4计算智能1.ppt

4 计算智能 4.1概述 4.2神经计算 4.1概述 人工智能分成两大类：一类是符号智能，一类是计算智能。 符号智能是以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能。 计算智能是以数据为基础，通过训练建立联系，进行问题求解。人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能。 4.1概述（续） 定义 贝兹德克（Bezdek，1992）：计算智能取决于制造者提供的数据，而不依赖于知识；另一方面，传统人工智能则应用知识精品（knowledge tidbits）。 4.1概述（续） 计算智能与传统人工智能的区别 贝兹德克提出了模式识别（PR）与生物神经网络（BNN）、人工神经网络（ANN）和计算神经网络（CNN）的关系，以及模式识别与其它智能的关系。 贝兹德克对这些相关术语给予一定的符号和简要说明或定义。 4.1概述（续） ABC理论： 　A－Artificial， 表示人工的（非生物的），即人造的 　B－Biological， 表示物理的＋化学的＋（？？）＝生物的 　C－Computational， 表示数学＋计算机 4.1概述（续） 下图表示ABC及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系（贝兹德克1994）。 4.1概述（续） 图中中间部分共有9个节点，表示9个研究领域或学科。节点之间的距离衡量领域间的差异，如CNN与CPR间的差异要比BNN与BPR之间的差异小的多。 图中符号→表示“适当的子集”。如中层ANN?ARP ?AI，对于右列有：CI?AI ?BI等 在定义时，任何计算机系统都是人工系统，但反命题不能成立。 4.1概述（续） 4.1概述（续） 计算智能是一种智力方式的低层认知，与传统人工智能的区别知识认知层次从中层下降至低层。中层系统含有知识，低层系统则没有。 当一个系统只涉及数值（低层）数据，含有模式识别部分，不应用传统人工智能意义上的知识，而且能够呈现出： 　　（1）计算适应性； 　　（2）计算容错性； 　　（3）接近人的速度； 　　（4）误差率与人相近， 　　则该系统就是计算智能系统。 当一个计算智能系统以非数值方式加上知识（精品）值，即成为人工智能系统。 4.2神经计算 神经计算：以神经网络为基础的计算 人工神经网络的定义： （1）Hecht—Nielsen（1988年） ANN是一个并行、分布处理结构，它由处理单元及其称为联接的无向讯号通道互连而成。这些处理单元（PE—Processing Element）具有内存，并可以完成局部操作。每个处理单元有一个单一的输出联接，这个输出可以根据需要被分枝成希望个数的许多并行联接，且这些并行联接都输出相同的信号，即相应处理单元的信号，信号的大小不因分支的多少而变化。 4.2神经计算（续） 处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作必须是完全局部的。也就是说，它必须仅仅依赖于经过输入联接到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。 强调： ①并行、分布处理结构； ②一个处理单元的输出可以被任意分枝，且大小不变； ③输出信号可以是任意的数学模型； ④处理单元完全的局部操作 4.2神经计算（续） （2）Rumellhart，McClelland，Hinton的并行分布处理 （PDP） 1）一组处理单元（PE或AN）； 2）处理单元的激活状态（ai）； 3）每个处理单元的输出函数（fi）； 4）处理单元之间的联接模式； 5）传递规则（Σwijoi）； 6）把处理单元的输入及当前状态结合起来产生激活值的激活规则（Fi）； 7）通过经验修改联接强度的学习规则； 8）系统运行的环境（样本集合）。 4.2神经计算（续） （3）Simpson（1987年） ANN是一个非线性的有向图，图中含有可以通过改变权大小来存放模式的加权边，并且可以从不完整的或未知的输入找到模式。 4.2.1 人工神经网络的研究与发展 40年代初，美国McCulloch和Pitts从信息处理的角度，研究神经细胞行为的数学模型表达，提出了二值神经元模型。MP模型的提出开始了对神经网络的研究进程。1949年心理学家Hebb提出著名的Hebb学习规则，即由神经元之间结合强度的改变来实现神经学习的方法。虽然Hebb学习规则在人们研究神经网络的初期就已提出，但是其基本思想至今在神经网络的研究中仍发挥着重要作用。 4.2.1 人工神经网络的研究与发展（续） 50年代末期，Rosenblatt提出感知机模型(Perceptron)，首先从工程角度出发，研究了用于信息处理的神经网络模型。这是一种学习和自组织的心理学模型，它基本符合神经生理学的原理。感知机虽然比较简单，却已具有神经网络的一些基本性质，如分布式存贮