(完整版)智能控制-考试题(附答案)
智能控制复习题-参考答案
（书本 P 13）上海第二工业大学《智能控制系统》练习卷一、填空题1、机器智能是把信息进行组织 、并 把它转换成知识 的过程。
2、智能控制方法比传统的控制方法更能适应对象的 时变性 、 非线性 和 不确定性 。
3、智能控制中的三元论指的是： 人工智能 、 自动控制 和 运筹学 。
4、从 工程控制角度看，智能控制三个基本要素是： 归纳 、 集注 、 组合操作 。
（这道题有点疑问，大家找找资料）5、生物神经元经抽象化后，得到的人工神经元模型，它有三个基本要素 连接权值 、 求和函数 和 激发函数 。
6、神 经网络的结构按照神经元连接方式可分成 层状 和 网状 。
7、定义一个语言变量需要定义 4 个方面的内容： 定义变量名称 、 定义变量的论域 、 定义变量的语言 、 定义每个模糊集合的隶属函数 。
8、� = 0.2 + 0.3 + 0.4 + 0.9，则 A0.2={x1, x2, x3, x4}，A0.4={ x3, x4} ，A0.9={ x4 }�1�2�3 �49、假设论域为 5 个人的体重分别为 110kg 、95kg 、85kg 、78kg 、65kg ，他们 的体重对于“肥胖”的模糊概念的隶属度分别为 0.95、0.88、0.8、0.72、0. 5。
试用：(1) Zadeh 表示法表示模糊集“肥胖” 答：肥胖=0. 95 +0. 88 +0. 8 +0. 72 +0. 5 11095857865(2)序偶表示法表示模糊集“ 肥胖”答：肥胖={(110,0.95), (95,0.88)(85,0.8)(78,0.72)(65,0.5)} （或 肥胖={0.95, ,0.88,0.8,0.72,0.5}）10、专家系统的核心部分是： 知识库子系统 、 推理子系统 。
11、在专家系统中，解释器是专家系统与用户间的人-机接口。
12、人工神经网络常见的激发函数或作用函数有：阈值型函数、饱和型函数、和双曲函数（此外还有S 型函数，高斯函数等）。
智能控制试卷及答案
智能控制试卷及答案一、试卷一、选择题（每题2分，共20分）1. 下列哪项不是智能控制的主要类型？A. 人工智能控制B. 模糊控制C. 神经网络控制D. 逻辑控制2. 以下哪种控制方法适用于处理具有不确定性、非线性和时变性等特点的复杂系统？A. PID控制B. 模糊控制C. 串级控制D. 比例控制3. 神经网络控制的核心思想是利用神经网络实现控制规律的映射，以下哪种神经网络模型适用于动态系统的控制？A. BP神经网络B. RBF神经网络C. 感知器D. Hopfield神经网络4. 模糊控制中，模糊逻辑推理的核心部分是？A. 模糊集合B. 模糊规则C. 模糊推理D. 解模糊5. 以下哪种方法不属于智能控制系统的建模方法？A. 基于模型的建模B. 基于数据的建模C. 基于知识的建模D. 基于经验的建模二、填空题（每题2分，共20分）6. 智能控制的理论基础包括________、________和________。
7. 模糊控制的基本环节包括________、________、________和________。
8. 神经网络控制的主要特点有________、________、________和________。
9. 智能控制系统的主要性能指标包括________、________、________和________。
10. 智能控制技术在工业生产、________、________和________等领域有广泛应用。
三、判断题（每题2分，共10分）11. 模糊控制适用于处理具有确定性、线性和时不变性等特点的复杂系统。
（）12. 神经网络控制具有较强的自学习和自适应能力。
（）13. 智能控制系统不需要考虑系统的稳定性和鲁棒性。
（）14. 智能控制技术在无人驾驶、智能家居等领域具有广泛应用前景。
（）15. 模糊控制的核心思想是利用模糊逻辑进行推理和决策。
（）四、简答题（每题10分，共30分）16. 简述模糊控制的基本原理。
《智能控制技术》考试试题
《智能控制技术》考试试题（备注：请将本试卷粘贴在答题本内页）一、概念题（每小题5分，共20分）（1）人工神经网络人工神经网络的研究是人工智能、认知科学、神经生理学、非线性动力学等学科的交叉热点。
2．模糊推理知道了语言控制规则中蕴含的模糊关系后，就可以根据模糊关系和输入情况，来确定输出的情况，这就叫“模糊推理”。
3．专家系统专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复制问题。
4．递阶控制对递阶结构的大系统所采用的控制方式。
二、简答题（每小题10分，共40分）1．简述智能控制的发展过程,并说明智能控制的特点。
从20世纪60年代至今，智能控制的发展过程通常被划分3个阶段：萌芽期、形成期和发展期。
智能控制具有以下基本特点：1）应能为复杂系统进行有效的全局控制，并具有较强的容错能力。
2）定性策划和定量控制相结合的多模态组合控制。
3）从系统的功能和整体优化的角度来分析和综合系统，以实现预定的目标，并具有自组织能力。
4）同时具有以知识表示的非数学广义模型和以数学表示的数学模型的混合控制过程，系统在信息处理上，既有数学运算，又有逻辑和知识推理。
