2024年春季学期机电系统智能控制技术第1次平时作业

试卷总分:100  得分:100

1.执行器是控制系统的执行部件，与传统的控制系统不相同。

2.（ ）识别的功能在于翻译用定性语言描述的命令和其他的输入。

A.执行级

B.协调级

C.组织级

3.人工神经网络具有良好的线性映射能力，学习能力，以及自适应能力。

4.智能控制研究的理论工具有（ ）。

A.神经网络理论

B.模糊集理论

C.优化理论

D.控制理论

E.推理理论

5.智能分成（ ）层次。

A.高级智能

B.较高级的智能

C.超高级智能

D.低级的智能

E.中低级智能

6.人机结合作为控制器的控制系统，人则完成（ ）等任务。

A.任务分配

B.决策

C.监控

D.调度

7.智能是知识的获取、处理和应用能力。

8.根据人工智能方法的不同智能控制没有（ ）。

A.模糊控制

B.神经网络控制

C.内力控制

D.学习控制

9.三元交集的结构强调了更高层次控制中（ ）。

A.调度

B.规划

C.管理

D.融合

10.应用专家系统的技术，模拟人类专家对被控对象的控制，是人工智能与（ ）相结合的典型产物。

A.模糊控制

B.自动控制

C.人为控制

D.学习控制

11.（ ）用于神经控制，充当被空对象的模型或控制器。

A.模糊集理论

B.神经网络理论

C.优化理论

12.模糊控制实现了一种基于人类的知识，或者是基于专家经验，或者是基于语言描述的控制规律的新机理。

13.解决自动控制面临问题的一条有效途径就是，把人工智能等技术用入自动控制系统中，其核心是（ ）。

A.控制算法

B.控制器智能化

C.控制结构

14.智能控制需要具有（   ）能力。

A.学习能力

B.自适应能力

C.记忆能力

D.自组织能力

E.调节能力

15.鲁棒控制是在一定的外部干扰和内部参数变化的作用下，以提高系统的不灵敏度为宗旨抵御不确定性的。

16.传感器根据作用不同，可分为（ ）。

A.位置传感器

B.力传感器

C.视觉传感器

D.距离传感器

2024年春季学期机电系统智能控制技术第2次平时作业

试卷总分:100  得分:100

1.幂集是一个特殊的集合,它的元素是集合,这些集合均为论域U的子集。

2.常用的模糊推理方法有（ ）。

A.扎德方法

B.隶属法

C.玛丹尼方法

D.推理法

3.通常用大写字母表示集合,用小写字母表示（ ）。

A.集合

B.集合的元素

C.子集

D.直集

4.语言算子可以分为（ ）。

A.语气算子

B.模糊化算子

C.判定化算子

D.隶属化算子

5.如果A?B，并且B?A，则称A和B相等，即为A=B，称为（ ）。

A.空集

B.子集

C.相等

D.幂级

6.不包含任何元素的集合，用?表示，称为（ ）。

A.空集

B.子集

C.相等

D.幂级

7.近年来，进化论、神经网络、（ ）和专家系统等各门学科的发展给智能控制注入了巨大的活力，并由此产生了各种智能控制方法。

A.模糊数学

B.集合

C.线性代数

D.神经元

8.模糊推理以模糊判断为前提，运用模糊规则，推导出一个新的模糊判断的方法。

9.常用的隶属函数的形状有（ ）。

A.三角形

B.半边形

C.矩形

D.Z形

E.单点形

10.集合X和Y的直积X *Y的一个子集，称为X到Y的二元关系，简称关系。

11.集合包含（ ）基本概念。

A.空集

B.子集

C.相等

D.交集

E.幂级

12.（ ）模糊集合的表达方式中，有分数线。

A.扎德表示法

B.向量表示法

C.集合表示法

D.序偶表示法

13.隶属度等于2的时候是完全不属于。

14.模糊语言具有（ ）。

A.灵活性

B.动态性

C.复杂性

15.隶属函数是模糊集合的重要概念，模糊集合是用隶属函数描述的。

16.当序偶的隶属度只取1和2时，模糊关系就退化为普通关系。

2024年春季学期机电系统智能控制技术第3次平时作业

试卷总分:100  得分:100

1.人工神经网络由一个个神经元组成，每个神经元和多个其它神经元连接，形成网状。

2.突触有（ ）形式。

A.兴奋型

B.抑制型

C.阻碍型

