Екзаменаційний контроль. Завдання № 4

Завдання № 4

1. Призначення, моделі і зміст процедури дефаззифікації. Наведіть приклад. (5 балів)

2. Процедура навчання та особливості застосування нейронних мереж для апроксимації функцій. (5 бали).

3. Означення алгебричного добутку нечітких множин. Наведіть приклад. (5 балів)

4. Дії та підходи для підвищення якості навчання нейронних мереж (5 балів).

5. Опишіть послідовність дій для запису у файл вихідного та еталонного сигналів нейронної мережі. (10 балів)

6. Отримайте та обґрунтуйте структуру, параметри і значення початкової популяції хромосом для задачі знаходження глобального екстремуму функції двох змінних на такій області зміни її аргументів: , з точністю до сотих (35 балів).

7. Назвіть основні генетичні операції та опишіть особливості їх призначення. Для яких оптимізаційних задач доцільно застосовувати ті чи інші генетичні операції? (5 балів).

Затверджено на засіданні кафедри ЕАП, протокол № 1 від 30.08.2011.

Лектор (Я.Паранчук)

___________________________________________________________________________________________________________

Кафедра “Електропривод та автоматизація промислових установок”

Навчальна дисципліна “Інтелектуальне керування в електромеханічних системах”

Екзаменаційний контроль

Завдання № 5

1. Складіть і опишіть модель нечіткої множини ”цілі числа, що близькі до числа 15”. (5 балів)

2. Означення і приклад нормальної нечіткої множини. (5 балів)

3. Означення операції пересічення нечітких множин. Наведіть приклад. (5 балів)

4. Сутність процедури активізації при реалізації алгоритму нечіткого виведення і її приклад. (5 балів)

5. Як сформувати і увести в nntool матрицю з тестовими данмих для оцінки точності навчання НМ. (10 бал.)

6. Розрахуйте значення функції пристосованості для такої поточної популяції хромосом: ; ; ; ; ; , якщо значення аргументу х кодуються в хромосомах 9, а y - в 7 розрядах, а змінюються вони в діапазонах (з точністю до сотих) (до десятих). (35 балів).

7. Основні переваги і недоліки генетичного алгоритму у порівнянні з іншими оптимізаційними методами та для яких задач переваги ГА є визначальними, що вимагають саме його застосування? (5 балів).

Затверджено на засіданні кафедри ЕАП, протокол № 1 від 30.08.2011.

Лектор (Я.Паранчук)

_________________________________________________________________________________________________

Кафедра “Електропривод та автоматизація промислових установок”

Навчальна дисципліна “Інтелектуальне керування в електромеханічних системах”

Дата добавления: 2015-10-26