神经网络与模糊控制考试题及答案
模糊控制习题2
模糊控制习题1、举出有限论域上的一个模糊集，并用三种形式表示之。
2、设论域 U ={u 1, u 2, u 3, u 4, u 5}；A =(0.2 0.1 0.5 1 0.7)；B =(0.4 0.8 0.9 0 0.2)；C =(0.1 0.7 0.6 0.4 0.3)，试求A ∪B ，A ∩B ，A C ，(A ∪B )∩C 。
3、对企业论域 U ={u 1, u 2, u 3, u 4, u 5, u 6}，有A =“大企业”=(0.4 0.3 0.7 0.2 0.5 0.8)；B =“小企业”=(0.5 0.6 0.5 0.7 0.4 0.3)；试求 (1) C =“非大企业”； (2) D =“非小企业”；(3) E =“或大或小企业”； (3) F =“中型企业”。
4、给定模糊集合A 、B 和C ，确定他们的λ切割。
{}221()(2,1),(3,0.8),(4,0.6),(5,0.4),(6,0.2),(7,0.4),(8,0.6),(9,0.8),(10,1)0.2,0.51()0.2,0.5;[0,]1(10)010()0.3,0.5;[0,]10(1(10))A B C x x x x x x x x x μαμαμα-=====∞+-≤⎧===∞⎨>+-⎩ 123451234512351351335{,,,,}{,,,,}0.2{,,,}0.5{,,}0.60.7{,}0.2{}U u u u u u u u u u u u u u u A u u u u u u A λλλλλλ=⎧=⎪=⎪⎪==⎨⎪=⎪=⎪⎩、若， 试用分解定理求。
26{0,1,2,3,4,5}{0,1,2,,25}:() (0.2 0.4 0.8 0.1 1 0.5)()x y f x y x f x x x A f A ==→→== 、设 ， 有映射 ， 在 中定义 ，求 。
7、双边高斯函数MF ，由下式定义：211111221222221exp 2(,,,,)11exp 2s x c x c gauss x c c c x c x c c xσσσσ⎧⎡⎤⎛⎫-≤⎪⎢⎥-⎪⎪⎢⎥⎝⎭⎣⎦⎪⎪=<<⎨⎪⎡⎤⎛⎫-⎪⎢⎥-⎪⎪≤⎢⎥⎝⎭⎪⎣⎦⎩1）编一个MATLAB 程序实现上述MF ；2）对不同的参数画出这个MF ； 3）找出该MF 的交叉点和宽度。
智能控制系统考试题库
智能控制系统考试题库考试类型概念题：3’*5论述题：6’*4计算题：10’+11’设计题：20’*2一：概念题：1.智能控制；模糊控制；专家控制；神经网络定义2.写出模糊控制器的四个主要组成部分名称3.递阶智能系统的智能程度分布一般要遵循什么原则？4.何谓神经网络的泛化能力？5.写出遗传算法的三个基本操作6.写出自组织神经网络的三个基本过程7.写出四种专家系统的知识表示方法8.写出遗传算法中两种编码方法二：论述题1.为什么模糊输出向量要进行解模糊计算？2.简述隶属度函数建立的一般准则3.简述BP算法中误差信号反向传播过程4.简述模糊控制器的各组成部分功能5.简述遗传算法进化过程中两种“早熟”现象6.简述三种提高网络泛化能力的措施7.写出专家系统组成中知识赛，数据库和推理机的功能8.简述隶属度函数建立的一般准则9.简述专家系统各组成部分的功能10.为什么模糊推理得到的结果要进行解模糊处理?写出常见的两种解模糊方法11.简述适应度函数在遗传算法中的作用12.递阶智能控制系统的主要结构特点有哪些？13.信息特征，获取方式，分层方式有哪些？14.详细描述数据融合的流程和方法15.详细描述递阶智能控制系统的优化算法模型16.比较模糊集合和普通集合的异同17.简述模糊控制系统的组成与工作原理18.试举例说明传统集合中叉积序偶的顺序是不能颠倒的19.结合自身理解浅谈模糊数学与模糊集合的概念20.举例说明模糊数学隶属函数的概念21.简述人工神经网络定义及特征22.生物神经元由哪几部分组成？每一部分的作用是什么？他有哪些特征？23.简述BP算法的神经网络结构及学习算法24.简述遗传算法的特点及关键问题三：计算题1. 假设子女和父母相似度如下图表A ，父母与祖父，祖母的相似度如下表B ，利用最大-最小合成法求子女和祖父母相似度。
A 表格B 表格2. 当输入样本为【X1，X2】时，写出下面网络输出y 的表达式。
其中隐层神经元激励函数为Sigmoid 函数，输出层神经元激励函数为f （x ），输出层神经元和隐层神经元之间的权重如图所示，隐层神经元和输出层神经元之间的权重如入所示。
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。
神经网络设计知识测试 选择题 45题