D.激励型

3.神经网络的能力特征不包括（ ）。

A.自学习能力

B.自组织能力

C.自调节能力

D.自适应性能力

4.（ ）是神经元的中心。

A.细胞体

B.突触

C.轴突

D.树突

5.无监督学习有标准答案。

6.一个神经元的轴突末梢和另一个神经元的树突通过微小间隙连接，这个连接称为突触。

7.轴突是短而多的。

8.模糊控制与具有模糊积分增益的积分控制并联：采用模糊系统确定积分增益。

9.模糊控制器的（ ）一般是系统的设定值与输出值的偏差或偏差的变化量。

A.输入变量

B.输出变量

C.隶属函数

D.向量

10.将偏差信号转化为模糊量组成推理机的输入，它是输入模糊论域上的模糊量，采用输出形式表示。

11.语言值的隶属函数曲线分布与系统性能的关系可知，论域中每一个元素至少有（ ）个语言值的隶属度大于零。

A.一

B.二

C.三

D.四

12.模糊控制规则包括（   ）。

A.选择输出输出语言值

B.选择输入输出语言值

C.空间向量

D.建立模糊控制规则

E.定义各语言值的隶属函数

13.确定隶属函数的方法大致有（ ）。

A.模糊统计法

B.主观经验法

C.神经网络法

D.特征函数法

14.模糊控制器的算法，将模糊控制量u转换为精确量，它是输出论域上的精确量，采用标量形式表示。

15.在模糊控制器中，输入变量一般为（ ）。

A.偏差

B.偏差变化

C.控制量

D.元素个数

16.细胞膜具有选择通透性，从而产生膜电位，其大小随细胞体输入信号的强弱而变化。

2024年春季学期机电系统智能控制技术第4次平时作业

试卷总分:100  得分:100

1.联想记忆的工作过程中的记忆阶段给定输入模式，通过对动力学的演化过程达到稳定状态。

2.多层感知器统解决了多层神经网络隐含层连接权的学习问题，并在数学上给出了完整推导。

3.激活函数采用Sigmoid函数，该函数可微分，使得权值的梯度学习算法成为可能。

4.（ ）根据学习机制训练网络，使其能够自动调整权值，产生期望的能量井。

A.静态产生法

B.动态产生法

C.扩张法

D.收缩法

5.权值设计的方法有（ ）。

A.静态产生法

B.设计取大法

C.动态产生法

D.乘积法

6.多层感知器的功能有（ ）。

A.实现任意的布尔函数

B.在模式识别问题中，它能划分输入空间，生成复杂的边界

C.它能逼近Rn到Rm的任意连续映射

D.实现逻辑函数

7.径向基函数只有三层，第一层为（ ）。

A.输入层

B.隐藏层

C.输出层

D.展示层

8.学习算法的第三步是通过偏差的反向传播，调整连接权值W。

9.神经网络的主要作用是（ ）。

A.在反馈控制系统中直接充当控制器

B.在基于精确模型的控制系统中充当被控对象的模型

C.在传统控制系统中起模型或参数优化的作用

D.与其他智能控制和优化方法相融合，为其提供非参数化对象模型、优化参数

E.为其提供推理模型

10.系统辨识是在输入和输出数据的基础上，从一组给定的模型中，确定一个与所测系统等价的模型。

11.神经网络控制的本质是利用神经网络对被控对象进行求逆。

12.前向建模法把系统动力学特性直接引入网络本身，采用回归网络模型和动态神经元模型。

13.单神经元PID自适应控制是利用一个神经元作为控制器，其参数可以不断调整，从而实现自适应控制功能。

14.由于神经网络具有线性映射能力，可以把神经网络看作输入和输出之间的某种映射。

15.神经网络系统辨识的特点有（   ）。

A.不要求辨识实际系统的结构和模式

B.可以对本质非线性系统进行辨识

C.不能对本质非线性系统进行辨识

D.收敛速度不依赖于待辨识系统的维数

E.可用于在线控制

16.离散型Hopfield神经网络动态设计方法的实质是，通过一定的规则自动地调整权值，使得网络具有期望的能量井分布，并将记忆样本存储在不同的能量井之中。

第一讲 智能控制的基本概念及特点随堂测试

试卷总分:100  得分:100

1.智能控制的发展有萌芽期、形成期和发展期。

2.智能是知识的获取、处理和应用能力。

3.智能控制需要具有（   ）能力。

A.学习能力

B.自适应能力

C.记忆能力

