昆明理工大学
- BP神经网络的每层神经元之间存在连接关系。
- 离散型单层感知器的转移函数一般采用阈值(符号)函数。
- 误差反向传播的学习算法简称BP算法,其基本思想是梯度下降法。
- 智能控制的特点仅包括学习功能和适应功能。
- 一个神经元并不聪明,但千万个神经元彼此相连在有限的空间里就会产生智慧,这属于群智能的现象之一。
- 模糊控制系统与通常的计算机数字控制系统的主要差别是采用了模糊控制器。
- 模糊隶属度函数一般是通过经验确定的。
- MATLAB中数据存放格式是以矩阵形式,因此具有快速高效的矩阵和数学运算能力。
- 神经网络控制器实际上是一个前馈控制器,它建立的是被控对象的逆模型。
- 模糊规则表是根据经验设定的。
- MATLAB命令行窗口只支持结果输出,不能够输入代码。
- MATLAB支持用户编写自定义函数,在M文件中编写,其关键词以function定义子函数。
- 模糊关系可以表示为一个矩阵的形式,其元素值介于0和1之间。
- 专家控制是智能控制的一个重要分支,又称专家智能控制。
- 学习的方式分为在线学习和批量学习。
- 神经网络已在多种控制结构中得到应用,如PID控制、内模控制、直接逆控制等。
- 在模糊控制系统设计过程时,控制规则往往被设定为一个查询表,以此提高模糊推理的速度。
- 实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等,无法获得精确的数学模型。
- 编码过程是建立起由约束变量构造为染色体的过程,而解码是将迭代后的染色体解码为变量取值的过程。
- 专家PID控制是一种直接型专家控制器。
- 模糊集合和普通集合的不同点在于其元素以某种程度的隶属于该集合。
- 智能控制由人工智能、自动控制、运筹学组成。
- 在模糊控制查询表设计之前,需要首先使用量化因子将输入信号转为离散对称的论域元素值,以及通过比例因子将输出离散值转换为可以驱动执行机构的输出值。
- 神经网络的泛化能力就是指对样本数据的拟合和逼近效果。
- 在索引MATLAB矩阵元素的过程中,元素的下标是从0开始的。
- 模糊控制器语言变量对应的模糊集合,其论域元素取值可以不相同。
- 模糊推理是在获得先验经验的基础上,当输入变为新的模糊集合的时候计算其输出的过程。
- 感知器是可以实现多分类的数据,并且可以对线性不可分的数据实现分类效果。
- 专家控制分为直接型专家控制器和间接型专家控制器,专家PID控制器属于间接型。
- 当存在多条已知的模糊关系时,最终的模糊关系R等于每个子关系对应的矩阵计算其并运算。
- 设模糊关系矩阵A=[0.8 0.7;0.5 0.3],B=[0.2 0.4; 0.6 0.9],则A合成B的结果为( )
- 专家系统的核心部分是( )
- 以下关于神经网络直接反馈控制系统说法错误的是( )
- 不属于智能控制是( )
- 一般认为,人工神经网络最适用于( )
- 神经网络直接逆控制是一种( )控制。
- 在MATLAB中,inf 和NaN的含义是( )
- 按专家控制在控制系统中的作用和功能,可将专家控制器分为以下哪两种类型 ( )
- 产生4阶全0方阵的命令,产生3阶全1方阵的命令为( )
- 以下不属于专家系统组成部分的是 ( )
- 在模糊控制器的推理输出结果中,取其隶属度最大的元素作为精确值,去执行控制的方法称为( )
- 在MATLAB中用( )表示该行为注释行。
- 人工神经元数学模型中的阈值是模拟实际神经元中的( )
- 在使用人工神经网络之前,首先需要确定网络的结构,关于结构输入层和输出层节点个数的说法中正确的是( )
- 遗传算法在编程之前需要设定的参数不包括:( )
- 遗传算法的基本操作顺序是( )
- 以下不属于人工神经网络主要特点的是( )
- 以下的集合运算性质中,模糊集合不满足的运算性质( )
- 设模糊关系矩阵A=[0.2 0.8;0.6 0.1],B=[0.5 0.7; 0.1 0],则A合成B的结果为( )
- 哪种遗传算法的操作,能够从种群中淘汰适应度值小的个体( )
- 以下选项中应采用模糊集合描述的是( )
- 某一隶属度函数曲线的形状可以选为( )
- MATLAB中,下面哪些变量名是合法的?( )
- 如果x=1:2:8,则x(1)和x(4)分别是( )
- 能够往种群中引入新的遗传信息是以下哪种遗传算法的操作( )
- 误差反向传播算法属于( )学习规则
- 产生式系统的推理方式不包括( )
- 专家控制的关键技术不包括( )
