人工神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)控制陸寶春2021年11月人工神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)控制1人工神經(jīng)網(wǎng)絡(luò)概述2人工神經(jīng)網(wǎng)絡(luò)開展3人工神經(jīng)網(wǎng)絡(luò)模型4神經(jīng)網(wǎng)絡(luò)的任務(wù)方式及其特點(diǎn)5神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)開發(fā)過程6人工神經(jīng)網(wǎng)絡(luò)的運(yùn)用7神經(jīng)網(wǎng)絡(luò)控制8凈水廠最正確投藥量的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)9神經(jīng)網(wǎng)絡(luò)控制中有待處理的問題10人工神經(jīng)網(wǎng)絡(luò)的開展方向1人工神經(jīng)網(wǎng)絡(luò)概述現(xiàn)代計(jì)算機(jī)有很強(qiáng)的數(shù)值計(jì)算、邏輯運(yùn)算和信息處置才干，極大地?cái)U(kuò)展了人的腦力，但它對方式識別、感知等問題的才干卻遠(yuǎn)不如人，特別是它只能按照事先編好的程序機(jī)械的執(zhí)行，缺乏向環(huán)境學(xué)習(xí)，順應(yīng)環(huán)境的才干。人腦的任務(wù)方式與計(jì)算機(jī)是不同的。人腦是由大量根本單元〔即神經(jīng)元〕經(jīng)過復(fù)雜的相互銜接而成的一種高度復(fù)雜的、非線形的、并行處置的信息處置系統(tǒng)。1人工神經(jīng)網(wǎng)絡(luò)概述人們以模擬人腦神經(jīng)網(wǎng)絡(luò)的信息表示、存儲和處置機(jī)制為根底，設(shè)計(jì)全新的計(jì)算機(jī)處置構(gòu)造模型，這也就促進(jìn)了人工神經(jīng)網(wǎng)絡(luò)〔artificialneuralnetworks簡稱NN〕的研討與運(yùn)用。人工神經(jīng)網(wǎng)絡(luò)就是由多個簡單的并行任務(wù)的處置單元彼此以某種方式互連組成的系統(tǒng)。它模擬人類大量腦細(xì)胞的高度銜接，當(dāng)有輸入信號將神經(jīng)元激活時，經(jīng)過神經(jīng)回路產(chǎn)生輸出。2人工神經(jīng)網(wǎng)絡(luò)開展啟蒙時期低潮時期復(fù)興時期新時期〔1〕啟蒙時期

1890年，心思學(xué)家W.Jams關(guān)于人腦構(gòu)造與功能的研討。1943年，生理學(xué)家W.S.McCulloch和數(shù)學(xué)家W.A.Pitts提出了神經(jīng)元M-P模型。1958年，計(jì)算機(jī)學(xué)家FrankRosenblatt提出了“感知器〞〔Perceptron〕?！?〕低潮時期

1969年，人工智能的開創(chuàng)人M.Minsky和S.Paper發(fā)表了<感知器>一書。書中指出，簡單的神經(jīng)網(wǎng)絡(luò)只能運(yùn)用于線性問題的求解，可以求解非線性問題的網(wǎng)絡(luò)應(yīng)具有隱層，而從實(shí)際上不能證明將感知器模型擴(kuò)展到多層網(wǎng)絡(luò)是有意義的。這一悲觀論點(diǎn)極大地影響了人工神經(jīng)網(wǎng)絡(luò)的研討，開場了神經(jīng)網(wǎng)絡(luò)開展史上長達(dá)10年的低潮時期?！?〕復(fù)興時期

1982年，物理學(xué)家John.J.Hopfield提出了Hopfield網(wǎng)絡(luò)；1986年，貝爾實(shí)驗(yàn)室利用Hopfield實(shí)際在硅片上制成了硬件神經(jīng)計(jì)算機(jī)網(wǎng)絡(luò)；1988年，<并行分布式處置>一書開展了多層感知機(jī)的反向傳播訓(xùn)練方法?！?〕新時期