1. 神经网络中的激活函数的主要作用是什么？A. 增加网络的复杂性B. 计算损失值C. 引入非线性特性D. 调整权重2. 在卷积神经网络（CNN）中，卷积层的主要功能是什么？A. 降低数据维度B. 提取图像特征C. 增加数据维度D. 计算梯度3. 反向传播算法在神经网络中的作用是什么？A. 初始化权重B. 计算前向传播C. 更新权重D. 选择激活函数4. 下列哪项不是神经网络的常见类型？A. 循环神经网络（RNN）B. 自组织映射（SOM）C. 决策树D. 长短期记忆网络（LSTM）5. 在神经网络训练过程中，什么是过拟合？A. 模型在训练数据上表现不佳B. 模型在测试数据上表现不佳C. 模型在训练数据上表现良好，但在测试数据上表现不佳D. 模型在训练和测试数据上都表现良好6. 下列哪项是防止神经网络过拟合的常用方法？A. 增加网络层数B. 减少训练数据C. 使用正则化D. 增加学习率7. 在神经网络中，什么是梯度消失问题？A. 梯度变得非常大B. 梯度变得非常小C. 梯度保持不变D. 梯度变为零8. 下列哪项是解决梯度消失问题的有效方法？A. 使用Sigmoid激活函数B. 使用ReLU激活函数C. 增加网络层数D. 减少训练数据9. 在神经网络中，什么是批量归一化（Batch Normalization）？A. 一种初始化权重的方法B. 一种正则化技术C. 一种加速训练过程的方法D. 一种计算损失的方法10. 下列哪项是神经网络中的损失函数？A. ReLUB. SigmoidC. Cross-EntropyD. Tanh11. 在神经网络中，什么是交叉熵损失函数？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种用于分类任务的损失函数D. 一种用于回归任务的损失函数12. 下列哪项是神经网络中的优化算法？A. K-meansB. AdamC. PCAD. SVM13. 在神经网络中，什么是Adam优化算法？A. 一种初始化权重的方法B. 一种计算梯度的方法C. 一种自适应学习率的优化算法D. 一种正则化技术14. 在神经网络中，什么是学习率？A. 网络层数B. 权重更新步长C. 激活函数D. 损失函数15. 下列哪项是调整学习率的有效方法？A. 增加网络层数B. 使用学习率衰减C. 减少训练数据D. 增加激活函数16. 在神经网络中，什么是Dropout？A. 一种初始化权重的方法B. 一种正则化技术C. 一种计算梯度的方法D. 一种激活函数17. 下列哪项是神经网络中的正则化技术？A. L1正则化B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数18. 在神经网络中，什么是L2正则化？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种正则化技术D. 一种激活函数19. 下列哪项是神经网络中的初始化方法？A. Xavier初始化B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数20. 在神经网络中，什么是Xavier初始化？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数21. 下列哪项是神经网络中的评估指标？A. 准确率B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数22. 在神经网络中，什么是准确率？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数23. 下列哪项是神经网络中的评估指标？A. 召回率B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数24. 在神经网络中，什么是召回率？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数25. 下列哪项是神经网络中的评估指标？A. F1分数B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数26. 在神经网络中，什么是F1分数？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数27. 下列哪项是神经网络中的评估指标？A. 精确率B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数28. 在神经网络中，什么是精确率？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数29. 下列哪项是神经网络中的评估指标？A. ROC曲线B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数30. 在神经网络中，什么是ROC曲线？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数31. 下列哪项是神经网络中的评估指标？A. AUCB. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数32. 在神经网络中，什么是AUC？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数33. 下列哪项是神经网络中的评估指标？A. 均方误差（MSE）B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数34. 在神经网络中，什么是均方误差（MSE）？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数35. 下列哪项是神经网络中的评估指标？A. 