交接如下表示：（2分）

IC=AI∩AC∩OR

OR一運(yùn)籌學(xué)（Operationresearch）

IC一智能控制（intelligentcontrol）;

Al一人工智能（artificialintelligence）;

AC一自動(dòng)控制（automaticControl）;

C一表示交集.

7.比較智能控制與傳統(tǒng)控制的特點(diǎn)。

傳統(tǒng)控制：經(jīng)典反饋控制和現(xiàn)代理論控制。它們的主要特征是基于精確的系統(tǒng)數(shù)學(xué)模

歷年題庫(kù)

型的控制。適于解決線性、時(shí)不變等相對(duì)簡(jiǎn)單的控制問題。（2分）

智能控制：以上問題用智能的方法同樣可以解決。智能控制是對(duì)傳統(tǒng)控制理論的發(fā)展，

傳統(tǒng)控制是智能控制的一個(gè)組成部份，在這個(gè)意義下，兩者可以統(tǒng)一在智能控制的框架下。

8.簡(jiǎn)述智能控制系統(tǒng)較傳統(tǒng)控制的優(yōu)點(diǎn)。

在傳統(tǒng)控制的實(shí)際應(yīng)用遇到不少難解決的問題，主要表現(xiàn)以下幾點(diǎn)：（1）實(shí)際系統(tǒng)由于

存在復(fù)雜性、非線性、時(shí)變性、不確定性和不徹底性等，無(wú)法獲得精確的數(shù)學(xué)模型。（1分）

（2）某些復(fù)雜的和包含不確定性的控制過程無(wú)法用傳統(tǒng)的數(shù)學(xué)模型來(lái)描述，即無(wú)法解決建

模問題。（1分）（3）針對(duì)實(shí)際系統(tǒng)往往需要進(jìn)行一些比較苛刻的線性化假設(shè)，而這些假設(shè)

往往與實(shí)際系統(tǒng)不符合。（1分）（4）實(shí)際控制任務(wù)復(fù)雜，而傳統(tǒng)的控制任務(wù)要求低，對(duì)復(fù)

雜的控制任務(wù)，如機(jī)器人控制、ClMS、社會(huì)經(jīng)濟(jì)管理系統(tǒng)等復(fù)雜任務(wù)無(wú)能為力。（1分）

智能控制將控制理論的方法和人工智能技術(shù)靈便地結(jié)合起來(lái)，其控制方法適應(yīng)對(duì)象的復(fù)