D.自组织能力

E.调节能力

4.智能分成（ ）层次。

A.高级智能

B.较高级的智能

C.超高级智能

D.低级的智能

E.中低级智能

5.控制系统的复杂性不包括（ ）。

A.被控对象的复杂性

B.环境的复杂性

C.技术的复杂性

D.控制任务的复杂性

第二讲 智能控制的构成随堂测试

试卷总分:100  得分:100

1.开环控制系统不包括（ ）。

A.控制目标

B.控制器

C.被控对象

D.传感器

2.（ ）的识别功能在于根据执行级送来的测量数据和组织级送来的指令，产生合适的协调作用。

A.组织级

B.协调级

C.执行级

D.对象

3.闭环控制系统包括（ ）。

A.控制目标

B.控制器

C.被控对象

D.计时器

E.传感器

4.智能控制系统的分级递阶结构应用于比较简单的智能控制系统。

5.传感器是对被控对象的运行状态进行实时的监测。

第三讲 智能控制的分类随堂测试

试卷总分:100  得分:100

1.人工神经网络具有良好的线性映射能力，学习能力，以及自适应能力。

2.模糊控制实现了一种基于人类的知识，或者是基于专家经验，或者是基于语言描述的控制规律的新机理。

3.神经网络的智能控制适用于（ ）的控制。

A.复杂系统

B.简单系统

C.大系统

D.小系统

E.多变量系统

4.应用专家系统的技术，模拟人类专家对被控对象的控制，是人工智能与（ ）相结合的典型产物。

A.模糊控制

B.自动控制

C.人为控制

D.学习控制

5.根据人工智能方法的不同智能控制没有（ ）。

A.模糊控制

B.神经网络控制

C.内力控制

D.学习控制

第四讲 智能控制的主要研究工具及内容随堂测试

试卷总分:100  得分:100

1.神经网络理论包括遗传算法、免疫优化、蚁群优化、模拟退火、禁忌搜索算法等。

2.数值计算与知识表示推理相结合主要用于专家控制，它的上层是专家系统。

3.智能控制研究的理论工具有（ ）。

A.神经网络理论

B.模糊集理论

C.优化理论

D.控制理论

E.推理理论

4.智能控制的研究内容有（ ）。

A.智能控制系统的性能分析

B.高性能智能控制器设计

C.智能控制方法论

D.智能控制系统结构

E.智能控制

5.下列（ ）是高性能智能控制器设计的内容。

A.对被控对象建模和参数辨识高性能优化方法

B.智能控制系统的稳定性分析

C.新型智能控制系统结构的探索

D.智能控制器的结构与参数变化对动态性能指标的影响

第五讲 经典集合及其运算随堂测试

试卷总分:100  得分:100

1.幂级是论域U的所有子集为元素构成的集合称为U的幂集，记为P(U)。

2.集合X和Y的直积X *Y的一个子集，称为X到Y的二元关系，简称关系。

3.集合包含（ ）基本概念。

A.空集

B.子集

C.相等

D.交集

E.幂级

4.不包含任何元素的集合，用?表示，称为（ ）。

A.空集

B.子集

C.相等

D.幂级

5.如果A?B，并且B?A，则称A和B相等，即为A=B，称为（ ）。

A.空集

B.子集

C.相等

D.幂级

第六讲 模糊集合及其运算随堂测试

试卷总分:100  得分:100

1.当论域为有限级或离散形式的时候，有（   ）表达方式。

A.扎德表示法

B.向量表示法

C.集合表示法

D.交集表示法

E.序偶表示法

2.隶属度等于1的时候是完全属于。

3.隶属度等于2的时候是完全不属于。

4.模糊集合的运算有（ ）定律。

A.幂等律

B.结合律

C.吸收律

D.同一律

E.对偶律

5.（ ）模糊集合的表达方式中，有分数线。

A.扎德表示法

B.向量表示法

C.集合表示法

D.序偶表示法

第七讲 隶属函数随堂测试

试卷总分:100  得分:100

1.隶属函数将集合的特征函数从0/1两个值扩大到[1,2]区间的连续值，是特征函数的扩展和一般化。

2.隶属函数是模糊集合的重要概念，模糊集合是用隶属函数描述的。

3.常用的隶属函数的形状有（ ）。

A.三角形

B.半边形

C.矩形

D.Z形

E.单点形

4.（ ）方法当论域是离散时，根据主观认识或个人经验，直接或间接给出元素隶属度的具体值，确定隶属函数。

