This presentation is the property of its rightful owner.
Sponsored Links
1 / 52

第 6 章 神经网络控制 PowerPoint PPT Presentation


  • 106 Views
  • Uploaded on
  • Presentation posted in: General

第 6 章 神经网络控制. 6.1 概述. 6.1.1 生物神经元模型 6.1.2 人工神经元模型 6.1.3 人工神经网络模型 6.1.4 神经网络的学习方法. 6.1.1 生物神经元模型. 人脑大约包含 10 12 个神经元,分成约 1000 种类型,每个神经元大约与 10 2 ~ 10 4 个其他神经元相连接,形成极为错综复杂而又灵活多变的神经网络。每个神经元虽然都十分简单,但是如此大量的神经元之间、如此复杂的连接却可以演化出丰富多彩的行为方式。同时,如此大量的神经元与外部感受器之间的多种多样的连接方式也蕴含了变化莫测的反应方式。.

Download Presentation

第 6 章 神经网络控制

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


6

6


6

6.1

6.1.1

6.1.2

6.1.3

6.1.4


6 1 1

6.1.1

10121000102104


6


6 1 2

6.1.2


6

  • ji


6

10

1. ab

2. c

3. d

4. Se

5. f


6 1 3

6.1.3


6

1.

  • Feed forward NN

  • BP


6

2.

  • Feedback NNNN

  • HopfieldContentAddressible MemoryCAMLyapunovHopfie1d


6 1 4

6.1.4

  • Supervised LearningUnsupervised LearningReinforcement Learning


6

1. Hebb

  • Hebb

  • Hebb


6

2Delta

  • EBPBP


6

3

  • TTTBoltzmann


6

4


6

6.2

6.2.1

  • perceptrvon


6

  • 24


6 2 2 bp

6.2.2 BP

  • BPBack PropagationBP


6

  • BPBP

  • BP


6

1BP

2BP

1).

2).

3BP


6

3BP

1).

2).

3).

4). E

5).

6).

7). 2


6

  • BP

  • 1).

  • 2). S1010dpk1001

  • 3).


6 2 3 bp

6.2.3 BP

1BP

  • 1).

  • 2).


6

2BP

1). BP

2).

3).

4).

5).

6).


6

3BP

  • 1).

  • 2).

  • 3).

  • 4).


6 2 4

6.2.4


6

1

2

3


6

6.3

  • (Recurrent Network)


6 3 1 hopfield

6.3.1 Hopfield

1.

  • Hopfield

  • 1111


6

  • 1).

  • 2).

    2.

    3.

    4.


6 3 2 hopfield

6.3.2 Hopfield

  • Hopfield


6 3 3 boltzmann

6.3.3 Boltzmann

  • Boltzmann

    Boltzmannwijwjiwii=0Visible UnitHidden Unit1010


6

  • HopfieldBoltzmann


6

2.

Boltzmannwij .

Boltzmann

1). wij(0)

2). p(x)pijpij

3).

wij(k+1)=wij(k)+(pij-pij), >0

4). pij-pij


6 4 pid

6.4 PID

  • 1

  • 2

  • 3

  • 4


6 4 1 bp pid

6.4.1 BPPID

BPPIDBPPDPIDKP,KI,KDNNPIDPIDKP,KI,KDPID


6

BPPID

1). BPNNMQw(2)ij(0), w(3)li(0)k=1

2). r(k)y(k)e(k)=z(k)=r(k)-y(k)

3). r(i),y(i),u(i-1),e(i)NN

4). NNNNPIDKP(k),KI(k),KD(k)

5). PIDu(k)

6). w(3)li(k)

7). w(2)ij(k)

8). k=k+12


6 4 2 bp pid

6.4.2 BPPID


1 bp pid

1BPPID


6

BPPID

1). BPNNMQw(2)ij(0), w(3)li(0)k=1

2). (k)

3). r(k)y(k)e(k)=z(k)=r(k)-y(k)

4). r(i),y(i),u(i-1),e(i)NN

5). NNNNPIDKP(k),KI(k),KD(k)

6). PIDu(k)

7).

8). w(3)li(k)

9). w(2)ij(k)

10). k=k+12


2 bp pid

2BPPID


6

BPPID

1). BPNNMQw(2)ij(0), w(3)li(0)k=1

2). r(k)y(k)e(k)=z(k)=r(k)-y(k)

3). r(i),y(i),u(i-1),e(i)NN

4). NNNNPIDKP(k),KI(k),KD(k)

5). PIDu(k)

6).NNMNNM

7).

8). w(3)li(k)

9). w(2)ij(k)

10). k=k+12


  • Login