雜性和不確定性,能夠比較有效的解決上述問題,具有較大的優(yōu)越性。（1分）

9、智能控制與傳統(tǒng)控制的主要區(qū)別如何？

傳統(tǒng)控制：經(jīng)典反饋控制和現(xiàn)代理論控制。它們的主要特征是基于精確的系統(tǒng)數(shù)學(xué)模型

的控制。適于解決線性、時(shí)不變等相對(duì)簡(jiǎn)單的控制問題。

智能控制：以上問題用智能的方法同樣可以解決。智能控制是對(duì)傳統(tǒng)控制理論的發(fā)展，

能夠解決傳統(tǒng)控制方法難以解決的復(fù)雜系統(tǒng)的控制問題，如：對(duì)象的不確定性、高度的非線

性和復(fù)雜的任務(wù)要求。傳統(tǒng)控制是智能控制的一個(gè)組成部份，在這個(gè)意義下，兩者可以統(tǒng)一

在智能控制的框架下。

10.在含糊控制器的設(shè)計(jì)中，常用的反含糊化的方法有哪幾種？

最大隸屬度法、中心法和加權(quán)平均法。

11.簡(jiǎn)述將含糊控制規(guī)則離線轉(zhuǎn)化為查詢表形式的含糊控制器的設(shè)計(jì)步驟。

（1）確定含糊控制器的結(jié)構(gòu)；（2）定義輸入、輸出含糊集；（3）定義輸入、

輸出隸屬函數(shù)；（4）建立含糊控制規(guī)則；（5）建立含糊控制表；（6）含糊推理；

⑺反含糊化。

12.簡(jiǎn)述含糊控制的發(fā)展方向

含糊控制的發(fā)展方向有：（1）FUZZy-PID復(fù)合控制（2）自適應(yīng)含糊控制（3）專家含糊

控制（4）神經(jīng)含糊控制（5）多變量含糊控制

13、含糊控制系統(tǒng)普通由幾個(gè)部份組成？

1）含糊控制器2）輸入/輸出接口裝置3）廣義對(duì)象4）傳感器

14、比較含糊集合與普通集合的異同。

比較含糊集合與普通集合的異同。

相同點(diǎn)：都表示一個(gè)集合；

不同點(diǎn)：普通集合具有特定的對(duì)象。而含糊集合沒有特定的對(duì)象，允許在符合與不符合

中間存在中間過渡狀態(tài)。

15.簡(jiǎn)述含糊集合的概念。

設(shè)為某些對(duì)象的集合,稱為論域,可以是連續(xù)的或者離散的；論域至IJ[0,1]區(qū)間的任一映

射：f[0,1]確定了的一個(gè)含糊子集；稱為的隸屬函數(shù)，表示論域的任意元

素屬于含糊子集F的程度。含糊子集F的表示方法有幾種，如：向量表示法、Zadeh表示

法、序偶表示法等。

歷年題庫(kù)

16、請(qǐng)畫出含糊控制系統(tǒng)的組成框圖，并結(jié)合該圖說(shuō)明含糊控制器的工作原理。

含糊控制器的工作原理為：

(1)含糊化接口測(cè)量輸入變量(設(shè)定輸入)和受控系統(tǒng)的輸出變量,并把它們映射到一個(gè)合

適的響應(yīng)論域的量程,然后,精確的輸入數(shù)據(jù)被變換為適當(dāng)?shù)恼Z(yǔ)言值或者含糊集合的標(biāo)識(shí)符。

本單元可視為含糊集合的標(biāo)記。

(2)知識(shí)庫(kù)涉及應(yīng)用領(lǐng)域和控制目標(biāo)的相關(guān)知識(shí)，它由數(shù)據(jù)庫(kù)和語(yǔ)言(含糊)控制規(guī)則庫(kù)組

成。數(shù)據(jù)庫(kù)為語(yǔ)言控制規(guī)則的論域離散化和隸屬函數(shù)提供必要的定義。語(yǔ)言控制規(guī)則標(biāo)記控

制目標(biāo)和領(lǐng)域?qū)＜业目刂撇呗浴?/p>

(3)推理機(jī)是含糊控制系統(tǒng)的核心。以含糊概念為基礎(chǔ),含糊控制信息可通過含糊蘊(yùn)涵和

含糊邏輯的推理規(guī)則來(lái)獲取,并可實(shí)現(xiàn)擬人決策過程。根據(jù)含糊輸入和含糊控制規(guī)則,含糊推

理求解含糊關(guān)系方程,獲得含糊輸出。

(4)含糊判決接口起到含糊控制的判斷作用,并產(chǎn)生一個(gè)精確的或者非含糊的控制作用。

此精確控制作用必須進(jìn)行逆定標(biāo)(輸出定標(biāo)),這一作用是在對(duì)受控過程進(jìn)行控制之前通過

量程變換來(lái)實(shí)現(xiàn)的

17.試寫出3種常用含糊條件語(yǔ)句及對(duì)應(yīng)的含糊關(guān)系R的表達(dá)式。

(1)設(shè)區(qū)、各分別是論域X、Y上的含糊集合，則含糊條件語(yǔ)句“ifAthen

B”所決定的二元含糊關(guān)系為：

二~=[X×B]∪[AXE](1分)

A→B

(2)設(shè)￡、五和2分別是論域X、Y和Z上的含糊集合，則含糊條件語(yǔ)句

“ifAthenBelsec”所決定的二元含糊關(guān)系為：

R^=[iχ?J區(qū)χc~](2分)

A

(3)設(shè)區(qū)、江和E分別是論域X、Y和Z上的含糊集合，則含糊條件語(yǔ)

句"ifAandBthenc”所決定的二元含糊關(guān)系為:

歷年題庫(kù)

R=I-AxB]τ1×C

18.人工神經(jīng)網(wǎng)絡(luò)有哪些主要的結(jié)構(gòu)特征？

（1）并行處理；（2分）（2）信息分布式存儲(chǔ)；（2分）容錯(cuò)性。（1分）

19.簡(jiǎn)述神經(jīng)元模型并畫出結(jié)構(gòu)圖。

和神經(jīng)生理學(xué)類似，人工神經(jīng)網(wǎng)絡(luò)的的基本處理單元稱為神經(jīng)元，每一個(gè)神經(jīng)元模型摹擬

