Đề thi_Điều khiển thông minh HCMUT_GV.Huỳnh Thái Hoàng_Đề ktra học kì 2

THThiNganHang
0 lượt tải
6
0

Đang tạo bản xem trước...

Nội dung tài liệu

Trang 1

goupee.vn goupee.com Đại học Bách Khoa TP.HCM ĐỀ KIỂM TRA HỌC KỲ 2. Năm học 2012-2013 Khoa Điện – Điện Tử Môn: NHẬP MÔN ĐIỀU KHIỂN THÔNG MINH Bộ môn ĐKTĐ Ngày thi: 11/06/2013. Thời gian làm bài: 90 phút ---o0o--- (Sinh viên được phép sử dụng tài liệu) Bài 1: (2.5 điểm) Cho mạng thần kinh ở hình 1, trong v đó hàm kích hoạt ở lớp ẩn là hàm sigmoid lưỡng cực x 11 z1 w 1 v 21 1 y (hàm tansig) với =1, hàm kích hoạt ở lớp ra là hàm tuyến tính. x v12 w 2 v z 2 22 2 Cho biết trọng số ban đầu của mạng như sau: v (1)  2.0; v (1) 1.0; v (1)  1.0; v (1)  0.5; Hình 1 11 21 12 22 w (1) 1.0; w (1)  1.0. Cho tập dữ liệu huấn luyện 1 2 mạng: 0.5 0.8 1.0    X   , D  1 0 1  0.4 0.2 0.6 x 2 Áp dụng giải thuật lan truyền ngược với hệ số học   0.4, hãy tính trọng số của mạng sau 1 bước huấn 1 luyện. 2 1 1 2 x 1 Bài 2: (2.5 điểm) Cho tập dữ liệu gồm 3 nhóm biểu diễn trên đồ thị ở hình 2, hãy trình bày cấu trúc và 1 Nhóm 1 cách huấn luyện mạng Perceptron (giải thuật? dữ Nhóm 2 Nhóm 3 liệu?) để phân tập dữ liệu thành 3 nhóm. Bài 3: (2.5 điểm) Xét bài toán điều khiển đoàn xe Hình 2 vận tải, trong đó xe dẫn đầu (xe 1) do người lái, xe y theo sau (xe 2) được điều khiển tự động bám theo xe trước. Dùng ra đa có thể đo khoảng cách y giữa xe sau 2 u 1 và xe trước. Cho tín hiệu điều khiển u là lực (do động cơ hoặc bộ hãm) tác động lên xe. Miền giá trị của u là Hình 3 10 u 10 (kN). Hãy thiết kế bộ điều khiển mờ điều khiển xe sau bám theo xe trước và cách xe trước khoảng cách yd=8m. Trình bày chi tiết các bước thiết kế và vẽ hình minh họa ý tưởng đưa ra 5 qui tắc điều khiển bất kỳ. Bài 4: (2.5 điểm) Xét bài toán nhận dạng bảng số xe trong các hệ thống giữ xe tự động. Giả sử bằng cách áp dụng các giải thuật xử lý ảnh ta đã tách ra được các số riêng lẽ như hình 4. Hãy trình bày cách sử dụng mạng thần kinh để nhận dạng các số từ 0 đến 9 ở hình 4. Trình bày rõ cấu trúc mạng thần kinh, các đặc trưng dùng để nhận dạng, cách tạo ra dữ liệu để huấn luyện mạng, giải thuật dùng để huấn luyện mạng,... Hình 4 Hết CNBM fb.com/goupee.vn