- 定义在相同论域中的两个模糊集合,用隶属度表示的模糊集合A=(0.9,0.2,0.8,0.5),B=(0.3,0.1,0.4,0.6),计算模糊集合“并”运算的结果为( )
- 模糊控制以模糊集合为基础,最早提出模糊集合的学者是( )
A:错 B:对
答案:错
A:对 B:错
答案:对
A:对 B:错
答案:对
A:对 B:错
答案:错
A:对 B:错
答案:对
A:对 B:错
答案:对
A:错 B:对
答案:对
A:对 B:错
答案:对
A:对 B:错
答案:对
A:对 B:错
A:对 B:错
A:错 B:对
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:对 B:错
A:对 B:错
A:对 B:错
A:对 B:错
A:对 B:错
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
A:[0.5 0.3; 0.8 0.7] B:[0.4 0.7; 0.6 0.8] C:[0.6 0.7; 0.3 0.4 ] D:[0.4 0.3; 0.6 0.6]
A:人机接口、知识获取结构、推理机构 B:知识库、数据库、推理机构 C:人机接口、过程接口、推理机构 D:知识库、数据库、人机接口
A:神经网络直接用做误差闭环系统的反馈控制器 B:神经网络直接反馈控制器在设计过程中首先必须建立对象的数学模型 C:神经网络控制器首先利用其他已有的控制样本进行离线训练,而后以系统的均方差为代价函数进行在线学习 D:神经网络控制器在训练过程中根据误差反向调整网络权值完成学习过程
A:模糊控制 B:确定性反馈控制 C:神经网络控制 D:专家控制
A:线性系统 B:多输入多输出系统 C:非线性系统 D:多变量系统
A:反馈 B:串级 C:前馈 D:混合
A:inf为无穷小 ,NaN 为0 B:inf为无穷大 ,NaN 为非数(结果不定) C:inf为圆周率 ,NaN 为无穷大 D:inf为消息 ,NaN 为非数
A:直接型专家控制器和智能型专家控制器 B:智能性专家控制器和间接型专家控制器 C:最优型专家控制器和非最优型专家控制器 D:直接型专家控制器和间接型专家控制器
A:zeros(4,4), ones(3,3) B:plot(4,4), plot(3,3) C:figure(4,4), step(3,3) D:ones(4,4), zeros(4,4)
A:解释部分 B:知识库 C:专家 D:数据库
A:最大隶属度法 B:中位数法 C:系数加权平均 D:重心法
A:// B:% C:/* D:*
A:神经元对信号的发送作用 B:神经元对信号的抑制作用 C:神经元之间的连接强度 D:神经元对输入信号的汇总作用
A:其他说法都错误 B:神经网络输入输出节点个数由样本数量决定 C:神经网络输入和输出节点没有统一的计算方法,可以根据经验确定 D:神经网络输入输出节点个数取决于要逼近的函数输入和输出变量个数
A:目标误差值 B:交叉变异概率 C:种群规模 D:遗传代数
A:计算适配度、交叉、变异、选择 B:计算适配度、选择、变异、交叉 C:计算适配度、交叉、选择、变异 D:计算适配度、选择、交叉、变异
A:信息分布在神经元的连接上 B:可以逼近任意非线性系统 C:信息并行处理 D:网络中含有神经元
A:互补律 B:交换律 C:结合律 D:分配律
A:[0.2 0.2; 0.5 0.6] B:[0 0.1; 0.6 0.2] C:[0.6 0.1; 0.6 0.5] D:[0.6 0.2; 0.1 0.5]
A:变异 B:复制 C:交叉 D:优选
A:
高三男生
B:社会
C:教师
D:年轻
A:椭圆形 B:圆形 C:三角形 D:正方形
A:num- B:num_ C:_num D:–num
A:1,8 B:2,8 C:2,7 D:1, 7
A:复制 B:变异 C:优选 D:交叉
A:有导 B:混合 C:无导师 D:死记忆
A:正向推理 B:双向推理 C:简单推理 D:反向推理
A:知识的表达方法 B:从传感器中识别和获取定量的控制信号 C:将定性只是转换为定量的控制信号 D:被控对象数学模型的建立
A:(1.2, 0.3, 1.2, 1.1) B:(0.6,0.1,0.4,0.1) C:(0.9,0.2,0.8,0.6) D:(0.3,0.1,0.4,0.5)
A:Mamdani B:Sugeno C:L.A.Zadeh D:Takagi
温馨提示支付 ¥5.00 元后可查看付费内容,请先翻页预览!