均方根误差（RMSE）B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数36. 在神经网络中，什么是均方根误差（RMSE）？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数37. 下列哪项是神经网络中的评估指标？A. 平均绝对误差（MAE）B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数38. 在神经网络中，什么是平均绝对误差（MAE）？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数39. 下列哪项是神经网络中的评估指标？A. 决定系数（R^2）B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数40. 在神经网络中，什么是决定系数（R^2）？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数41. 下列哪项是神经网络中的评估指标？A. 混淆矩阵B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数42. 在神经网络中，什么是混淆矩阵？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数43. 下列哪项是神经网络中的评估指标？A. 精确召回曲线B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数44. 在神经网络中，什么是精确召回曲线？A. 一种计算梯度的方法B. 一种评估模型性能的方法C. 一种初始化权重的方法D. 一种激活函数45. 下列哪项是神经网络中的评估指标？A. 准确率-召回率曲线B. Sigmoid激活函数C. ReLU激活函数D. Tanh激活函数答案1. C2. B3. C4. C5. C6. C7. B8. B9. C10. C11. C12. B13. C14. B15. B16. B17. A18. C19. A20. C21. A22. B23. A24. B25. A26. B27. A28. B29. A30. B31. A32. B33. A34. B35. A36. B37. A38. B39. A40. B41. A42. B43. A44. B45. A。
研究生神经网络试题A卷参考答案
研究生神经网络试题A卷参考答案一、简答题1. 神经网络的基本原理是什么？神经网络是一种模仿人脑神经元网络结构和工作方式的计算模型。
它由大量的节点（神经元）和连接它们的边（突触）构成。
每个神经元接收多个输入信号，并通过激活函数进行处理后，将输出信号传递给其他神经元。
通过多层的神经元连接，神经网络能够对复杂的非线性问题进行建模和求解。
2. 神经网络训练的过程及原理是什么？神经网络的训练过程分为前向传播和反向传播两个阶段。
在前向传播过程中，将输入信号通过网络的各层神经元传递，并经过激活函数的作用，最终得到输出结果。
在反向传播过程中，通过与真实输出值的比较，计算网络输出的误差，然后将误差逆向传播回网络，根据误差进行权重和偏置的调整，以减小误差。
反复进行前向传播和反向传播的迭代训练，直到达到预定的训练精度或收敛条件。
3. 神经网络的主要应用领域有哪些？神经网络广泛应用于各个领域，包括图像识别、语音识别、自然语言处理、机器翻译、推荐系统等。
在图像识别领域，卷积神经网络（CNN）被广泛应用于图像分类、目标检测和图像分割等任务。
在自然语言处理领域，循环神经网络（RNN）和长短时记忆网络（LSTM）在语言模型、机器翻译和文本生成等方面表现出色。
此外，神经网络还可以用于金融预测、智能控制和模式识别等其他领域。
4. 神经网络中的激活函数有哪些常用的？它们的作用是什么？常用的激活函数包括sigmoid函数、ReLU函数和tanh函数。
它们的作用是在神经网络中引入非线性，增加网络的表达能力。
sigmoid函数将输入映射到0和1之间，主要用于二分类问题。
ReLU函数在输入大于0时返回该值，否则返回0，可以有效地缓解梯度消失问题，目前在深度学习中得到广泛应用。
tanh函数将输入映射到-1和1之间，具有对称性，使得网络的输出更加均匀。
5. 神经网络中的损失函数有哪些常用的？它们的作用是什么？常用的损失函数包括均方误差损失函数（MSE）、交叉熵损失函数和对数损失函数。
模糊控制与神经网络控制
模糊控制与神经网络控制模糊控制和神经网络控制是现代控制领域中的两个重要研究方向，它们通过不同的方法和理论来解决复杂系统的控制问题。
本文将就这两种控制方法进行介绍和对比，并探讨它们在实际应用中的优劣势。
一、模糊控制模糊控制是一种基于模糊逻辑理论的控制方法，它通过将输入和输出之间的关系进行模糊化来实现系统的控制。
模糊控制器的设计通常包括模糊化、规则库的建立、推理机制以及解模糊化等步骤。
在模糊控制中，输入和输出以模糊集形式表示，通过一系列的模糊规则进行推理得到控制信号。
模糊规则库中存储了专家知识，根据实际问题的需求可以设计不同的规则。
推理机制使用模糊规则进行推理，最后通过解模糊化将模糊输出转化为具体的控制量。