2．智能控制学科有哪几种结构理论?这些理论的内容是什么?二元结构理论傅京孙曾对几个与自学习控制(learning control)有关的领域进行了研究。
为强调系统的问题求解和决策能力,他用“智能控制系统”来包括这些领域。
他指出“智能控制系统描述自动控制系统与人工智能的交接作用”。
我们可以用式(1.3)和(1.6)以与图1.3来表示这种交接作用,并把它称为二元交集结构。
1.4.2 三元结构理论萨里迪斯于1977年提出另一种智能控制结构,它把傅京孙的智能控制扩展为三元结构,即把智能控制看作为人工智能、自动控制和运筹学的交接,如图1.4所示。
萨里迪斯认为,构成二元交集结构的两元互相支配,无助于智能控制的有效和成功应用。
(完整版)智能控制题目及解答
智能控制题目及解答第一章绪论作业作业内容1．什么是智能、智能系统、智能控制？2．智能控制系统有哪几种类型，各自的特点是什么?3．比较智能控制与传统控制的特点.4．把智能控制看作是AI(人工智能)、OR(运筹学）、AC(自动控制)和IT(信息论)的交集,其根据和内涵是什么？5．智能控制有哪些应用领域?试举出一个应用实例，并说明其工作原理和控制性能.1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。
智能系统：是指具有一定智能行为的系统，对于一定的输入,它能产生合适的问题求解相应。
智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。
是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。
2 答：（1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能。
（2）人—机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。
（3）无人参与的自组控制系统:为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务.3 答：在应用领域方面，传统控制着重解决不太复杂的过程控制和大系统的控制问题;而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。
在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识来满足控制指标,而智能控制通常是学习积累非精确知识;传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统。
在性能指标方面，传统控制有着严格的性能指标要求，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。
智能控制考试题及答案
智能控制技术考试题及答案《智能控制技术》考试试题A《智能控制》课程考试试题A参考答案一、填空题(1) OPEN (2) 最有希望 (3) 置换 (4) 互补文字 (5) 知识库(6) 推理机 (7) 硬件 (8) 软件 (9) 智能 (10) 傅京孙(11) 萨里迪斯 (12) 蔡自兴 (13) 组织级 (14) 协调级(15) 执行级 (16) 递阶控制系统 (17) 专家控制系统(18) 模糊控制系统 (19) 神经控制系统 (20) 学习控制系统二、选择题1、D2、A3、C4、B5、D6、B7、A8、D9、A 10、D三、问答题1、答:传统控制理论在应用中面临的难题包括:(1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而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,一般无法获得精确的数学模型。
(2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。
(3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。
(4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。
传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。
人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。
人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平──智能控制发展。
智能控制具有下列特点:(1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。
(2) 智能控制的核心在高层控制,即组织级。
高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。
智能控制技术试卷
一、选择题1、蔡自兴教授提出智能控制系统的四元结构,认为智能控制就是人工智能、控制理论、系统理论与运筹学四种学科的交叉。
