12、于集合 ， 有时候这种表示方法更接近实际 ， 更便于研究问题 ， 更为人所接受 。
4 解：5 解：第二章 模糊控制的理论基础 作业2作业内容6 令论域 ， 给定语言变量“Small”=1/1+0.7/2+0.3/3+0.1/4和模糊关系R=“Almost相等”定义如下：利用max-min复合运算 ， 试计算：7 已知模糊关系矩阵：计算R的二至四次幂 。
8 设有论域 ， 二维模糊条件语句为“若A且B则C” ， 其中已知 由关系合成推理法 ， 求得推理结论 。
6 解：7 解：8 解：令R表示模糊关系 ， 则.将按行展开写成列向量为所以 ， .又因为 ， 将按行展开写成行向量 ， 为 ， 则 即 第二章 模糊控制的理论基础 作业3作业内容已知语言变量x ， y 。

13、 ， z 。
X的论域为1,2,3 ， 定义有两个语言值：“大”0, 0.5, 1；“小”=1, 0.5, 0 。
Y的论域为10,20,30,40,50 ， 语言值为：“高”=0, 0, 0, 0.5, 1；“中”=0, 0.5, 1, 0.5, 0;
“低”=1, 0.5, 0, 0, 0 。
Z的论域为0.1,0.2,0.3 ， 语言值为：“长”=0, 0.5, 1；“短”=1, 0.5, 0 则：1）试求规则： 如果 x 是 “大” 并且 y 是“高” 那么 z是“长”； 否则 ， 如果 x 是“小” 并且 y 是 “中” 那么 z是“短” 。
所蕴涵的x ， y ， z之间的模糊关系R 。
2）假设在某时刻 ， x是“略小”=0 。

14、.7, 0.25, 0 ， y是“略高”=0, 0, 0.3, 0.7, 1 试根据R分别通过Zadeh法和Mamdani法模糊推理求出此时输出z的语言取值 。
解： 1）设“如果X是大并且Y是高 ， 那么Z是长” ， X,Y,Z之间的模糊关系为；“如果X是小并且Y是中 ， 那么Z是短” ， X,Y,Z之间的模糊关系为 。
所以：R=（X是大Y是高）Z是长（X是小Y是中）Z是短=X是大Y是高=（X是大Y是高）Z是长=同理 ， X是小Y是中=（X是小Y是中）Z是短=Zadeh法：Mamdani法：第四章 神经网络基础作业作业内容1 生物神经元模型的结构功能是什么？2 人工神经元模型的特点是什么？3 人工神经网络的特点是什么？如 。

15、何分类？4 有哪几种常用的神经网络学习算法？1 答：生物神经元由细胞体、树突和轴突组成 。
其中 ， 细胞体是神经元的主体 ， 担当着信息处理的角色；树突主要作用是接受神经元的输入信息；轴突的主要作用是信息的输出 ， 把细胞体处理的信息从轴突起点传递到轴突末梢 ， 轴突末梢与另一个神经元的树突或细胞体形成一种突触结构 ， 实现神经元之间的信息传递 。
2 答：1）非线性2）分布处理3）学习并行和自适应4）数据融合5）适用于多变量系统6）便于硬件实现3 答：特点：（1）能逼近任意非线性函数；（2）信息的并行分布式处理与存储；（3）可以多输入、多输出；（4）便于用超大规模集成电路（VISI）或光学集成电路系统实现 ， 或用现有的 。

16、计算机技术实现；（5）能进行学习 ， 以适应环境的变化 。
分类：根据网络连接结构分：前馈型网络、反馈型网络和自组织网络；根据知识获取方式分：监督学习型、无监督学习型和再励学习型；根据连接权对网络输出的影响：可以把前馈网络分成全局性网络和局部性网络 。
4 答：目前神经网络的学习算法有多种 ， 按有无导师分类 ， 可分为有教师学习（Supervised Learning）、无教师学习（Unsupervised Learning）和再励学习（Reinforcement Learning）等几大类 。
有导师的学习（监督学习）：在学习过程中 ， 网络根据实际输出与期望输出的比较 ， 进行联接权系的调整 ， 将期望输出称 导师信号是评 。

17、价学习的标准 。
无导师的学习（无监督、或称自组织）：无导师信号提供给网络 ， 网络能根据其特有的结构和学习规则 ， 进行联系权系的调整 ， 此时 ， 网络的学习评价标准隐含于其内部 。
再励学习（强化学习）：把学习看为试探评价过程 ， 学习机选择一动作作用于环境 ， 环境的状态改变 ， 并产生再励信号re反馈至学习机 ， 学习机依据再励信号与环境当前状态 ， 再选择下一动作作用于环境 ， 选择的原则是是受到激励的可能性增加 。
其中 ， 最基本的神经网络学习算法：1）Widrow-Hoff学习规则2) Hebb学习规则第五章 典型神经网络 作业作业内容 1、 BP算法的特点是什么？增大权值是否能够使BP学习变慢？2、为什么说BP网络是全局逼近的 ，。

18、而RBF网络是局部逼近的？它们各有突出特点是什么？3、何为神经网络的泛化能力？影响泛化能力的因素有哪些？1、BP算法的特点是什么？增大权值能否使BP学习变慢？答：BP模型可以实现多层网络学习的设想 ， 它的学习是典型的有导师学习 ， 基本思想是梯度下降法 ， 以期网络的实际输出与期望输出的误差均方值最小 。

稿源：(未知)

【傻大方】网址：/a/2021/0801/0023374246.html

标题：智能|智能控制题目及解答( 三 )