1987年，首屆國際神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會議召開，標(biāo)志著世界范圍內(nèi)掀起神經(jīng)網(wǎng)絡(luò)開發(fā)研討的熱潮。神經(jīng)網(wǎng)實(shí)際已成為涉及神經(jīng)生文科學(xué)、認(rèn)識科學(xué)、數(shù)文科學(xué)、心思學(xué)、信息科學(xué)、計(jì)算機(jī)科學(xué)、微電子學(xué)、光學(xué)、生物電子學(xué)等多學(xué)科交叉、綜合的前沿科學(xué)。許多國家在神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的硬件實(shí)現(xiàn)方面也獲得了一些成果。3人工神經(jīng)網(wǎng)絡(luò)模型神經(jīng)元輸入輸出關(guān)系：

3人工神經(jīng)網(wǎng)絡(luò)模型人工神經(jīng)網(wǎng)絡(luò)是由多個神經(jīng)元構(gòu)成的一個并行和分布式信息處置網(wǎng)絡(luò)構(gòu)造。神經(jīng)網(wǎng)絡(luò)模型的種類繁多，有前饋神經(jīng)網(wǎng)絡(luò)、反響神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)等。

〔1〕前饋神經(jīng)網(wǎng)絡(luò)這是現(xiàn)行控制方案中采用的最多的神經(jīng)網(wǎng)絡(luò)網(wǎng)型。前饋神經(jīng)網(wǎng)絡(luò)又包括BP、PID神經(jīng)元、RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)?！?〕模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)控制技術(shù)是神經(jīng)網(wǎng)絡(luò)集成控制技術(shù)的精華，如今已成為一個研討熱點(diǎn)。

4神經(jīng)網(wǎng)絡(luò)的任務(wù)方式及其特點(diǎn)神經(jīng)元的銜接權(quán)值經(jīng)過學(xué)習(xí)來修正銜接權(quán)值不變，由網(wǎng)絡(luò)輸入得到相應(yīng)的輸出學(xué)習(xí)期任務(wù)期〔1〕人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)就是經(jīng)過對樣本的學(xué)習(xí)訓(xùn)練，不斷改動網(wǎng)絡(luò)銜接權(quán)值和擴(kuò)撲構(gòu)造以使網(wǎng)絡(luò)的輸出不斷的接近期望的輸出，其本質(zhì)就是銜接權(quán)值的動態(tài)調(diào)整。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法很多，如BP算法。