一個(gè)生物神經(jīng)元,如圖所示：

該神經(jīng)元單元由多個(gè)輸入~,i=l,2,n和一個(gè)輸出y組成。中間狀態(tài)由輸入信

號(hào)加權(quán)和表示,其輸出為：

*xα>=:W∕ff一弓）

2一工

式中，*為神經(jīng)元單元的閾值），vtfJi為連接權(quán)系數(shù)（對(duì)于激發(fā)狀態(tài),v?取正值,對(duì)于抑

制狀態(tài),H"取負(fù)值）,n為輸入信號(hào)數(shù)目為神經(jīng)元輸出，t為時(shí)間，f（.）為輸出變換函

數(shù),有時(shí)叫做激發(fā)或者激勵(lì)函數(shù),往往采用O和1二值函數(shù)、S形函數(shù)和高斯函數(shù)等。

20、神經(jīng)網(wǎng)絡(luò)應(yīng)具備的四個(gè)基本屬性是什么？

1）并行分布式處理2）非線性處理3）自學(xué)習(xí)功能4）可通過硬件實(shí)現(xiàn)并行處理

21.簡(jiǎn)述誤差反向傳播學(xué)習(xí)算法的主要思想

誤差反傳算法的主要思想是把學(xué)習(xí)過程分為兩個(gè)階段（1分）：第一階段（正向傳播過

程）給出輸入信息通過輸入層經(jīng)隱含層逐層處理并計(jì)算每一個(gè)單元的實(shí)際輸出值（2分）；第

二階段（反向過程），若在輸出層未能得到期望輸出值，則逐層遞歸的計(jì)算實(shí)際輸出與期望

輸出之差值（誤差）以便根據(jù)此差值調(diào)節(jié)權(quán)值。

22.簡(jiǎn)述前向（多層）神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并畫出結(jié)構(gòu)圖。

前向（多層）神經(jīng)網(wǎng)絡(luò)具有遞階分層結(jié)構(gòu)，由一些同層神經(jīng)元間不存在互連的層組成。從

輸入層至輸出層的信號(hào)通過單向連接流通；神經(jīng)元從一層連接至下一層，不存在同層神經(jīng)元

間的連接,如圖所示。前向（多層）神經(jīng)網(wǎng)絡(luò)具有形式，如：多層感知器、BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)

等。

歷年題庫(kù)

反向傳播

輸入層隱層輸出層

前向(多層)神經(jīng)網(wǎng)絡(luò)

23.簡(jiǎn)述專家系統(tǒng)與專家控制的區(qū)別。

專家控制引入了專家系統(tǒng)的思想，但與專家系統(tǒng)存在區(qū)別：

(1)專家系統(tǒng)能完成專門領(lǐng)域的功能，輔助用戶決策；專家控制能進(jìn)行獨(dú)立的、實(shí)時(shí)的自

動(dòng)決策。專家控制比專家系統(tǒng)對(duì)可靠性和抗干擾性有著更高的要求。

(2)專家系統(tǒng)處于離線工作方式，而專家控制要求在線獲取反饋信息，即要求在線工作方

式。

24.試比較特征函數(shù)和隸屬函數(shù)。

特征函數(shù)用來(lái)表示某個(gè)元素是否屬于普通集合，而隸屬函數(shù)則用來(lái)表示某個(gè)元素屬于模

糊集合的程度，特征函數(shù)的取值{0,1},而隸屬函數(shù)的取值[0,1],特征函數(shù)可以看做特殊

的隸屬函數(shù)

25.請(qǐng)畫出直接型專家控制器的結(jié)構(gòu)圖并說(shuō)明其設(shè)計(jì)思想。

圖略直接型專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過程。具有摹擬操作工

人智能的功能。這種類型的控制器任務(wù)和功能相對(duì)簡(jiǎn)單，但需要在線、實(shí)時(shí)控制。

26.畫出間接型專家控制器的結(jié)構(gòu)圖并說(shuō)明其設(shè)計(jì)思想。

圖略設(shè)計(jì)思想：間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對(duì)生產(chǎn)過程或者被

