北航智能控制神经网络控制作业.docVIP

《智能控制及应用》

—人工神经网络

学号

姓名

指导老师

2013-12-16

目录

TOC\o1-3\h\z\u14901一、设计题目 3

21932二、任务解答 3

299242.1任务一解答 3

75712.1.1逻辑“与”的计算原理 3

161082.1.2感知器的学习算法 4

157132.1.3训练c++程序 4

154742.2任务二解答 6

一、设计题目

1、设计一个实现逻辑“与”的单计算层感知器，并写出其学习算法和程序。

2、紧密结合自己的专业背景、科研方向或解决问题的经历，说明人工神经网络在解决与你有关的某个工程技术问题上的应用概况。要求：说明自己的科研或专业背景，所关注的工程技术问题，人工神经网络在该问题上的应用概况，指出采用神经网络法比传统方法的优势所在。

二、任务解答

2.1任务一解答

2.1.1逻辑“与”的计算原理

实现逻辑“与”计算的真值表：

输入值x1

输入值x2

输出值yp

1

1

1

1

0

0

0

1

0

0

0

0

由真值表可以看出，4个样本的输出分为两类，一类输出为0，另一类输出为1。据此，画出逻辑“与”的运算分类图：

由图可知，应用感知器学习规则进行训练得到的连接权值和阈值并不会单一，只需要保证输入输出满足真值表即可，利用符号函数对各点计算，符号函数为sgn：

2.1.2感知器的学习算法

感知器训练按如下步骤进行：

（1）给定权初值wi(0)（较小的随机非零值，包括阈值w0=-θ，阈值并入权W中)，学习次数k=0；

（2）输入一个样本Xp和dp，计算输出（f为符号函数）；

（3）修正权wi(k+1)=wi(k)+α(dp-yp)xpi，i=0,1,2,…,n，学习率0α=1，用于控制修正速度；

（4）选另外一组样本，k增1，重复（2）~（4），直到wi(k+1)对一切样本均稳定不变（即dp=yp）为止。

2.1.3训练c++程序

（Qt下开发）

#includeQCoreApplication

#includeQTextStream

#includeQTextCodec

doublealpha=0.2;//学习率，用于控制学校速度

//根据输入得到函数输出值

intf(doublew[],doublex[]){

doubley=0;

for(inti=0;i3;i++)

y+=w[i]*x[i];

returny=0?1:0;

}

//根据结果调整权值

voidrevise(doublex[],doublew[],intyp,intdp){

for(intk=0;k3;k++)

w[k]+=alpha*(dp-yp)*x[k];

}

intmain(intargc,char*argv[])

{

QCoreApplicationa(argc,argv);

QTextStreamcout(stdout,QIODevice::WriteOnly);

inti;

doublew[3]={0,1,1};//阈值初试值，权值初始值

cout**********************endl;

cout**********************endl;

cout**********************endl;

coutalpha=w[0]endl;

coutw:endl;

cout.setRealNumberPrecision(4);

coutw1=w[1]w2=w[2]endl;

cout**********************endl;

cout**********************endl;

doublex1[3]={1,1,1};//输入值

doublex2[3]={1,0,1};

doublex3[3]={1,1,0};

doublex4[3]={1,0,0};

intdp[4]={1,0,0,0};//期望输出值

intyp[4]={0,0,0,0};

couttrainingendl;

//周而复始的进行训练

while(dp[0]!=yp[0]||dp[1]!=yp[1]||dp[2]!=yp[2]||dp[3]!=yp[3])

{

yp[0]=f(w,x1);

revise(x1,w,yp[0