A.调查统计法

B.经验法

C.分析推理法

D.观察法

5.（ ）方法以调查统计结果所得出的经验曲线，作为隶属函数曲线，根据曲线找出相应的隶属函数表达式。

A.调查统计法

B.经验法

C.分析推理法

D.观察法

第八讲 模糊逻辑随堂测试

试卷总分:100  得分:100

1.模糊条件推理是含有多个条件变量和一条推理规则。

2.模糊推理以模糊判断为前提，运用模糊规则，推导出一个新的模糊判断的方法。

3.模糊逻辑就是研究模糊命题的逻辑。

4.模糊语言具有（ ）特点。

A.主观性

B.被动性

C.灵活性

D.原则性

E.复杂性

5.（ ）含有一个条件变量和一条推理规则。

A.模糊推理

B.个性推理

C.近似推理

D.复杂推理

第九讲 模糊控制的特点与组成随堂测试

试卷总分:100  得分:100

1.推理机不是模糊控制的核心，利用知识库的信息模拟人的推理过程。

2.模糊控制是利用模糊集合理论，把人类专家用自然语言描述的控制策略转化为计算机能够接受的算法语言，从而模拟人类的智能，实现生产过程的有效控制。

3.模糊控制的特点有（   ）。

A.无需知道被控对象的数学模型

B.控制行为反映了人类智慧

C.能适应各种复杂、线性、非线性的控制对象

D.构造容易，实现方便

E.鲁棒性和适应性好

4.模糊控制在理论上是基于（ ）。

A.模糊数学

B.模糊语言表示的知识

C.模糊逻辑

D.模糊推理

E.线性推理

5.模糊控制器的（ ）一般是系统的设定值与输出值的偏差或偏差的变化量。

A.输入变量

B.输出变量

C.隶属函数

D.向量

第十讲 模糊控制算法随堂测试

试卷总分:100  得分:100

1.模糊控制算法可以看作是输入基本论域至输出模糊论域和基本论域的转换。

2.模糊控制器的算法，将模糊控制量u转换为精确量，它是输出论域上的精确量，采用标量形式表示。

3.将偏差信号转化为模糊量组成推理机的输入，它是输入模糊论域上的模糊量，采用输出形式表示。

4.关于模糊控制算法总结，说法正确的是（ ）。

A.输入输出变量模糊化可设计

B.模糊规则，或模糊控制表可设计

C.模糊蕴涵关系可选择

D.模糊控制器不可设计

E.模糊控制器可设计

5.模糊控制算法4个关键步骤，其中最后一个步骤是（ ）。

A.将控制对象输出值与系统给定值的比较，得到偏差的精确量

B.通过模糊推理得到控制信号的模糊量

C.将控制信号的模糊量转换为精确量

D.将偏差信号的精确量转化为模糊量

第十一讲 模糊控制器随堂测试

试卷总分:100  得分:100

1.根据语言值的隶属函数曲线形状与系统性能的关系可知，隶属度函数曲线越陡，分辨率低。

2.根据语言值的隶属函数曲线形状与系统性能的关系可知，隶属度函数曲线越平，系统稳定性较高。

3.模糊控制器作为控制系统的一个环节，含有输入和输出变量的个数。

4.模糊控制规则包括（   ）。

A.选择输出输出语言值

B.选择输入输出语言值

C.空间向量

D.建立模糊控制规则

E.定义各语言值的隶属函数

5.语言值的隶属函数曲线分布与系统性能的关系可知，论域中每一个元素至少有（ ）个语言值的隶属度大于零。

A.一

B.二

C.三

D.四

第十二讲 模糊控制与PID控制的结合随堂测试

试卷总分:100  得分:100

1.模糊控制与具有模糊积分增益的积分控制并联：采用模糊系统确定积分增益。

2.模糊控制与PID控制的组合主要有两种。

3.模拟PID调节器 是将偏差的比例、积分、微分通过线性组合构成控制量，简称P（ ）I（ ）D（ ）调节器。

A.比例

B.积分

C.微分

D.函数

E.向量

4.模糊PI控制输入是偏差和偏差的变化，输出是（ ）。

A.控制增量

B.控制值

C.控制减量

D.不确定

5.模糊PD控制输入是偏差和偏差的变化，输出是（ ）。

A.控制增量

B.控制值

C.控制减量

D.不确定

第十三讲 神经网络的特性与研究内容随堂测试

试卷总分:100  得分:100

1.神经网络反映了输入变量和向量之间的映射关系。