Trang 2

goupee.vn goupee.com Đại học Bách Khoa TP.HCM ĐÁP ÁN ĐỀ KIỂM TRA HK 2 Năm học 2012-2013 Khoa Điện – Điện Tử Môn: NHẬP MÔN ĐIỀU KHIỂN THÔNG MINH Bộ môn ĐKTĐ Ngày thi: 11/06/2013. Thời gian làm bài: 90 phút ---o0o--- (Sinh viên được phép sử dụng tài liệu) Bài 1: (2.5 điểm) x v11 z 1 v 1 w 21 1 y x v12 w 2 v z 2 22 2 0.5 0.8 1.0    Dữ liệu huấn luyện mạng: X   , D  1 0 1  0.4 0.2 0.6 Bước 1: k=1;   0.4; v (1)  2.0; v (1) 1.0; v (1)  1.0; v (1)  0.5; w (1) 1.0; w (1)  1.0 11 21 12 22 1 2 Bước 2: Tính ngõ ra của mạng (truyền thuận dữ liệu) Lớp ẩn (0.75 đ) net (1)  vT (1)x(1)  v (1)x (1) v (1)x (1)  2.0(0.5)1.00.4  0.6 h1 1 11 1 21 2 net (1)  vT (1)x(1)  v (1)x (1) v (1)x (1)  1.0(0.5)0.50.4  0.7 h2 2 12 1 22 2 2 2 z (1)  a (net )  1  1 0.2913 1 h h1 1exp(net ) 1exp(0.6) h1 2 2 z (1)  a (net )  1  1 0.3364 2 h h2 1exp(net ) 1exp(0.7) h2 Lớp ra (0.25đ): net (1)  wT (1)z(1)  w (1)z (1) w (1)z (1) 1.0(0.2913)1.00.3364  0.6277 o 1 1 2 2 y(1)  a (net )  net  0.6277 o o o Bước 3: Cập nhật trọng số (lan truyền ngược sai số) Chú ý: a(net ) 1 do hàm kích hoạt lớp ra là hàm tuyến tính o o a(net )  11 a2(net ) (1 z2 )/2 do hàm kích hoạt lớp ẩn là hàm tansig h hq 2 h hq q Lớp ra: (0.5đ)  (1)  [(d(1) y(1))][a(net (1))]  (1(0.6277)) 1.6277 o o o w (2)  w (1) (1)z (1) 1.00.41.6277(0.2913)  0.8103 1 1 o 1 w (2)  w (1) (1)z (1)  1.00.41.62770.3364  0.7810 2 2 o 2 Lớp ẩn: (1.0đ)  (1)   (1)w (1)a(net (k)   (1)w (1)(1 z2 (1))/2 h1 o 1 h q o 1 1 1.62771(1(0.2913)2 )/2  0.7448  (1)  ( (1)w (1))a(net (k))   (1)w (1)(1 z2(1))/2  0.7448 h2 o 2 h h2 o 2 2 v (2)  v (1) (1)x (1)  2.00.40.7448(0.5) 1.8510 11 11 h1 1 v (2)  v (1) (1)x (1) 1.00.40.74480.4 1.1191 21 21 h1 2 v (2)  v (1) (1)x (1)  1.00.4(0.7218)(0.5)  0.8556 12 12 h2 1 v (2)  v (1) (1)x (1)  0.50.4(0.7218)0.4  0.3845 22 22 h2 2 fb.com/goupee.vn

Trang 3

goupee.vn goupee.com Bài 2: (2.5 điểm) Cho tập dữ liệu gồm 3 nhóm biểu diễn trên đồ thị ở hình 2, hãy trình bày cấu trúc và cách huấn luyện mạng Perceptron (giải thuật? dữ liệu?) để phân tập dữ liệu thành 3 nhóm. x2 z (0.5đ) (0.75 1 y2 1 1 x z2 3 0 2 1 1 2 x 1 y 1 1 4 0 1 1 x2 z3 1 0 0 1 y3 1 2 z4 Sử dụng các Perceptron để phân nhóm dữ liệu, mỗi Perceptron chia dữ liệu làm 2 phần các đường phân chia như hình vẽ. Dữ liệu được phân nhóm như sau: - Dữ liệu thuộc nhóm 2 nếu ngõ ra Perceptron 1 hoặc ngõ ra Perceptron 2 bằng 1 - Dữ liệu thuộc nhóm 3 nếu ngõ ra Perceptron 3 hoặc ngõ ra Perceptron 4 bằng 1 - Dữ liệu thuộc nhóm 1 nếu đồng thời không thuộc nhóm 2 và nhóm 3 Từ phân tích trên, ta có sơ đồ mạng Perceptron để phân nhóm dữ liệu như sau, mạng sẽ được huấn luyện để ngõ ra yi bằng 1 nếu dữ liệu thuộc nhóm i. Dữ liệu huấn luyện các Perceptron z1-z4 như sau: (0.5đ) x1 x2 z1 z2 z3 z4 2 0 0 1 0 0 2 0 1 0 0 0 0 1 0 0 1 0 0 1 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 Dữ liệu huấn luyện các Perceptron y2-y3 như sau: (0.75đ) z1 z2 y2 z3 z4 y3 y2 y3 y1 1 0 1 1 0 1 0 0 1 0 1 1 0 1 1 0 1 0 0 0 0 0 0 0 1 0 0 1 1 0 Sử dụng giải thuật học Delta huấn luyện các Perceptron theo các bảng dữ liệu ở trên ta sẽ được mạng Perceptron phân nhóm dữ liệu theo yêu cầu đề bài. Bài 3: (2.5 điểm) y 2 u2 1 u1 x2 x1 fb.com/goupee.vn

Hiển thị 3 trang đầu. Tải tài liệu để xem đầy đủ.

Bình luận (0)

Đăng nhập để tham gia bình luận

Chưa có bình luận nào. Hãy là người đầu tiên!