第七章 人工智能与教育(二).pptVIP

第二节 人工智能的研究领域 一、人工神经网络 (一）人工神经网络概述 生物神经元及脑神经系统的结构与特征1．生物神经元的结构 生物神经元（Neuron）即为神经细胞，它是生物神经系统的最基本单元。从其形状和大小来看，神经元是多种多样的，但从组成结构看，各种神经元又具有共性。神经元的基本结构如图6-4所示，它由细胞体（Soma）、轴突（Axon）和树突（Dendrite）三个主要部分组成。 细胞体是神经元的主体，用于处理由树突接受的其他神经元传来的信号。细胞体的内部是细胞核，外部是细胞膜，细胞膜的外面是许多向外延伸出的纤维。 轴突是由细胞体向外延伸出的所有纤维中最长的一条分枝，用来向外传递神经元产生的输出电信号。每个神经元都有一条轴突，其最大长度可达1cm以上。在轴突的末端形成了许多很细的分枝，这些分枝叫神经末梢。每一条神经末梢可以与其他神经元形成功能性接触，该接触部位称为突触。所谓功能性接触，是指非永久性的接触，这正是神经元之间传递信息的奥秘之一。 树突是指由细胞体向外延伸的除轴突以外的其他所有分支。树突的长度较短，但数量很多，它是神经元的输入端用于接受从其他神经元的突触传来的信号。 二、专家系统 * * 2．人脑神经系统的结构与特征 （１）记忆和存储功能 （2）高度并行性 （3）分布式功能 （4）容错功能 （5）联想功能 （6）自组织和自学习功能 （二）人工神经元及人工神经网络1. 人工神经元的结构 图 7-2 M-P神经元模型 θ x1 x2 xn y ω1 ω2 ωn 在图7-2中，x1，x2，…，xn表示某一神经元的n个输入；ωi表示第i个输入的连接强度，称为连接权值；θ为神经元的阈值；y为神经元的输出。可以看出，人工神经元是一个具有多输入，单输出的非线性器件。 2．人工神经网络 人工神经网络是对人类神经系统的一种模拟。尽管人类神经系统规模宏大、结构复杂、功能神奇，但其最基本的处理单元却只有神经元。人工神经系统的功能实际上是通过大量神经元的广泛互连，以规模宏伟的并行运算来实现的。 基于对人类生物系统的这一认识，人们也试图通过对人工神经元的广泛互连来模拟生物神经系统的结构和功能。人工神经元之间通过互连形成的网络称为人工神经网络。在人工神经网络中，神经元之间互连的方式称为连接模式或连接模型。它不仅决定了神经元网络的互连结构，同时也决定了神经网络的信号处理方式。 3．人工神经网络的分类 目前，已有的人工神经网络模型至少有几十种，其分类方法也有多种。例如，按网络拓扑结构可分为无反馈网络与有反馈网络；按网络的学习方法可分为有教师的学习网络和无教师的学习网络；按网络的性能可分为连续型网络与离散型网络，或分为确定性网络与随机型网络；按突触连接的性质可分为一阶线性关联网络与高阶非线性关联网络。 （三）人工神经网络的特点和优越性，主要表现在三个方面：?　　第一，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，其前途是很远大的。? 第二，具有联想存储功能。 人的大脑是具有联想功能的。如果有人和你提起你幼年的同学张某某，你就会联想起张某某的许多事情。用人工神经网络的反馈网络就可以实现这种联想。　　第三，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。? （四）人工神经网络的局限性 人工神经网络是一个新兴学科，还存在许多问题。其主要表现有。 （1）受到脑科学研究的限制 由于生理实验的困难性，目前人类对思维和记忆机制的认识还很肤浅，还有很多问题需要解决。例如，脑的层次结构是怎样形成的？脑是怎样学习的？不同类型的知识在脑中是如何组织的？脑神经元在思维记忆中起什么作用？脑神经网络中神经元之间的突触联系强度是如何修正、保持的？等等。这些问题如果能够得到解决，将极大地促进人工神经网络的发展。 （2）还没有完整成熟的理论体系 虽然目前已有许多人工神经网络模型，但这些模型的学习策略却各不相同，还无法统一到一个完整的理论框架中，因而也无法形成一个成熟的理论体系。 （3）还带有浓厚的策略和经验色彩 对人工神经网络，一方面还没有完整、成熟的理论系统支持，另一方面又需要用它分析和解决某些实际问题，因此使得人工神经网络的研究带有浓厚的策略和经验色彩。 （4）与传统技术的接口不成熟 人工神经网络虽然有它自己的优势，但又不可