2、专家就是指在某一专业领域内其专业知识与解决问题的能力达到很高水平的学者。
3、专家系统中的知识按其在问题求解中的作用可分为三个层次,即数据级、知识库级与控制级。
4、不确定性知识的表示有三种:概率、确定性因子与模糊集合。
5、Hebb学习规则就是一种无教师的学习方法,它只根据神经元连接间的激活水平改变权值,因此这种方法又称为相关学习与并联学习。
6、交叉运算就是两个相互配对的染色体按某种方式相互交换其部分基因,从而形成两个新的个体。
二、判断题1、IEEE控制系统协会把智能控制归纳为:智能控制系统必须具有模拟人类学习与自适应的能力。
( T )2、不精确推理得出的结论可能就是不确定的,但会有一个确定性因子,当确定性因子超过某个域值时,结论便不成立。
( F )3、一般的专家系统由知识库、推理机、解释机制与知识获取系统等组成。
( T )4、人机接口就是专家系统与领域专家、知识工程师、一般用户间进行交互的界面,由一组程序及相应的硬件组成,用于完成知识获取工作。
( F )5、Hopfield神经网络就是反馈神经网络中最简单且应用广泛的模型,它具有联想记忆的功能。
( F )6、知识就是将有关的信息进一步关联在一起,形成了更高层次含义的一种信息结构,信息与关联就是构成知识的两个基本要素。
( T )7、建造知识库涉及知识库建造的两项主要技术就是知识获取与知识存放。
( F )8、模糊控制系统往往把被控量的偏差(一维)、偏差变化(二维)以及偏差的变化率(三维)作为模糊控制器的输入。
( T )9、RBF网络的学习过程与BP网络的学习过程就是类似的,两者的主要区别在于使用了相同的激励函数。
( F )10、应用遗传算法求解问题时,在编码方案、适应度函数及遗传算子确定后,算法将利用进化过程中获得的信息自信组织搜索。
(完整版)智能控制习题参考答案
1．递阶智能控制系统的主要结构特点有哪些。
答：递阶智能控制是在研究早期学习控制系统的基础上，从工程控制论角度总结人工智能与自适应控制、自学习控制和自组织控制的关系后逐渐形成的。
递阶智能控制系统是由三个基本控制级（组织级、协调级、执行级）构成的。
如下所示：1. 组织级组织级代表控制系统的主导思想，并由人工智能起控制作用。
根据贮存在长期存储交换单元内的本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。
其结构如下：2．协调级协调级是组织级和执行级间的接口，承上启下，并由人工智能和运筹学共同作用。
协调级借助于产生一个适当的子任务序列来执行原指令，处理实时信息。
它是由不同的协调器组成，每个协调器由计算机来实现。
下图是一个协调级结构的候选框图。
该结构在横向上能够通过分配器实现各协调器之间的数据共享。
3. 执行级执行级是递阶智能控制的最底层，要求具有较高的精度但较低的智能；它按控制论进行控制，对相关过程执行适当的控制作用。
其结构模型如下：2．信息特征，获取方式，分层方式有哪些？答：一、信息的特征1，空间性：空间星系的主要特征是确定和不确定的（模糊）、全空间和子空间、同步和非同步、同类型和不同类型、数字的和非数字的信息，比传统系统更为复杂的多源多维信息。
2，复杂性：复杂生产制造过程的信息往往是一类具有大滞后、多模态、时变性、强干扰性等特性的复杂被控对象，要求系统具有下层的实时性和上层的多因素综合判断决策能力，以保证现场设备局部的稳定运行和在复杂多变的各种不确定因素存在的动态环境下，获得整个系统的综合指标最优。
3，污染性：复杂生产制造过程的信息都会受到污染，但在不同层次的信息受干扰程度不同，层次较低的信号受污染程度较大。
二、获取方式信息主要是通过传感器获得，但经过传感器后要经过一定的处理来得到有效的信息，具体处理方法如下：1，选取特征变量可分为选择特征变量和抽取特征变量。
选择特征变量直接从采集样本的全体原始工艺参数中选择一部分作为特征变量。
智能控制考试题及答案
智能控制考试题及答案智能控制技术考试题及答案《智能控制技术》考试试题A《智能控制》课程考试试题A参考答案一、填空题(1) OPEN (2) 最有希望 (3) 置换 (4) 互补文字 (5) 知识库(6) 推理机 (7) 硬件 (8) 软件 (9) 智能 (10) 傅京孙(11) 萨里迪斯 (12) 蔡自兴 (13) 组织级 (14) 协调级(15) 执行级 (16) 递阶控制系统 (17) 专家控制系统(18) 模糊控制系统 (19) 神经控制系统 (20) 学习控制系统二、选择题1、D2、A3、C4、B5、D6、B7、A8、D9、A 10、D三、问答题1、答:传统控制理论在应用中面临的难题包括:(1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而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,一般无法获得精确的数学模型。
(2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。
(3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。
