神经网络用于控制的优越性,神经网络稳定性理论

1、神经网络的高度鲁棒性是什么意思

对于前向无反馈神经网络而言，神经网络的鲁棒性是指当输入信息或神经网络发生有限摄动时，神经网络仍能保持正常的输入—输出关系的特性；对于反馈神经网络而言，神经网络的鲁棒性是指当输入信息或神经网络发生有限摄动时，神经网络仍能保持稳定的输入—输出关系的特性。

谷歌人工智能写作项目：小发猫

2、什么是神经网络的鲁棒性

对于前向无反馈神经网络而言，神经网络的鲁棒性是指当输入信息或神经网络发生有限摄动时，神经网络仍能保持正常的输入—输出关系的特性；对于反馈神经网络而言，神经网络的鲁棒性是指当输入信息或神经网络发生有限摄动时，神经网络仍能保持稳定的输入—输出关系的特性神经网络的稳定性和鲁棒性。

3、鲁棒性和稳定性到底有什么区别

二者区别：

鲁棒性即稳健性，外延和内涵不一样；稳定性只做本身特性的描述。

一、二者定义：

鲁棒性：一个具体的控制器 ，如果对一个模型族中的每个对象都能保证反馈系统内稳定，那么就称其为鲁棒稳定的。

稳定性：指的是系统在某个稳定状态下受到较小的扰动后仍能回到原状态或另一个稳定状态。

二、”鲁棒性“一词来源：

鲁棒性原是统计学中的一个专门术语，20世纪70年代初开始在控制理论的研究中流行起来，用以表征控制系统对特性或参数扰动的不敏感性。鉴于中文“鲁棒性”的词义不易被理解，“robustness”又被翻译成了语义更加易懂的“抗变换性”，“抗变换性”和“鲁棒性”在译文中经常互相通用 。

三、关于“稳定性”：

“稳定性”是指使用者对产品的满意程度或对企业的信赖程度。而这种满意程度或信赖程度是从主观上来判定的。为了对产品可靠性做出具体和定量的判断，可将产品可靠性可以定义为在规定的条件下和规定的时间内，元器件(产品)、设备或者系统稳定完成功能的程度或性质。例如，汽车在使用过程中，当某个零件发生了故障，经过修理后仍然能够继续驾驶。

4、什么是神经网络的鲁棒性

对于前向无反馈神经网络而言，神经网络的鲁棒性是指当输入信息或神经网络发生有限摄动时，神经网络仍能保持正常的输入—输出关系的特性；对于反馈神经网络而言，神经网络的鲁棒性是指当输入信息或神经网络发生有限摄动时，神经网络仍能保持稳定的输入—输出关系的特性。

5、鲁棒性和稳定性有什么区别?

二者区别：

鲁棒性即稳健性，外延和内涵不一样；稳定性只做本身特性的描述。

一、二者定义：

鲁棒性：一个具体的控制器 ，如果对一个模型族中的每个对象都能保证反馈系统内稳定，那么就称其为鲁棒稳定的。

稳定性：指的是系统在某个稳定状态下受到较小的扰动后仍能回到原状态或另一个稳定状态。

二、”鲁棒性“一词来源：

鲁棒性原是统计学中的一个专门术语，20世纪70年代初开始在控制理论的研究中流行起来，用以表征控制系统对特性或参数扰动的不敏感性。鉴于中文“鲁棒性”的词义不易被理解，“robustness”又被翻译成了语义更加易懂的“抗变换性”，“抗变换性”和“鲁棒性”在译文中经常互相通用 。

三、关于“稳定性”：

“稳定性”是指使用者对产品的满意程度或对企业的信赖程度。而这种满意程度或信赖程度是从主观上来判定的。为了对产品可靠性做出具体和定量的判断，可将产品可靠性可以定义为在规定的条件下和规定的时间内，元器件(产品)、设备或者系统稳定完成功能的程度或性质。例如，汽车在使用过程中，当某个零件发生了故障，经过修理后仍然能够继续驾驶。

6、鲁棒性和稳定性的区别是什么?

鲁棒性和稳定性的区别是，鲁棒性即稳健性，外延和内涵不一样，稳定性只做本身特性的描述。

鲁棒性原是统计学中的一个专门术语，20世纪70年代初开始在控制理论的研究中流行起来，用以表征控制系统对特性或参数扰动的不敏感性。鉴于中文鲁棒性的词义不易被理解，robustness又被翻译成了语义更加易懂的抗变换性，抗变换性和鲁棒性在译文中经常互相通用 。

稳定性是指使用者对产品的满意程度或对企业的信赖程度。而这种满意程度或信赖程度是从主观上来判定的。为了对产品可靠性做出具体和定量的判断，可将产品可靠性可以定义为在规定的条件下和规定的时间内，元器件(产品)，设备或者系统稳定完成功能的程度或性质。例如，汽车在使用过程中，当某个零件发生了故障，经过修理后仍然能够继续驾驶。

所谓鲁棒性，是指控制系统在一定（结构，大小）的参数摄动下，维持其它某些性能的特性。而稳定性，是指控制系统在使它偏离平衡状态的扰动作用消失后，返回原来平衡状态的能力。

7、神经网络优缺点，

优点：

（1）具有自学习功能。例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。

自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。

（2）具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。

（3）具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。

缺点：

（1）最严重的问题是没能力来解释自己的推理过程和推理依据。

（2）不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。

（3）把一切问题的特征都变为数字，把一切推理都变为数值计算，其结果势必是丢失信息。

（4）理论和学习算法还有待于进一步完善和提高。

扩展资料：

神经网络发展趋势

人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。

人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。

将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。

神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织以及非线性映射等优点的神经网络与其他技术的结合以及由此而来的混合方法和混合系统，已经成为一大研究热点。

由于其他方法也有它们各自的优点，所以将神经网络与其他方法相结合，取长补短，继而可以获得更好的应用效果。目前这方面工作有神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。

参考资料：

8、看了鲁棒性的词条，还是不明白鲁棒性和稳定性有什么区别？请解释具体一点，50分奉上

稳定性指的是系统在某个稳定状态下受到较小的扰动后仍能回到原状态或另一个稳定状态；
而鲁棒性指的是同一个算法适用于多个系统（或系统的多个状态），即系统的特征参数发生较小变化之后仍能保持良好的性能（比如稳定性）
举个例子来说，自行车如果没有人的驾驶，是个不稳定的系统；而人骑上自行车组成的系统是个稳定的系统。一个人可以驾驭多种自行车，则说明这个人对这些自行车的使用具有鲁棒性。

9、稳定鲁棒性和性能鲁棒性是什么意思？两者区别呢？

鲁棒是Robust的音译，也就是健壮和强壮的意思。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持其它某些性能的特性。
稳定鲁棒性和性能鲁棒性的区别在于对性能的不同定义。
稳定鲁棒性是以渐近稳定为性能指标的一类鲁棒性。
性能鲁棒性是以准确地跟踪外部参考输入信号和完全消除扰动的影响为稳态性能指标的一类鲁棒性。