控對(duì)象進(jìn)行間接控制的智能控制系統(tǒng)。具有摹擬(或者延伸，擴(kuò)展)控制工程師智能的功

能。該控制器能夠?qū)崿F(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制。

27.簡(jiǎn)述專家系統(tǒng)的基本構(gòu)成。

知識(shí)庫(kù)和推理機(jī)，具體略。

28.簡(jiǎn)述直接型專家控制器的主要設(shè)計(jì)內(nèi)容。

直接型專家控制器的主要設(shè)計(jì)內(nèi)容：①建立知識(shí)庫(kù)；②控制知識(shí)的獲?。虎圻x擇合適

的推理方法。

29.根據(jù)高層決策功能的性質(zhì)，簡(jiǎn)述間接型專家控制器的分類。

按照高層決策功能的性質(zhì)，間接型專家控制器可分為以下幾種類型：

①優(yōu)化型專家控制器；②適應(yīng)型專家控制器；③協(xié)調(diào)型專家控制器；④組織型專家

控制器。

歷年題庫(kù)

30.試述何為有導(dǎo)師學(xué)習(xí)？何為為無(wú)導(dǎo)師學(xué)習(xí)？

有導(dǎo)師學(xué)習(xí)也稱為有監(jiān)督學(xué)習(xí)，這種學(xué)習(xí)模式采用的是糾錯(cuò)規(guī)則。在學(xué)習(xí)訓(xùn)練過程中需

要不斷給網(wǎng)絡(luò)成對(duì)提供一個(gè)輸入模式和一個(gè)期望網(wǎng)絡(luò)正確輸出的模式，稱為“教師信號(hào)”。

將神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出同期望輸出進(jìn)行比較，當(dāng)網(wǎng)絡(luò)的輸出與期望輸出不符時(shí)，根據(jù)差錯(cuò)的

方向和大小按一定的規(guī)則調(diào)整權(quán)值，以使下一步網(wǎng)絡(luò)的輸出更接近期望結(jié)果。

無(wú)導(dǎo)師學(xué)習(xí)也稱為無(wú)監(jiān)督學(xué)習(xí)，學(xué)習(xí)過程中，需要不斷給網(wǎng)絡(luò)提供動(dòng)態(tài)輸入信息，網(wǎng)絡(luò)

能根據(jù)特有的內(nèi)部結(jié)構(gòu)和學(xué)習(xí)規(guī)則，在輸入信息流中發(fā)現(xiàn)任何可能存在的模式和規(guī)律，同時(shí)

能根據(jù)網(wǎng)絡(luò)的功能和輸入信息調(diào)整權(quán)值，這個(gè)過程稱為網(wǎng)絡(luò)的自組織，其結(jié)果是使網(wǎng)絡(luò)能對(duì)

屬于同一類的模式進(jìn)行自動(dòng)分類。

31.簡(jiǎn)述間接型專家控制器的概念及其分類。

間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對(duì)生產(chǎn)過程或者被控對(duì)象進(jìn)行間接控

制的智能控制系統(tǒng)。具有摹擬（或者延伸，擴(kuò)展）控制工程師智能的功能。該控制器能夠

實(shí)現(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制（1分）。按照高層決策功能的性質(zhì)，間

接型專家控制器可分為以下幾種類型：①優(yōu)化型專家控制器（1分）；②適應(yīng)型專家控制

器（1分）：

③協(xié)調(diào)型專家控制器（1分）；④組織型專家控制器（1分）。

32.簡(jiǎn)述基本遺傳算法的構(gòu)成要素。

（1）染色體編碼方法，基本遺傳算法使用固定長(zhǎng)度的二進(jìn)制來(lái)表示群體中的個(gè)體，其等

位基因是由二值符號(hào)集｛0,1｝所組成的，其中個(gè)體的基因值可用均勻分布的隨機(jī)值來(lái)生成。

（2）個(gè)體適應(yīng)度評(píng)價(jià)，基本遺傳算法與個(gè)體適應(yīng)度成正比的概率來(lái)決定當(dāng)前群體中每一個(gè)