(4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。
传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。
人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。
人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平??智能控制发展。
智能控制具有下列特点:(1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。
(2) 智能控制的核心在高层控制,即组织级。
高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
thingsintheirba ti m e an d An th e i r b e i n 图1.3 模糊控制器的基本结构1）论域及隶属度函数的建立图1.4 E 、EC 、U 的隶属度函数eirbeing图1.5 模糊控制系统Simulink仿真模型ad A l l t hi n gs i n t h e i r b e i n g a r e g o o d f o r s o 用，其调节不能做到无静差。
在仿真过程中发现，量化因子、比例因子的大小对模糊控制器控制性能的影响很大，也许还存在一组最优量化因子和比例因子，能使系统获得更好的响应特性。
III. Fuzzy 自适应PID 控制器由于常规PID 控制在稳定阶段有良好的响应性能，于是采用Fuzzy+PID 控制方法，构成FuzzyPID 控制系统。
其结构框图如图1.7所示。
图1.7 Fuzzy 控制+PID 控制在Matlab/Simulink 环境下，转换由开关模块“switch”实现，“switch” 模块中的Threshold 整定值(即误差整定值)设置为0.01。
对系统进行仿真，可得响应曲线波形如图1.8所示。
图1.8 Fuzzy 控制+PID 控制波形从图1.8中可以看出系统稳定时间很短仅约为3，存在的静差约为0.06，输l l t h i n gs in th ei r b e i n g a r e g o o d f o r s o 出最大约为0.94，无超调量。
Ⅳ. 采用Fuzzy +PID 复合控制器由以上两个仿真可知，采用Fuzzy 控制可以极大地改善系统超调和稳定时间，但是其稳态性能有所下降，稳态精度明显不如常规PID 控制。
利用Fuzzy 控制+精确积分控制方法，由于常规Fuzzy 控制缺少积分环节而存在稳态误差，故可以通过Fuzzy 控制+精确积分的方法改善系统的稳态性能，即混合型FuzzyPID 控制器，这样可以使系统成为无差模糊控制系统。
其结构框图如图1.9所示。
图1.9Fuzzy 控制+精确积分控制取精确积分系数，其余参数不变。
对系统进行仿真，可得响应曲线波0.029i k 形如图1.10所示。
图1.10 Fuzzy-PID 波形从图1.10中可以看出系统稳定时间比较短约为5，存在的静差仅有0.02，输出最大约为0.98，超调量约为3.06%。
an d A l l t h i n g s i n t h e i r b e i n g a r e g o o d f o r s o 保持所设计的控制器参数不变，当被控对象的参数或模型结构变化(例如=0.15)时，PID 和Fuzzy 控制器的性能分析3T 1) 当被控对象的参数发生变化A ．当系统值由原来的15变化为30时，其余参数不变，各种控制方式k 的系统阶跃响应如图1.11所示。
B ．当由原来的7.5变化为15时，其余参数不变，各种控制方式的系统1T 阶跃响应如图1.12所示。
e an d A l l t hi n g s i n t h e i r b e i n g a r e g o o d f o r s o C ．当由原来的0.75变化为1.5时，其余参数不变，各种控制方式的系统2T 阶跃响应如图1.13所示。
（1）模糊控制决策表的计算当利用MATLAB 模糊逻辑工具箱设计好模糊控制器后，还应该计算相应的模糊控制决策表，即关系矩阵。
这里利用MATLAB 工具箱中的readfis 和evalfis 函数，计算上述模糊控制器的决策表，编写的M 文件如下：a = readfis('fuzzy1.fis');for i = -6 : 6 for j = -6 : 6u(i+7,j+7) = evalfis([i,j],a);end end运行该程序，可得到模糊控制决策表为如下一13*13矩阵：u =Columns 1 through 8-5.3723 -5.2527 -5.3723 -5.2527 -5.3723 -4.2674 -3.9992 -1.9992-5.2527 -5.2527 -5.2527 -4.2674 -4.2674 -3.2733 -3.0000 -1.9991-5.3723 -5.2527 -5.3723 -4.2674 -3.9992 -3.0000 -2.0008 -1.0007-5.2527 -4.2674 -4.2674 -4.2674 -3.9984 -3.0000 -2.0016 -1.0007-5.3723 -4.2674 -3.9992 -3.9984 -3.9992 -3.0000 -2.0008 -1.0007-5.2527 -4.2674 -3.9984 -3.0000 -3.0000 -1.9991 -1.0007 0.0000-5.3723 -4.2674 -3.9992 -3.0000 -2.0008 -1.0007 -0.0000 1.0007-4.2674 -3.2733 -3.0000 -1.9991 -1.0007 0.0000 1.0007 1.9991 -3.9992 -3.0000 -2.0008 -1.0007 -0.0000 1.0007 2.0008 3.0000 -3.0000 -1.9991 -1.0007 -1.0007 0.0000 1.0007 2.0016 3.0000 -2.0008 -1.0007 -0.0000 0.0000 -0.0000 1.0007 2.0008 3.0000 -1.0007 -1.0007 0.0000 0.0000 0.0000 1.9991 3.0000 3.2733 -0.0000 0.0000 -0.0000 0.0000 -0.0000 1.9992 3.9992 4.2674 Columns 9 through 13-0.0000 0.0000 -0.0000 0.0000 -0.00000.0000 0.0000 0.0000 1.0007 1.0007-0.0000 0.0000 -0.0000 1.0007 2.00080.0000 1.0007 1.0007 1.9991 3.0000-0.0000 1.0007 2.0008 3.0000 3.99921.0007 1.9991 3.0000 3.2733 4.26742.00083.0000 3.99924.26745.37233.0000 3.0000 3.99844.26745.25273.9992 3.9984 3.99924.26745.37233.99844.2674 4.2674 4.26745.25273.99924.26745.3723 5.2527 5.37234.2674 4.26745.2527 5.2527 5.25275.3723 5.2527 5.3723 5.2527 5.3723在MATLAB命令窗口（Command Window）里输入gensurf(a)，可以得到模糊控制决策表的三维曲面图，如图1.14所示。
a ti m e a n g oo d f o r s o 图1.21 Fuzzy 控制加精确积分Simulink 仿真模型从图1.22可以看出，带积分作用的模糊控制系统可消除静差，系统输出稳图1.23 Fuzzy-PID 复合控制结构图heirbeingareg图1.24 Fuzzy-PID复合控制系统Simulink仿真模型oodf块通过编程，可以编写自定义的功能。
在MATLAB里通过编写S函数，新建一个输入输出自调整模块，由偏差Ke和偏差变化率Kec的大小自动调节输出比例因子Ku，实现参数自调整的目的。
根据上面所述参数调整规则编写如下S 函数：function [sys,x0] =fuzzypara(t,x,u,flag)global Ke Kec Ku;Ke=0.2;Kec=0.1;Ku=0.8;switch flag,case 0,sys=[0,0,3,2,0,1];x0=[];case 3,i f abs(u(1))>0.3 | abs(u(2))>0.1sys(1)=Ke;sys(2)=Kec;sys(3)=Ku;e lseif abs(u(1))>0.1 | abs(u(2))>0.05sys(1)=1.3*Ke;sys(2)=1.5*Kec;sys(3)=0.5*Ku;e lsesys(1)=1.4*Ke;sys(2)=1.6*Kec;sys(3)=0.2*Ku;e ndotherwisesys=[];end基此，可搭建如图1.26所示的自调整比例因子Fuzzy控制系统Simulink仿真模型，仿真得到系统阶跃响应曲线如图1.27所示。
从图1.27可以看出，自调整比例因子的Fuzzy控制系统与常规Fuzzy控制相比，响应速度加快，稳态精度有很大提升，对于时变、非线性、强干扰的控制对象，采用自调整比例因子Fuzzy控制是一个非常好的选择。
a ti m e a n dAl l 图1.26 自调整比例因子Fuzzy 控制系统Simulink 仿真模型11.21.4hingsinth图2.1 代码运行界面在MATLAB中运行，图1为代码运行界面，图4047次停止。
隐层单元数对BP神经网络的影响：增加训练时间。
学习因子对BP网络性能的影响：学习因子在标准BP算法中定为常数，然而在实际应用中，很难确定一个从始至终都合适的最佳学习率。
从BP网络误差曲面图可以看出，存在平坦区域，在平坦区域内若学习因子太小，会使训练次数大大增加；而在误差变化剧烈的区域，学习因子过大导致权值调整量过大，从而跨过较窄的“坑凹”处，使训练出现振荡，反而使迭代次数增加，严重时甚至使误差平方和发散，BP网络不稳定。