智能控制理论

一.选择题

1、下列（B）系统不是智能控制系统的主要应用场景。

A．不确定性系统 B.流水线

C．高度非线性系统 D.复杂任务的控制要求

2、智能控制的概念最早是由美国普渡大学的（A）在1971年首先提出的。

A、傅京逊 B、李政道

C、那奎斯特 D、罗伯森

3、模糊控制是试图模仿人的（D）来解决复杂问题的控制难点。

A、推理功能 B、联想能力

C、模糊决策 D、模糊决策和推理能力

4、神经网络是基于计算机模拟（C）结构而形成的智能控制方法。

A、专家知识 B、计算机网络

C、人脑神经 D、记忆

5、下面那个不属于智能控制系统应用场景的属性（C）。

A、复杂性 B、模糊性

C、完全性 D、不确定性

6、模糊控制是基于测量信息的（B），模糊推理后输出模糊集（B）的过程。

A、精确化、模糊化 B、模糊化、精确化

C、模糊化、模糊化 D、精确化、精确化

7、模糊集与经典集的集合运算的基本性质完全相同，只是模糊集运算不满足（A）。

A、互补律 B、交换律

C、结合律 D、吸收率

8、下面哪一项（B）不是隶属函数建立应遵循的规则。

A、集合是凸模糊集合 B、函数不能重叠

C、函数是对称的 D、函数是平衡的

9、隶属函数确定方法有（D）。

A、模糊统计法 B、例证法

C、专家经验法 D、以上都是

10、隶属函数的图形基本上可归结为三大类，下例（C）不属于这三类。

A、Z函数 B、S函数

C、Y函数 D、II函数

11、记P、Q为两个模糊单命题，模糊逻辑中的和取操作是（A）。

A、PQ=min（P，Q） B、PQ=min（P，Q）

C、PQ=max（P，Q） D、PQ=max（P，Q）

13、神经元模型一般是是（A）输入（A）输出的线性器件

A、多、单 B、单、多

C、单、单 D、多、多

14、前向神经网络各神经元之间（B）反馈。

A、一定存在 B、一定不存在

C、可以存在，也可以不存在 D、以上都不对

15、神经网络能够（D）精度逼近（D）的连续函数。

A、任意，任意简单 B、有限、特定

C、任意、特定 D、任意、任意复杂

16、Hopfield神经网络有（D）稳定状态,（D）用作联想存储器。

A、多个、不可以 B、单个、可以

C、单个、不可以 D、多个、可以

17、下列关于神经网络的智能控制描述不正确的是（B）

A、神经元是构成神经网络最小单元，它在细胞水平上模拟人的智能。

B、神经元模型、神经网络模型和样本数据构成了神经网络的三要素。

C、神经网络的结构、训练样本的数量和质量都会影响网络泛化能力。

D、神经网络可以通过生长与修剪，使之更适合某个问题的求解。

18、以下关于人工神经网络（ANN）的描述错误的是（A）

A、神经网络对训练数据中的噪声非常鲁棒

B、可以处理冗余特征

C、训练ANN是一个很耗时的过程

D、多层神经网络至少含有一个隐藏层

19、下列（C）不属于神经网络的无监督式学习机制

A、强化学习 B、竞争式学习

C、反馈误差学习 D、联想式学习——Hebb规则

20、以下学科知识与智能控制理论没有密切联系的是（D）

A、逻辑推理 B、人工智能

C、机器学习 D、计算机组成原理

二.填空题

  • 1.智能控制系统研究的数学工具有：符号推理与数值计算的结合， 离散时间与连续时间系统相结合 ，神经元网络理论，模糊集理论。
  • 2.智能控制的主要方法有：专家系统，仿人智能控制，神经网络控制，模糊逻辑控制的四种常见方法。
  • 3.常用的智能优化算法有：遗传算法，蚁群算法，模拟退火算法。
  • 4.常用于前向传播神经网络的经典学习算法是：BP算法。
  • 5.模糊控制的核心是： 模糊控制器 。

三.简答题

  • 1.什么是智能控制，智能控制的基本功能有哪些？
    智能控制是研究人类智能与自动控制相结合的交叉学科。
    基本功能(1).学习功能(2).适应功能(3).组织功能

  • 2.利用神经网络控制系统控制有哪些优势，这主要通过神经网络的哪些特点所展现的：

    (1).具有分布式存储信息的特点。

    (2).对信息的处理及推理具有并行的特点。

    (3).对信息的处理具有自组织自学习的特点。

    (4).具有从输入到输出非常强的非线性映射的能力。

  • 3.神经元模型激活函数有哪些类，并画出每种函数的示意图:

四.计算题

1、已知由极大极小推理法得到输出模拟模糊集为：

C=0.2/1+.0.6/2+0.9/3+0.4/4+0.3/5
﹒
试用重心法计算出此推理结构的精确值Z*

Z* = 0.2 ∗ 1 + 0.6 ∗ 2 + 0.9 ∗ 3 + 0.4 ∗ 4 + 0.3 ∗ 5 0.2 + 0.6 + 0.9 + 0.4 + 0.3 \frac{0.2 * 1 +0.6 * 2 + 0.9 * 3 + 0.4 * 4 + 0.3 * 5}{0.2 + 0.6 + 0.9 + 0.4 + 0.3}0.2+0.6+0.9+0.4+0.30.2∗1+0.6∗2+0.9∗3+0.4∗4+0.3∗5​