個(gè)體遺傳到下一代群體的概率多少。為正確計(jì)算這個(gè)概率必須先確定出由目標(biāo)函數(shù)值J（x）

到個(gè)體適應(yīng)度函數(shù)F（X）的轉(zhuǎn)換規(guī)則；

（3）遺傳算子，即選擇運(yùn)算、交叉運(yùn)算和變異運(yùn)算的基本遺傳算子；

（4）基本遺傳算法的運(yùn)行參數(shù)，即MG、P和P等參數(shù)。

cm

33.簡(jiǎn)述遺傳算法的應(yīng)用領(lǐng)域。

遺傳算法的應(yīng)用領(lǐng)域：（1）函數(shù)優(yōu)化；（2）組合優(yōu)化；（3）生產(chǎn)調(diào)度問題；（4）自動(dòng)控制；

（5）機(jī)器人；（6）圖象處理；（7）人工生命（8）遺傳編程（9）機(jī)器學(xué)習(xí)。

34.簡(jiǎn)述基本遺傳算法的特點(diǎn)。

見書P201頁(yè)

35.簡(jiǎn)述基本遺傳算法的應(yīng)用步驟。

（1）確定決策變量及各種約束條件，即確定出個(gè)體的表現(xiàn)型X和問題的解空

間；

'（2）建立優(yōu)化模型，即確定出目標(biāo)函數(shù)的類型及數(shù)學(xué)描述形式或者量化方法；

（3）確定表示可行解的染色體編碼方法，即確定出個(gè)體的基因型X及遺傳算

法的搜索空間；

（4）確定個(gè)體適應(yīng)度的量化評(píng)價(jià)方法，即確定出由目標(biāo)函數(shù)值J（X）到個(gè)體適

應(yīng)度函數(shù)F（X）的轉(zhuǎn)換規(guī)則；

⑸設(shè)計(jì)遺傳算子，即確定選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算等遺傳算子的具體

操作方法；

歷年題庫(kù)

(6)確定遺傳算法的有關(guān)運(yùn)行參數(shù)，即M、G、P和P等參數(shù)；

cm

⑺確定解碼方法，即確定出由個(gè)體表現(xiàn)型X到個(gè)體基因型X的對(duì)應(yīng)關(guān)系或者

轉(zhuǎn)換方法。

36.簡(jiǎn)述神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程。

神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程經(jīng)過4個(gè)階段。

(1)啟蒙期(1890-1969年)(1分)

(2)低潮期(1969-1982)(1分)

(3)復(fù)興期(1982-1986)(2分)

1982年，物理學(xué)家HoPPieId提出了H。PPieId神經(jīng)網(wǎng)絡(luò)模型，該模型通過引入能量函數(shù)，

實(shí)現(xiàn)了問題優(yōu)化求解，1984年他用此模型成功地解決了旅行商路徑優(yōu)化問題(TSP)。

在1986年，在RUmeIhart和MCCelland等提出了一種著名的多層神經(jīng)網(wǎng)絡(luò)模型，即BP

網(wǎng)絡(luò)。該網(wǎng)絡(luò)是迄今為止應(yīng)用最普遍的神經(jīng)網(wǎng)絡(luò)。

(4)新連接機(jī)制時(shí)期(1986-現(xiàn)在)(1分)

神經(jīng)網(wǎng)絡(luò)從理論走向應(yīng)用領(lǐng)域。

37.簡(jiǎn)述神經(jīng)網(wǎng)絡(luò)具備的特征。

(1)能逼近任意非線性函數(shù)；(1分)

(2)信息的并行分布式處理與存儲(chǔ)；(1分)

(3)可以多輸入、多輸出；(1分)

(4)便于用超大規(guī)模集成電路或者光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)，或者用現(xiàn)有的計(jì)算機(jī)技術(shù)實(shí)現(xiàn)；

(1

分)

(5)能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。(1分)

38.簡(jiǎn)述BP基本算法的優(yōu)缺點(diǎn)。

BP網(wǎng)絡(luò)的優(yōu)點(diǎn)為：

(1)只要有足夠多的隱層和隱層，BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系；

(2)BP網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近算法，具有較強(qiáng)的泛化能力；

(3)BP網(wǎng)絡(luò)輸入輸出之間的關(guān)聯(lián)信息分布地存儲(chǔ)在網(wǎng)絡(luò)的連接權(quán)中，個(gè)別