2.从人脑的生理学和心理学角度出发，通过模拟人脑的工作机理，实现机器和部分智能行为，从微观结构和功能上对人脑进行抽象和简化，模拟人类智能的一条重要途径。

3.神经网络的研究内容有（   ）。

A.新的神经元模型

B.新的神经元连接拓扑

C.新的学习规则

D.泛化理论

E.神经动力学

4.通过机器视觉的形式，能够实现（ ）。

A.指纹识别

B.虹膜识别

C.掌纹识别

D.人脸识别

E.视网膜识别

5.（ ）能确定网络的稳定、周期、拟周期和混沌等状态和类型。

A.泛化理论

B.神经动力学

C.与符号主义方法相结合的途径

D.新的神经元连接拓扑

第十四讲 生物神经元的结构和信息处理机制随堂测试

试卷总分:100  得分:100

1.一个神经元的轴突末梢和另一个神经元的树突通过微小间隙连接，这个连接称为突触。

2.生物神经元的结构包括（   ）。

A.细胞体

B.突起

C.细胞膜

D.轴突

E.树突

3.轴突是短而多的。

4.细胞膜具有选择通透性，从而产生膜电位，其大小随细胞体输入信号的强弱而变化。

5.（ ）是神经元的中心。

A.细胞体

B.突触

C.轴突

D.树突

第十五讲 神经网络的分类随堂测试

试卷总分:100  得分:100

1.反馈型网络各神经元接收前一层的输入并且输出给下一层。

2.人工神经网络由一个个神经元组成，每个神经元和多个其它神经元连接，形成网状。

3.神经元的具有的（   ）基本要素。

A.一组输入连接

B.二组输入连接

C.一个求和单元

D.二个求和单元

E.一个非线性激活函数

4.（ ）不是决定人工神经网络性能的3大要素。

A.神经元的特性

B.细胞体

C.学习规则

D.神经网络的拓扑结构

5.神经网络结构有（ ）层次。

A.输入层

B.输出层

C.隐藏层

D.展示层

第十六讲 神经网络的学习方式随堂测试

试卷总分:100  得分:100

1.下列属于监督学习的特点有（   ）。

A.有标准答案

B.通过对照答案来分析问题找出方法

C.通过一定的方法保证做题的正确性

D.激发积极性

E.环境限制

2.无监督学习通过一定的方法保证做题的正确性。

3.无监督学习有标准答案。

4.无监督学习是不知道训练数据集中数据、特征之间的关系，要根据聚类或一定的模型得到数据之间的关系。

5.监督学习可以分成（ ）、回归。

A.指导

B.分类

C.引导

D.规划

E.展示

第十七讲 感知器随堂测试

试卷总分:100  得分:100

1.多层感知器统解决了多层神经网络隐含层连接权的学习问题，并在数学上给出了完整推导。

2.函数的梯度方向表示了函数值减少速度最快的方向。

3.激活函数采用Sigmoid函数，该函数可微分，使得权值的梯度学习算法成为可能。

4.BP网的学习过程有（ ）步骤。

A.前向传播

B.反向传播

C.误差反向传递

D.权值更新

E.纠正偏差

5.多层感知器用梯度下降法调节权值W，使得误差E逐渐（ ）。

A.减少

B.增多

C.为0

D.不能确定

第十八讲 径向基函数神经网络随堂测试

试卷总分:100  得分:100

1.隐藏层是使用径向基函数作为激活函数的神经元。

2.一般网络中使用高斯函数作为径向基函数。

3.径向基函数一般是不止该点的函数值只与该点距离中心点的距离有关，还与其他因素有关。

4.RBF网络的可调参数有（ ）。

A.高斯基函数的宽度

B.高斯基函数的中心

C.隐含层与输出层之间的连接权重

D.高斯基函数的长度

E.高斯基函数的厚度

5.径向基函数只有三层，第一层为（ ）。

A.输入层

B.隐藏层

C.输出层

D.展示层

第十九讲 Hopfield神经网络随堂测试

试卷总分:100  得分:100

1.任何一个神经元都受到所有神经元输出的控制。

2.Hopfield神经网络是一种前馈式类型。

3.基于灌输式学习，说法正确的是（ ）。

A.网络的权值按照一定规则计算出来

B.网络中各神经元的状态在运行过程中不断更新

C.网络演变到稳定时各神经元的状态

D.灌输式学习在运行中不能更新

E.网络的权值可以直接得出

4.每个神经元都有（ ）个状态。

A.1

B.2

C.3