〔2〕訓(xùn)練神經(jīng)網(wǎng)絡(luò)的根本步驟

包括原始數(shù)據(jù)的搜集、數(shù)據(jù)分析、變量選擇以及數(shù)據(jù)的預(yù)處置等如選擇BP網(wǎng)，就要確定網(wǎng)絡(luò)的構(gòu)造和參數(shù)，如：層數(shù)，每層結(jié)點(diǎn)數(shù)、初始權(quán)值其目的在于找到蘊(yùn)涵在樣本數(shù)據(jù)中的輸入和輸出間的本質(zhì)關(guān)系，從而對未經(jīng)訓(xùn)練的輸入也能找到適宜的輸出，即具備泛化才干。產(chǎn)生數(shù)據(jù)樣本集確定網(wǎng)型與構(gòu)造訓(xùn)練和測試〔3〕神經(jīng)網(wǎng)絡(luò)特點(diǎn)自順應(yīng)性泛化功能非線性映射功能高度并行處置信息這些特點(diǎn)顯示了神經(jīng)網(wǎng)絡(luò)在處理高度非線性和嚴(yán)重不確定性系統(tǒng)的控制方面具有很大潛力。將神經(jīng)網(wǎng)絡(luò)引入控制系統(tǒng)是控制學(xué)科開展的必然趨勢。5神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)開發(fā)過程神經(jīng)網(wǎng)絡(luò)構(gòu)造描畫系統(tǒng)需求分析產(chǎn)生網(wǎng)絡(luò)可執(zhí)行代碼訓(xùn)練和測試網(wǎng)絡(luò)將神經(jīng)網(wǎng)絡(luò)并入系統(tǒng)選擇訓(xùn)練和測試數(shù)據(jù)抽取數(shù)據(jù)特征和預(yù)處置6人工神經(jīng)網(wǎng)絡(luò)的運(yùn)用方式識別如癌細(xì)胞識別、油氣藏檢測、電力變壓器缺點(diǎn)檢測等?？刂婆c優(yōu)化如溫度控制、液壓位置伺服系統(tǒng)控制、機(jī)器人運(yùn)動控制等。金融預(yù)測及管理如股票市場預(yù)測、保險業(yè)風(fēng)險評價。通訊如路由選擇。7神經(jīng)網(wǎng)絡(luò)控制20世紀(jì)80年代以來，工業(yè)消費(fèi)向著大型、延續(xù)、綜合化方向開展，控制系統(tǒng)也變的越來越復(fù)雜。自動控制任務(wù)面臨著兩大挑戰(zhàn)，一是控制對象越來越復(fù)雜存在多種不確定性以及難以確切描畫的非線性特征；二是控制義務(wù)要求越來越高，往往是多層次多目的的控制要求。為此，人們必需建立新的實(shí)際和方法，從而導(dǎo)致了神經(jīng)網(wǎng)絡(luò)控制的產(chǎn)生，而神經(jīng)網(wǎng)絡(luò)的自順應(yīng)、分布式存儲等特點(diǎn)正好為上述問題處理了一條新途徑，在自動控制領(lǐng)域展現(xiàn)出寬廣的運(yùn)用前景?！?〕神經(jīng)網(wǎng)絡(luò)控制概念神經(jīng)網(wǎng)絡(luò)控制是研討和利用人腦的某些構(gòu)造機(jī)理以及人的知識和閱歷對系統(tǒng)的控制。利用神經(jīng)網(wǎng)絡(luò)，可以把控制問題看成方式識別問題．被識別的方式是映射成“行為〞信號的“變化〞信號。神經(jīng)控制最顯著的特點(diǎn)是具有學(xué)習(xí)才干。它是經(jīng)過不斷修正神經(jīng)元之間的銜接權(quán)值，并離散存儲在銜接網(wǎng)絡(luò)來實(shí)現(xiàn)的。它對非線性系統(tǒng)和難以建模的系統(tǒng)的的控制具有良好效果?！?〕神經(jīng)網(wǎng)絡(luò)控制運(yùn)用基于神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中可充任系統(tǒng)模型、直接做控制器或提供優(yōu)化算法。它已被運(yùn)用到自動控制領(lǐng)域的各個方面，包括系統(tǒng)建模與辨識、優(yōu)化設(shè)計(jì)、預(yù)測控制、最優(yōu)化控制、自順應(yīng)控制、容錯控制、模糊控制、專家控制和學(xué)習(xí)控制等等。8例：凈水廠最正確投藥量的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)市場需求現(xiàn)狀處理難度神經(jīng)網(wǎng)絡(luò)控制處理方案

水處置過程從混凝劑的投加，經(jīng)過絮凝、沉淀、過濾，至少需經(jīng)過40min以上，系統(tǒng)的大滯后、非線性使得無法根據(jù)出水目的來確定投藥量。鑒于此，我們提出經(jīng)過對源水典型水質(zhì)參數(shù)的檢測，利用神經(jīng)網(wǎng)絡(luò)的容錯性、自學(xué)習(xí)性和自順應(yīng)才干，建立混凝投藥系統(tǒng)投藥量預(yù)測模型的方法，并進(jìn)一步在此模型的根底上，經(jīng)過優(yōu)化算法，實(shí)現(xiàn)混凝劑的實(shí)時最正確投加。影響混凝劑的投加量和混凝效果的幾個主要源水參數(shù)濁度pH色度溫度流量混凝投藥量的神經(jīng)網(wǎng)絡(luò)預(yù)測模型