神經(jīng)元的損壞對(duì)輸入輸出關(guān)系有較小的影響，于是BP網(wǎng)絡(luò)具有較好的容錯(cuò)性。

BP網(wǎng)絡(luò)的主要缺點(diǎn)為：

(1)待尋優(yōu)的參數(shù)較多，收斂速度較慢；

(2)目標(biāo)函數(shù)函數(shù)存在多個(gè)極值點(diǎn)，按梯度下降法進(jìn)行學(xué)習(xí)，很容易陷入局部

極小值；

(3)難以確定隱層和隱層節(jié)點(diǎn)的數(shù)目。

39.簡(jiǎn)述RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的主要區(qū)別。

RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程和BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程類似，二者的主要區(qū)別在于各使用

不同的作用函數(shù)。BP神經(jīng)網(wǎng)絡(luò)中隱層使用的SigmOid是函數(shù)，其值在輸入空間中無(wú)限大的

范圍內(nèi)為非零值，于是是一種全局逼近的神經(jīng)網(wǎng)絡(luò)(2分)；而RBF神經(jīng)網(wǎng)絡(luò)的作用函數(shù)是

高斯函數(shù)，其值在輸入空間中有限的范圍內(nèi)為非零值，于是是一種局部逼近的神經(jīng)網(wǎng)絡(luò)(2

分)，采用RBF神經(jīng)網(wǎng)絡(luò)可大大加快學(xué)習(xí)的速度，適合于實(shí)時(shí)控制的要求。(1分)

40.簡(jiǎn)述BP神經(jīng)網(wǎng)絡(luò)中，BP算法的基本思想。

誤差反向傳播的學(xué)習(xí)算法簡(jiǎn)稱BP算法，其基本思想是按梯度下降法進(jìn)行學(xué)

習(xí)。它采用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值與期望的輸出值的誤差均

方值為最小。

歷年題庫(kù)

41、含糊控制與傳統(tǒng)控制的不同之處：

傳統(tǒng)控制方法均是建立在被控對(duì)象精確數(shù)學(xué)模型基礎(chǔ)上的，然而，隨著系統(tǒng)復(fù)雜程度

的提高，將難以建立系統(tǒng)的精確數(shù)學(xué)模型；含糊控制是以含糊集理論、含糊語(yǔ)言變量和含

糊邏輯推理為基礎(chǔ)，從行為上摹仿人的含糊推理和決策過程的一種智能控制方法。該控制

方法適應(yīng)對(duì)象的復(fù)雜性和不確定性，不需要依賴對(duì)象的精確數(shù)學(xué)模型可實(shí)現(xiàn)復(fù)雜系統(tǒng)的控

制。

42、含糊控制器設(shè)計(jì)包括幾項(xiàng)內(nèi)容？

1.(本題5分)含糊控制器設(shè)計(jì)包括幾項(xiàng)內(nèi)容？

1)確定含糊控制器的輸入變量和輸出變量(即控制量)

2)設(shè)計(jì)含糊控制器的控制規(guī)則

3)確立含糊化和非含糊化(又稱清晰化)的方法

4)選擇含糊控制器的輸入變量及輸出變量的論域并確定含糊控制器的參數(shù)(如量化因

子、比例

因子)

5)編制含糊控制算法的應(yīng)用程序

6)合理選擇含糊控制算法的采樣時(shí)間

三、作圖題

1.分別畫出以下應(yīng)用場(chǎng)合下適當(dāng)?shù)碾`屬函數(shù):

(a)我們絕對(duì)相信兀期近的e(t)是“正小”，惟獨(dú)當(dāng)e⑴足夠遠(yuǎn)離JL時(shí)，我們才失去e⑴是

44

“正小”的信心；(4分)

(b)我們相信“烈近的e⑴是“正大”，而對(duì)于遠(yuǎn)離E的e(t)我們很快失去e⑴是“正大”

22

的信心：(4分)

(a)(b)(c)

2.分別畫出以下應(yīng)用場(chǎng)合下適當(dāng)?shù)碾`屬函數(shù)：

(a)我們絕對(duì)相信π附近的e(t)是“正小”，惟獨(dú)當(dāng)e(t)足夠遠(yuǎn)離”時(shí)，我們才失去e(t)是

22

“正小”的信心；(4分)

(b)我們相信π附近的e(t)是“正大”，而對(duì)于遠(yuǎn)離π的e⑴我們很快失去e(t)是“正大”

33

的信心；(4分)

歷年題庫(kù)

(C)隨著e⑴從三晌左挪移，我們很快失去e⑴是“正小”的信心，而隨著e⑴從7L向右移

66

動(dòng)，我們較慢失去e(t)是“正小”的信心。(4分)

(b)

3.論域X=［0,IO0］上的含糊集合A代表“偏大”，在［0,80］區(qū)間上A(X)=O.0125x,在(80,

Io0］區(qū)間上A(X)=1.

