1.遗传算法与神经网络
遗传算法在神经网络中的应用主要反映在以下三个方面。
(1)神经网络的学习。首先,将遗传算法应用于神经网络的学习,可以对网络的学习规则实现自动化,从而提高学习效率;其次,利用遗传算法的全局优化及隐含并行性的特点,可以提高网络权数的优化速度。
(2)神经网络的设计。如何用遗传算法设计一个优质的神经网络结构需要两步:第一步,要解决网络结构的编码问题,目前的编码方法有直接编码法、参数化编码法和繁衍生长法三种;第二步,通过选择、交叉、变异操作得到最优结构。
(3)神经网络的分析。神经网络具有分布存储特点,一般难以从拓扑结构直接理解网络功能,此时可以利用遗传算法对神经网络进行功能分析、性质分析、状态分析。
2.仿人控制
人类在数万年的进化过程中获得了知识获取、处理和记忆的能力,解决问题的能力,对环境的适应能力等。智能控制,从根本上讲,是要仿效人的智能行为进行决策和控制的。
仿人控制并不需要了解对象的结构与参数,不需要依赖对象的数学模型,根据积累的经验和知识,用计算机加以模拟,进行在线的推理确定,最大限度地识别和利用控制系统动态过程提供的特性信息。
3.分布式智能控制
分布式智能控制将大型的复杂系统分解成规模相对较小、便于进行数学建模和控制的子系统。这种控制方法的实质,就是应用计算机技术实现各个子系统之间信息的协调和共享,最终实现对庞大系统的控制。
好啦,这次的分享就到这里,我们下期再见!欢迎在评论区补充和留言。