模糊控制的优点之一是适用于非线性和不确定性系统，它能够通过模糊化处理来处理实际系统中的不确定性和模糊性。
此外，模糊控制能够利用专家经验进行控制器的设计，无需准确的系统数学模型。
然而，模糊控制也存在一些局限性。
首先，模糊控制的规则库和参数通常需要由专家进行手动设计，这对专家的经验和知识有一定的要求。
其次，模糊控制的性能也会受到模糊规则的数量和质量的影响，如果规则库设计不当，控制性能可能无法满足要求。
二、神经网络控制神经网络控制是一种基于人工神经网络的控制方法，它通过将系统模型表示为神经网络结构来实现控制。
神经网络是一种模仿生物神经系统结构和功能的计算模型，具有自适应学习和适应性处理的能力。
在神经网络控制中，神经网络被用作控制器来学习系统的映射关系。
通过输入和输出的样本数据，神经网络根据误差信号不断调整权重和阈值，使得输出逼近于期望输出。
神经网络控制通常包括网络的结构设计、学习算法的选择和参数调整等步骤。
与模糊控制相比，神经网络控制具有更好的自适应性和学习能力。
它能够通过学习过程来建立系统的非线性映射关系，并且对于未知系统具有较好的鲁棒性。
此外，神经网络控制不需要准确的系统模型，对系统的数学模型要求相对较低。
神经网络试卷（A卷）（含答案）
08 –09 学第一学：神经网络计算机科学与技术（医学智能方向）06：：：v······yy··················yy3. 在MA TLAB中，下面的（○3）命令可以使用得下次绘制的图和已经绘制的图将不在同一张图上。
不在同一张图上。
A) hold on（设置在同一张图绘制多条曲线）（设置在同一张图绘制多条曲线）B) figure （下次的图和已绘制的不在同一张图上）C) plot D) hold off（取消在同一张图绘制多条曲线）3.下面是一段有关向量运算的MA TLAB代码: >>y= [3 7 11 5]; >>y(3) = 2 运算后的输出结果是（○8）A) 3 2 11 5 B) 3 7 2 5C) 2 7 11 5 D) 3 7 11 2 4. 下面是一段有关矩阵运算的MA TLAB代码: >>A = [1 2 3 4; 5 6 7 8; 9 10 11 12]；>>B = A(2,1:3)取出矩阵A中第二行第一个到第三个构成矩阵B 若A(2,3)=5将矩阵第二行第三列的元素置为5 A=[A B’]将B转置后，再以列向量并入A A(：，2)=[]删除第二列：代表删除列A([1,4],:)=[]删除第一和第四行：代表删除行A=[A;4,3,2,1]加入第四行那么运算后的输出结果是（○9）A) 5 7 8 B) 5 6 8 C) 5 6 7D) 6 7 8 plot(x,y,s),s)函数叙说正确的是（○10）5.下面对MA TLAB中的中的 plot(x,yA) 绘制以x、y为横纵坐标的连线图(plot(x,y)) B绘制多条不同色彩的连线图绘制多条不同色彩的连线图 (plot(x,y))C) 默认的绘图颜色为蓝色D) 如果s=’r+’，则表示由红色的+号绘制图形6. 如果现在要对一组数据进行分类，我们不知道这些数据最终能分成几类，那么应）来处理这些数据最适合。
神经网络与模糊控制考试题及答案
一、填空题1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成2、一个单神经元的输入是 1.0 ，其权值是 1.5，阀值是-2，则其激活函数的净输入是-0.5 ，当激活函数是阶跃函数，则神经元的输出是 13、神经网络的学习方式有导师监督学习、无导师监督学习和灌输式学习4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。
7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控制系统8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。
8、不确定性、高度的非线性、复杂的任务要求9．智能控制系统的主要类型有、、、、和。
9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统10．智能控制的不确定性的模型包括两类：(1) ；(2) 。
10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。
11．控制论的三要素是：信息、反馈和控制。
12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。
知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。
知识库、推理机14．专家系统中的知识库包括了3类知识，它们分别为、、和。
判断性规则控制性规则数据15．专家系统的推理机可采用的3种推理方式为 推理、 和 推理。
15、正向推理、反向推理和双向推理16．根据专家控制器在控制系统中的功能，其可分为 和 。
- 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)。