(1)寫出A的隸屬度函數(shù)的解析表達(dá)式

(2)畫出A的隸屬度函數(shù)曲線

答A(X)=O.0125x0≤x≤80

180<x≤100(2分)圖略(2分)

4.設(shè)實(shí)數(shù)論域X上的含糊集A“大約是5”采用高斯型隸屬函數(shù)表示，其中參數(shù)

ɑ—-,c-5

√r2

(1)寫出A的隸屬度函數(shù)的解析表達(dá)式(2分)

(2)畫出A的隸屬度函數(shù)曲線(2分)

答(1)A(X)=e-(×-5)2(2分)⑵圖略(2分)

5.設(shè)實(shí)數(shù)論域X上的含糊集A“大約是6”采用三角形隸屬函數(shù)表示，其中參數(shù)a=3;b=6;

C=8

(1)寫出A的隸屬度函數(shù)的解析表達(dá)式

(2)畫出A的隸屬度函數(shù)曲線

歷年題庫(kù)

(|0X共3

I3共X共6

答A(x)=(l3八八(2分)圖略(2分)

8-X

26共X共8

Ox>8

6.畫出以下兩種情況的隸屬函數(shù)圖：

(a)畫出精確集合A={x∣"4>X共"/的隸屬函數(shù)圖；(4分)

(b)寫出單點(diǎn)含糊(singletonfuzzification)隸屬函數(shù)的數(shù)學(xué)表達(dá)形式，并畫出隸屬函數(shù)圖。

(4分)

(C)畫出精確集合A={x［關(guān)X共"/的隸屬函數(shù)圖；(4分)

0.5

42

(a)

山，

otherwise

7.某含糊控制系統(tǒng)的輸入語(yǔ)言變量E和輸出語(yǔ)言變量U的語(yǔ)言值均為：NB、NS、0、PS、

PB,E的論域?yàn)閄={-3,-2,-1,0,1,2,3},U的論域?yàn)閅={-3,-2,-1,0,

1,2,3}。設(shè)語(yǔ)言變量E和U的賦值表為：

歷年題庫(kù)

量化等級(jí)

-3-2-10123

語(yǔ)言變量值

PB000000.5_1

________PS________0001]0?50

_________0_________000.51_0.500

________NS________00?51_1000

-

NB1。50000~0

試給出以上論域中各元素對(duì)各語(yǔ)言變量值所確定的含糊子集的隸屬函數(shù)曲線。

8.一個(gè)含糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如圖1所示。試計(jì)算以下條件和規(guī)則的隸屬函數(shù)：

(a)規(guī)貝IJ1：Iferroriszeroandchang-in-erroriszeroThenforceiszero。均使用最小化操作

表示蘊(yùn)含(USingminimUmOPertOr)；(5分)

(b)規(guī)則2：Iferroriszeroandchang-in-errorispossmallThenforceisnegsmalL均使用乘

積操作表示蘊(yùn)含(USingProdUCtOPertOr)；(5分)

假定當(dāng)前的輸入條件為：error=0,ehang-in-error?π/9

3.(a)

歷年題庫(kù)

(b)

9.一個(gè)含糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如下圖所示。試通過作圖法分別推理每條規(guī)則的

輸出隸屬度函數(shù):

(a)規(guī)則1：Iferroriszeroandchang-in-erroriszeroThenforce(u)iszero。使用最小化操

作表示蘊(yùn)含(USingProdUCtOPertor)(4分)

(b)規(guī)則2：Iferroriszeroandchang-in-errorispossmallThenforce(u)isnegsmalL使用乘

積操作表示蘊(yùn)含(USingProdUCtOPertOr)(4分)

假定當(dāng)前的輸入條件為：error=0,ehang-in-error?π/9

3.(a)

歷年題庫(kù)

(b)