根據(jù)此網(wǎng)絡(luò)構(gòu)造可實(shí)現(xiàn)當(dāng)知源水情況時，預(yù)測混凝劑的投加量。預(yù)測值的準(zhǔn)確程度取決于選取訓(xùn)練樣本的淮確性與樣本數(shù)據(jù)的有代表性和全面性。BP學(xué)習(xí)算法混凝投藥量的神經(jīng)網(wǎng)絡(luò)預(yù)測模型采用BP學(xué)習(xí)算法。BP算法正向傳播反向傳播混凝投藥量的神經(jīng)網(wǎng)絡(luò)預(yù)測模型根據(jù)混凝投藥神經(jīng)網(wǎng)絡(luò)構(gòu)造和BP網(wǎng)絡(luò)算法，編制建立了某日處置水量為22．5萬噸水廠的投藥量神經(jīng)網(wǎng)絡(luò)預(yù)測模型，并對其某月的投藥量進(jìn)展了預(yù)測。

注：圖中實(shí)線為實(shí)踐運(yùn)轉(zhuǎn)數(shù)據(jù)，虛線為網(wǎng)絡(luò)預(yù)測數(shù)據(jù)基于源水參數(shù)預(yù)測出水濁度的神經(jīng)網(wǎng)絡(luò)模型

混凝的控制目的大都以出水濁度衡量。最正確投藥量預(yù)測控制系統(tǒng)在以上模型根底上結(jié)合優(yōu)化算法可建立投藥量最正確預(yù)測控制系統(tǒng)，實(shí)現(xiàn)混凝投藥的最正確實(shí)時控制。9神經(jīng)網(wǎng)絡(luò)控制中有待處理的問題當(dāng)所給數(shù)據(jù)不充分或不存在可學(xué)習(xí)的映射關(guān)系時，神經(jīng)網(wǎng)絡(luò)構(gòu)造能夠找不到稱心的解，而且有時也很難估計(jì)神經(jīng)網(wǎng)絡(luò)構(gòu)造給出的結(jié)果。網(wǎng)絡(luò)本身的黑箱式內(nèi)部知識表達(dá)方式使其不能利用初始閱歷進(jìn)展學(xué)習(xí)，易于限于部分極小值。神經(jīng)網(wǎng)絡(luò)控制中有待處理的問題神經(jīng)網(wǎng)絡(luò)的訓(xùn)練很慢，由于要搜集、分析和處置大量的訓(xùn)練數(shù)據(jù)，同時還需求相當(dāng)?shù)拈啔v來選擇適宜的參數(shù)，有時需求付出很高的代價。神經(jīng)網(wǎng)絡(luò)的網(wǎng)型未有艱苦突破，專門適宜控制問題的動態(tài)神經(jīng)網(wǎng)絡(luò)仍有待進(jìn)一步開展。分布式并行計(jì)算的潛力還有賴于硬件實(shí)現(xiàn)技術(shù)的提高10人工神經(jīng)網(wǎng)絡(luò)的開展方向根底實(shí)際研討，包括神經(jīng)網(wǎng)絡(luò)的一致模型與通用學(xué)習(xí)算法，激發(fā)函數(shù)的類型等；研討專門適宜于控制問題的動態(tài)神經(jīng)網(wǎng)絡(luò)模型，處理相應(yīng)產(chǎn)生的對動態(tài)網(wǎng)絡(luò)的逼近才干與學(xué)習(xí)算法問題；對成熟的網(wǎng)絡(luò)模型與學(xué)習(xí)算法，研討相應(yīng)的神經(jīng)網(wǎng)絡(luò)控制公用芯片；目前將模糊邏輯〔包括專家系統(tǒng)〕與神經(jīng)網(wǎng)絡(luò)相結(jié)合，開展模糊神經(jīng)網(wǎng)絡(luò)控制方法已成為主要開展趨勢。謝謝大家！市場需求

投藥混凝是水質(zhì)凈化的重要環(huán)節(jié)，在水處置工藝一定的條件下，混凝劑的投加量直接決議混凝效果，準(zhǔn)確地投加混凝劑可有效減輕過濾、消毒設(shè)備的負(fù)擔(dān)，是提高水質(zhì)、獲得良好經(jīng)濟(jì)效益的關(guān)鍵問題?，F(xiàn)狀目前主要采用的方法是經(jīng)過人工定期做燒杯實(shí)驗(yàn)確定、