一、填空题1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成2、一个单神经元的输入是 1.0 ，其权值是 1.5，阀值是-2，则其激活函数的净输入是-0.5 ，当激活函数是阶跃函数，则神经元的输出是 13、神经网络的学习方式有导师监督学习、无导师监督学习和灌输式学习4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。
7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控制系统8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。
8、不确定性、高度的非线性、复杂的任务要求9．智能控制系统的主要类型有、、、、和。
9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统10．智能控制的不确定性的模型包括两类：(1)；(2)。
10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。
11．控制论的三要素是：信息、反馈和控制。
12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。
知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。
知识库、推理机14．专家系统中的知识库包括了3类知识，它们分别为、、和。
判断性规则控制性规则数据15．专家系统的推理机可采用的3种推理方式为推理、和推理。
15、正向推理、反向推理和双向推理16．根据专家控制器在控制系统中的功能，其可分为和。
16、直接型专家控制器、间接型专家控制器17．普通集合可用函数表示,模糊集合可用函数表示。
特征、隶属18．某省两所重点中学在(x 1~x 5)五年高考中，考生“正常发挥”的隶属函数分别为0.85、0.93、0.89、0.91、0.96和0.92、0.96、0.87、0.93、0.94。
则在研究该省重点中学高考考生水平发挥的状况时，论域应为X =，若分别用A 、B 表示两个学校考试“正常发挥”的状况，则用序偶表示法分别表示为A =，B =；“未正常发挥”模糊子集（用行向量表示）分别为和；而该省两所重点中学每年高考考生“正常发挥”的模糊子集应该是（用Zadeh 法表示）。
{}12345,,,,X x x x x x =，{}12345(,0.85),(,0.93),(,0.89),(,0.91),(,0.96)A x x x x x ={}12345(,0.92),(,0.96),(,0.87),(,0.93),(,0.94)B x x x x x =[0.15,0.07,0.11,0.09,0.04]A =，[0.08,0.04,0.13,0.07,0.06]B =123450.850.930.870.910.94x x x x x ++++ 19.确定隶属函数的方法大致有 、 和。
19、模糊统计法 主观经验法 神经网络法20．在模糊控制中应用较多的隶属函数有6种，它们分别为高斯型隶属函数、、、、和。
20、广义钟形隶属函数 S 形隶属函数 梯形隶属函数 三角形隶属函数 Z 形隶属函数21．在天气、学问、晴朗、表演和渊博中可作为语言变量值的有和。
21、晴朗、渊博23．模糊控制是以、、和为基础的一种智能控制方法。
模糊集理论，模糊语言变量，模糊逻辑推理24．模糊控制的数学基础为。
24、模糊集合25．模糊控制中，常用的语言变量值用PM ,PS ,NM ,NO 等表示,其中PM 代表, NO 代表。
25、正中、负零26. 在模糊控制中，模糊推理的结果是量。
26、模糊27. 在模糊控制中，解模糊的结果是量。
确定量28. 基本模糊控制器的组成包括知识库以及、和。
模糊化接口、推理机、解模糊接口29. 在模糊控制中，实时信号需要才能作为模糊规则的输入，从而完成模糊推理。
29、 模糊化30．模糊控制是建立在基础之上的，它的发展可分为三个阶段，分别为、、和。
30、人工经验 模糊数学发展和形成阶段 产生了简单的模糊控制器 高性能模糊控制阶段31．模糊集合逻辑运算的模糊算子为、和。
31、交运算算子并运算算子平衡算子32．在温度、成绩、暖和、口才和很好中可作为语言变量值的有和32.暖和、很好33．在水位、压力、暖和、表演、中年人和比较好中可作为语言变量值的有、和。
33、暖和、中年人和比较好34．在水位、寒冷、温度、表演和偏高中可作为语言变量值的有和。
34.寒冷、偏高35. 模糊控制的基本思想是把人类专家对特定的被控对象或过程的总结成一系列以“”形式表示的控制规则。
35、控制策略“IF条件THEN 作用”36．神经网络的发展历程经历了4个阶段，分别为、、和。
36、启蒙期、低潮期、复兴期、新连接机制期37．神经元由4部分构成，它们分别为、、和突触。
37、细胞体、树突、轴突38．根据神经网络的连接方式，神经网络的３种形式为：、和。
38、前向网络反馈网络自组织网络39．神经网络的3个要素为：、和。
39、神经元的特性拓扑结构学习规则41.目前神经网络的学习算法有多种，按有无导师分类，可分为、和。
41、有导师学习无导师学习再励学习42.神经网络的研究主要分为3个方面的内容，即、和。
42.神经元模型、神经网络结构、神经网络学习算法43.神经网络的学习过程主要由正向传播和反向传播两个阶段组成。
