智能信息处理机理

当前位置

智能信息处理机理

2019-11-21 10:32

神经网络是模仿人脑的活动，建立脑神经活动的一种数学模型。实际上，早在20世纪40年代人们就开始对人脑和计算机交叉科学进行研究，试图解决智能信息处理机理.近年来，智能控制作为一个新的交叉学科蓬勃发展，人们开始在更高水平上寻求控制、计算机和神经重物学新的结合，以此来解决常规控制理论和方法难以解决的问题。

基于神经网络的控制，称为神经网络控制（NNC）简称神经控制。

神经网络是由大量处理单元（神经元、处理元件、电子元件、光电元件等）广泛互连而成的网络它是现代神经科学研究成果的基础上提出来的，反映了人脑的基本性能，但它不是人脑的真实描写，而是它的某种抽象、简化模拟。网络的信息处理由神经元的作用之间来实现，网络的学习和识别决定各神经元连接权系数的动态演化过程。

神经元是神经网络的基本处理单元，它一般是一个多输入、单输出的非线性器件。

针神经网络应用于控制理领域，是因为和传统的控制技术相比，它具有重要特征和性质：

1)非线性：神经网络在理论上能够以任意精度逼近任意非线性映射，这就给解决控制理论中困难的非线性问题带来了新的希望。

2) 分布式存贮信息：所有定量或定性的信息都等势分布贮存于网络的各神经元，神经元广泛连接，这样即使网络中部分单元损坏，也不影响整体性能，网络本身具有良好的可靠性、鲁棒性和容错性。

3)并行处理方式：使其具有大量复杂的控制算法的潜力。

4) 学习和自适应：利用系统过去的数据记录，可对网络进行训练，受过训练的网络有能力泛化，即当输入出现训练中未提供的数据时，网络也有能力进行辨识。

5) 数据融合：网络能够同时融合定量或定性数据，使其能够利用连接主义的结构，将传统控制方法与符号数据的人工智能相结合。

6)多变量系统：神经网络的多输入、多输出模型，可以方便地应用于多变量控制系统。

很明显，复杂控制的建模问题，具有以上所需的特征。从控制理论观点看，神经网络处理非线性的能力是最有意义的。非线性系统的多样性和复杂性，使得至今还没有建立起系统的和通用的非线性控制理论。因此，将神经网络引入控制理论是控制学科，特别是非线性控制的必然趋势和发展方向。

神经网络在控制中的作用分为以下几种：

1)中基于精确模型的各种控制结构中，充当对象的模型；

2)在反馈控制系统中，直接充当控制器的作用；

3)在传统控制系统中，起优化计算的作用；

4)在与其它控制的方法和优化算法（如模糊控制、专家控制及遗传算法等）的融合中，为其提供非参数化对象模型、优化参数、推理模型及故障诊断等。

由于人工智能中的新技术不断出现及其在智能控制中的应用。神经网络必将在和其它新技术的融合中，在智能控制中发挥更大的作用。

上一篇：空调控制器的模糊逻辑推理

下一篇：控制系统要求的性能指标

工程技术

联系方式

电话：400-169-2099 / 138-2698-4007

传真：0796-87894188

邮箱：tomsoco@163.com

地址：东莞市清溪镇大利鹿湖东路82号