10.一個(gè)含糊系統(tǒng)的輸入和輸出的隸屬函數(shù)如圖1所示。試計(jì)算以下條件和規(guī)則的隸屬函

數(shù)：

(a)規(guī)則1：Iferrorisnegsmallandchang-in-errorispossmallThenforceiszeroo均使用最

小化操作表示蘊(yùn)含(USingminimUmoPertor)；(5分)

(b)規(guī)則2：Iferrorisnegsmallandchang-in-erroriszeroThenforceispossmallo均使用乘積

操作表示蘊(yùn)含(USingPrOdUCtoPertor)；(5分)

假定當(dāng)前的輸入條件為：error=一九/4,chang-in-error=π/16

(a)略

(b)略

四、計(jì)算題

歷年題庫(kù)

1.設(shè)論域U={u,u,u,u,u},且

空座+吧+1+”

UUUU

1234

0.10.710.3

—+—十―+—

UUUU

試求A請(qǐng)B,A后B,AC（補(bǔ)集），BC（補(bǔ)集）

A請(qǐng)B=竺+”+竺+0.5

3分

UUUUU

12345

3分

UU

34

2分

UUUU

1235

0.9?10.3?0.7

dBc=___+_+___+___

UUUU

1235

2.設(shè)有下列兩個(gè)含糊關(guān)系：

Γ0208041

0.7C

0.401

尺?Λ2-0?40

Z1050'

OJ0

070605」

試求出R1與R2的復(fù)合關(guān)系R1OR2

714(18*

0.4(19

R1OR2=

0.7(15

0706

3.設(shè)有下列兩個(gè)含糊關(guān)系：

Γθ.80.7]Γ0.20.4]

R1=lIIR2=∣I

(0.50.3」Il1L0.60.9j11

試求出R1與R2的復(fù)合關(guān)系R1OR2

Γ0.60.7]

R10R210.30.4J?

4.已知子女與父母的相似關(guān)系含糊矩陣為

父母

歷年題庫(kù)

C子「0.80.3'

H=,

女0.30.6

父母與祖父母的相似關(guān)系含糊矩陣為:

祖父祖母

父Γθ.70.5]

S一母ko?iOdj

求：子女與祖父祖母的相似關(guān)系含糊矩陣。（4分）

答RS=產(chǎn)7。5]

A0.30.3J

5、設(shè)論域X=Y={1,2,3,4,5},X、Y上的含糊子集“大”、“小”、“較小”分別定義

為：

"大〃aΛZJ,〃10.70.3?10.60.40.2

小z=-+，4、=―+3一++

3451231234

已知：規(guī)則若X小，則y大

問題：當(dāng)X=較小時(shí)，y=?保用Mamdani推理法）（5分）

000.40.71

000.40.70.7北

答000.30.30.3

000OO

OoOOOJ

OO0.40.7

0.7北

OO0.40.7

[10.60.40,20]000.3;0.30.3=[000.40.71]

OO000

()O0I0°J?

6.設(shè)論域X=Y={1,2,3,4,5},以下為X、Y上的含糊集合

"低"=；+"+”

123

~,√-∕-?10.30.20.1

A="1較t低α”=_+一+—+—

11234

~-?0.81

B="∣?"=+

~2Γ5

設(shè)A="低"則B="高"，已城=“較低”,問臺(tái)如何?

11

答R=(A×B)(A-XE)

歷年題庫(kù)

ElIroI

0?60.4

0.41[0000.81]u∣o,6∣[11111]

O1I

-OJLiJ

000.8-00000]

（Γ0θW

000.60.60.40.40.40.40.4

0000.40.4I∪l0.60.60.60.60.6

0000011111

Ojl

000011111」

[OOO0.81]

I0.40.40.40.60.61

=0?60.60.60.60.6

11111

.11111J

???

B=A0R

11

7、對(duì)于一個(gè)系統(tǒng)，當(dāng)輸入A時(shí)，輸出為B,否則為G且有:

10.50.1

A=一+__+__

UUU

123

0.70.60.3

B=___+___÷___

VVV

123

C0.60.70.9

C=__+___+___

VVV

123

已知當(dāng)前輸入A'=―3+—+—?求輸出D。（5分）

UUU

123

Γ0.70.60.3](000)；0.70.60.3)

0.50.3110.50.5

答R=(A收B)(|(八收C))I=P.50.50.50.50.5

0,9]