文档介绍：基于神经元网络的智能控制
神经元网络的特点：
1）非线性
2）分布处理
3）学****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
1
神经网络的发展历史
始于19世纪末20世纪初，源于物理学、心理学和神经生理学的跨学科研究。
现代研究：20世纪40年代。从原理上证明了人工神经网络可以计算任何算术相逻辑函数。可以认为是神经网络领域研究工作的开始。
人工神经网络第一个实际应用出现在20世纪50年代后期，Frank Rosenblatt提出了感知机网络和联想学****规则。
在60年代，由于缺乏新思想和用于实验的高性能计算机，曾一度动摇了人们对神经网络的研究兴趣。
到了80年代，随着个人计算机和工作站计算能力的急剧增强和广泛应用，以及不断引入新的概念，克服了摆在神经网络研究面前的障碍，人们对神经网络的研究热情空前高涨。
2
有两个新概念对神经网络的复兴具有重大的意义：
其一：用统计机理解释某些类型的递归网络的操作，这类网络可作为联想存储器；
其二：在20世纪80年代，几个不同的研究者分别开发出了用于训练多层感知器的反传算法。
3
神经网络的应用
航空：高性能飞行器自动驾驶仪，飞行路径模拟，飞机控制系统，自动驾驶优化；器，飞行部件模拟，飞行器部件故障检测器
汽车：汽车自动导航系统，担保行为分析器
银行：支票和其他公文阅读器，信贷申请的评估器
国防：武器操纵，目标跟踪，目标辨识，面部识别、新型的传感器，声纳．雷达和图像信号处理(包括数据压缩、特征提取、噪声抑制、信号／图像的识别)
4
电子：
娱乐：
金融：
保险：
制造：
医疗：
石油、天然气：
机器人：
有价证券：
电信：
交通：
5
生物学的启示
人工神经网络却没有人脑那么复杂，但它们之间有两个关键相似之：
首先，两个网络的构成都是可计算单元的高度互连(虽然人工神经元比生物神经元简单得多)。其次，处理单元之间的连接决定了网络的功能。
6
●神经元网络的简化模型
7
ai1
ai2
a in
bi1
bi2
bim
wi
y1
y2
y n
u1
uk
um
1
vi
x i
y i
●神经元网络的一般模型框架
1）加法器
2）线性动态系统（SISO）
3）静态非线性系统
︰
︰
8
式中 aij 和bik 为权系数，i,j =1,2,…,n,
k= 1,2,…m. n 个加法器可以写成向量形式：
—— N维列向量
—— N维列向量（单元输出）
——N×N维矩阵
——N×M维矩阵
—— M维列向量（外部输入）
—— M维常向量
9
▲ 线性动态系统
典型的有：
▲静态非线性系统 典型的有：
g(x)
g(x)
g(x)
x
x
x
阈值函数
阈值函数
Sigmoid函数
10