D.2n

5.用于决策或者推断的网络形式为（ ）。

A.离散型

B.发散型

C.连续型

D.断续型

第二十讲 Hopfield神经网络的联想记忆随堂测试

试卷总分:100  得分:100

1.Hopfield联想记忆网络的运行步骤中设计网络的权值可根据外积等方法进行权值设计，设计完将保持不变。

2.Hopfield神经网络权值设计方法有（   ）。

A.分散法

B.静态产生法

C.动态产生法

D.扩张法

E.收缩法

3.联想记忆的工作过程中的记忆阶段给定输入模式，通过对动力学的演化过程达到稳定状态。

4.人工神经网络的联想是指系统在给定一组刺激信号的作用下，该系统能联系出与之相对应的信号。

5.（ ）根据学习机制训练网络，使其能够自动调整权值，产生期望的能量井。

A.静态产生法

B.动态产生法

C.扩张法

D.收缩法

第二十一讲 神经网络控制基本原理随堂测试

试卷总分:100  得分:100

1.由于神经网络具有线性映射能力，可以把神经网络看作输入和输出之间的某种映射。

2.神经网络控制的本质是利用神经网络对被控对象进行求逆。

3.神经网络的主要作用是（ ）。

A.在反馈控制系统中直接充当控制器

B.在基于精确模型的控制系统中充当被控对象的模型

C.在传统控制系统中起模型或参数优化的作用

D.与其他智能控制和优化方法相融合，为其提供非参数化对象模型、优化参数

E.为其提供推理模型

4.神经网络智能控制在控制系统中的作用可分为（   ）。

A.辨识

B.控制

C.应用

D.实施

E.区分

5.神经网络系统辨识的特点有（   ）。

A.不要求辨识实际系统的结构和模式

B.可以对本质非线性系统进行辨识

C.不能对本质非线性系统进行辨识

D.收敛速度不依赖于待辨识系统的维数

E.可用于在线控制

第二十二讲 神经网络系统辨识随堂测试

试卷总分:100  得分:100

1.前向建模法将系统输出作为神经网络输入，将网络输出与系统输入进行比较，得到的偏差作为神经网络的训练损失函数。

2.前向建模法把系统动力学特性直接引入网络本身，采用回归网络模型和动态神经元模型。

3.系统辨识是在输入和输出数据的基础上，从一组给定的模型中，确定一个与所测系统等价的模型。

4.神经网络系统辨识的特点有（   ）。

A.不要求辨识实际系统的结构和模式

B.可以对本质非线性系统进行辨识

C.不能对本质非线性系统进行辨识

D.收敛速度不依赖于待辨识系统的维数

E.可用于在线控制

5.（ ）直接利用神经网络逼近非线性系统的前向动力学模型。

A.前向建模法

B.逆模型法

C.收敛模型法

D.发散模型法

第二十三讲 单神经元PID自适应控制随堂测试

试卷总分:100  得分:100

1.PID控制将差分的或者误差的比例微分和积分进行累加产生控制信号输出的一种控制器的结构形式。

2.对于单神经元PID来说，只有一个组成部分。

3.单神经元PID自适应控制是利用一个神经元作为控制器，其参数可以不断调整，从而实现自适应控制功能。

4.K为神经元的比例系数，对于整个控制系统的（ ）有一定的影响。

A.复杂性

B.多样性

C.稳定性

D.响应特性

E.动态性

5.单神经元PID自适应控制器通过对加权系数的自动调整实现自适应和自组织功能，加权系数的调整采用有监督Hebb学习规则，它与神经元（ ）无关。

A.输入

B.输出

C.输出偏差

D.输入偏差

第二十四讲 神经网络直接逆模型控制随堂测试

试卷总分:100  得分:100

1.学习算法的第三步是通过偏差的反向传播，调整连接权值W。

2.直接网络控制是在神经网络的输入端直接引入被控对象的输出信号，并在线调整神经网络控制器的连接权值，提高系统的自适应能力。

3.神经网络直接逆模型控制是最直观的一种神经网络控制方法。

4.直接逆模型的特点是（   ）。

A.开环控制

B.偏差十分敏感

C.干扰十分敏感

D.鲁棒性较差

E.仅适用于比较简单的场合

5.采用（ ）设计方法，没有考虑到系统实际运行过程中的输入输入状态，因此一旦系统运行的环境或参数变化式，这类控制器不再适用。

A.离线

B.发散

C.聚拢

D.模糊