44．神经网络控制是将和相结合而发展起来的智能控制方法。
神经网络，控制理论45. 遗传算法的主要用途是。
45、寻优（优化计算）46．常用的遗传算法的染色体编码方法有二种，它们分别为实数编码和。
46、二进制编码47.遗传算法的3种基本遗传算子、和。
47、比例选择算子单点交叉算子变异算子48．遗传算法中，适配度大的个体有被复制到下一代。
更多机会49. 遗传算法中常用的3种遗传算子（基本操作）为、、和。
49、复制、交叉和变异二、简答题：1. 试说明智能控制的的基本特点是什么？（1）学习功能（1分）（2）适应功能（1分）（3）自组织功能（1分）（4）优化能力（2分）2、试简述智能控制的几个重要分支。
专家控制、模糊控制、神经网络控制和遗传算法。
3、试说明智能控制研究的数学工具。
智能控制研究的数学工具为：（1）符号推理与数值计算的结合；（2）离散事件与连续时间系统得结合；（3）模糊集理论；（4）神经网络理论；（5）优化理论4.智能控制系统有哪些类型，各自的特点是什么？（1）专家控制系统（1分）专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验。
它具有启发性、透明性、灵活性、符号操作、不一确定性推理等特点。
➢（2）模糊控制系统（1分）在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。
➢（3）神经控制系统（1分）神经网络具有某些智能和仿人控制功能。
学习算法是神经网络的主要特征。
（4）遗传算法（2分）遗传算法是基于自然选择和基因遗传学原理的搜索算法,是基于进化论在计算机上模拟生命进化论机制而发展起来的一门学科. 遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习,在智能控制领域有广泛的应用。
5、简述专家控制与专家系统存在的区别。
专家控制引入了专家系统的思想，但与专家系统存在区别：（1）专家系统能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。
专家控制比专家系统对可靠性和抗干扰性有着更高的要求。
（2）专家系统处于离线工作方式，而专家控制要求在线获取反馈信息，即要求在线工作方式。
6、试说明智能控制的三元结构，并画出展示它们之间关系的示意图。
把智能控制扩展为三元结构，即把人工智能、自动控制和运筹学交接如下表示：（2分）IC=AI∩AC∩OROR一运筹学（Operation research）IC一智能控制( intelligent control);Al一人工智能(artificial intelligence);AC一自动控制(automatic Colltrol);∩一表示交集.7．比较智能控制与传统控制的特点。
传统控制：经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
（2分）智能控制：以上问题用智能的方法同样可以解决。
智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
8. 简述智能控制系统较传统控制的优点。
在传统控制的实际应用遇到很多难解决的问题，主要表现以下几点：（1）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。
(1分)（2）某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。
(1分)（3）针对实际系统往往需要进行一些比较苛刻的线性化假设，而这些假设往往与实际系统不符合。
(1分)（4）实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。
(1分) 智能控制将控制理论的方法和人工智能技术灵活地结合起来，其控制方法适应对象的复杂性和不确定性,能够比较有效的解决上述问题,具有较大的优越性。
( 1分)9、智能控制与传统控制的主要区别如何？传统控制：经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
智能控制：以上问题用智能的方法同样可以解决。
智能控制是对传统控制理论的发展，能够解决传统控制方法难以解决的复杂系统的控制问题，如：对象的不确定性、高度的非线性和复杂的任务要求。
传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
10．在模糊控制器的设计中，常用的反模糊化的方法有哪几种？最大隶属度法、中心法和加权平均法。
11.简述将模糊控制规则离线转化为查询表形式的模糊控制器的设计步骤。
(1)确定模糊控制器的结构; (2)定义输入、输出模糊集； (3) 定义输入、输出隶属函数； (4)建立模糊控制规则； (5)建立模糊控制表； (6)模糊推理；(7)反模糊化。
12.简述模糊控制的发展方向模糊控制的发展方向有：（１）Fuzzy-PID复合控制（2）自适应模糊控制（3）专家模糊控制（4）神经模糊控制（5）多变量模糊控制13、模糊控制系统一般由几个部分组成？1）模糊控制器2）输入/输出接口装置3）广义对象4）传感器14、比较模糊集合与普通集合的异同。