智能控制理论小题库

这篇具有很好参考价值的文章主要介绍了智能控制理论小题库。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

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:
    神经网络对训练数据中的噪声非常鲁棒,分享区,神经网络,人工智能,深度学习

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+0.30.21+0.62+0.93+0.44+0.35文章来源地址https://www.toymoban.com/news/detail-527597.html

到了这里,关于智能控制理论小题库的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 智能家居(3)---socket网络控制线程封装

    封装socket网络线程实现对智能家居中各种灯光的控制 main.Pro(主函数) inputCommand.h(控制类) socketControl.c(socket)

    2024年02月13日
    浏览(46)
  • 基于RAM树莓派实现智能家居:语音识别控制,Socket网络控制,火灾报警检测,实时监控

    目录 一   项目说明 ①   设计框架 ②   功能说明 ③   硬件说明 ④   软件说明 二   项目代码 1 mainPro.c 主函数 2 InputCommand.h 控制设备头文件 3 contrlDevices.h 外接设备头文件 4 bathroomLight.c 泳池灯 5 livingroomLight.c 卧室灯 6 restaurantLight.c 餐厅灯 7 upstairLight.c 二楼灯 8 fire.c 火焰

    2024年02月02日
    浏览(59)
  • 基于ARM树莓派实现智能家居:语音识别控制,Socket网络控制,火灾报警检测,实时监控

    目录 一   项目说明 ①   设计框架 ②   功能说明 ③   硬件说明 ④   软件说明 二   项目代码 1 mainPro.c 主函数 2 InputCommand.h 控制设备头文件 3 contrlDevices.h 外接设备头文件 4 bathroomLight.c 泳池灯 5 livingroomLight.c 卧室灯 6 restaurantLight.c 餐厅灯 7 upstairLight.c 二楼灯 8 fire.c 火焰

    2024年02月03日
    浏览(67)
  • 【深度学习理论】(5) 图卷积神经网络 GCN

    尽管在过去的几年中,神经网络的兴起与成功应用使得许多目标检测、自然语言处理、语音识别等领域都有了飞跃发展,但是将 RNN 或者GCN这样的深度学习模型拓展到任意结构的图上是一个有挑战性的问题。 受限于传统深度学习方法在处理非欧式空间数据上的局限性,基于图

    2024年02月11日
    浏览(43)
  • 学习笔记:深度学习(3)——卷积神经网络(CNN)理论篇

    学习时间:2022.04.10~2022.04.12 CNN(Convolutional Neural Networks, ConvNets, 卷积神经网络)是神经网络的一种,是理解图像内容的最佳学习算法之一,并且在图像分割、分类、检测和检索相关任务中表现出色。 3.1.1 什么是CNN? CNN是一种带有卷积结构的前馈神经网络, 卷积结构 可以减少

    2024年02月03日
    浏览(91)
  • 【图像分类】理论篇(2)经典卷积神经网络 Lenet~Densenet

    目录 1、卷积运算 2、经典卷积神经网络 2.1 Lenet 网络构架 代码实现 2.2 Alexnet 网络构架 代码实现 2.3 VGG VGG16网络构架 代码实现 2.4 ResNet ResNet50网络构架 代码实现  在二维卷积运算中,卷积窗口从输入张量的左上角开始,从左到右、从上到下滑动。 当卷积窗口滑动到新一个位

    2024年02月13日
    浏览(46)
  • 循环神经网络RNN完全解析:从基础理论到PyTorch实战

    在本文中,我们深入探讨了循环神经网络(RNN)及其高级变体,包括长短时记忆网络(LSTM)、门控循环单元(GRU)和双向循环神经网络(Bi-RNN)。文章详细介绍了RNN的基本概念、工作原理和应用场景,同时提供了使用PyTorch构建、训练和评估RNN模型的完整代码指南。 作者 Te

    2024年02月12日
    浏览(34)
  • 高级分布式系统-第15讲 分布式机器学习--神经网络理论

    高级分布式系统汇总:高级分布式系统目录汇总-CSDN博客 模糊控制在处理数值数据、自学习能力等方面还远没有达到人脑的境界。人工神经网络从另一个角度出发,即从人脑的生理学和心理学着手,通过人工模拟人脑的工作机理来实现机器的部分智能行为。 人工神经网络(简

    2024年01月19日
    浏览(44)
  • 深度学习卷积神经网络CNN之 VGGNet模型主vgg16和vgg19网络模型详解说明(理论篇)

    1.VGG背景 2. VGGNet模型结构 3. 特点(创新、优缺点及新知识点)    VGGNet是2014年ILSVRC(ImageNet Large Scale Visual Recognition Challenge 大规模视觉识别挑战赛 )竞赛的第二名,解决ImageNet中的 1000类图像分类和定位问题 ,第一名是GoogLeNet。    VGG全称是Visual Geometry Group,因为是由O

    2024年02月03日
    浏览(39)
  • 【模糊神经网络】基于simulink的模糊神经网络控制器设计

    MATLAB2010b         由于模糊控制是建立在专家经验的基础之上的,但这有很大的局限性,而人工神经网络可以充分逼近任意复杂的时变非线性系统,采用并行分布处理方法,可学习和自适应不确定系统。利用神经网络可以帮助模糊控制器进行学习,模糊逻辑可以帮助神经网络

    2023年04月08日
    浏览(52)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包