4 计算智能.docVIP

第四部分 计算智能 4-1 概述 第一个定义计算智能者：Bezdek(1992)。依据：计算智能取决于制造者提供的数值数据而非知识。人工智能则运用人类知识解决问题。 相关概念： ANN-Artificial Neutral Network CNN-Computing Neutral Network AI-Artificial Intelligence CI-Computing Intelligence ABC-Artificial（非生物的），Biological（物理+化学+??=生物），Computational（数学+计算机） PR-Pattern Recognition ABC的交互关系（见教材P125） ABC相关的各领域之基本定义（见教材P125） “计算智能”系统：计算智能是一种智力活动的低层认识。如果一个系统只涉及到数值计算（含模式识别类）而不运用人工智能意义下的知识，且具有：计算适应性、计算容错性、接近人的速度、误差与人接近的特征，则该系统归入计算智能领域。 “人工智能”系统：智能计算系统以非数值方式加上知识值后，将成为人工智能系统。 已有的计算智能研究领域：神经计算、模糊计算、粗糙集理论、遗传算法、进化策略、人工生命、粒群算法、自然计算、蚁群算法、免疫计算等。 4-2 神经计算 4-2-1 引入 美国神经神经生理学家McCulloch和青年数理逻辑学家Pitts于1943年提出第一个人工神经网络模型。 分为两个方向：一是以Kleene为代表的理论计算机科学工作者，他们将神经网络研究抽象为自动机理论；一是从人工智能的应用方面努力。 简史：1957年，Rosenblatt引入感知机，稍后，Minsky和Papert从数学上证明了感知机的逻辑推理局限性(不能实现复杂逻辑功能)。1970s基本停滞不前。1982年Hopfield提出了有坚实数学理论基础的，又易于实现，还找到不少应用领域的神经网络模型，才又一次进入了研究高潮。 主要应用领域：模式识别、图像处理、自动控制、机器人、信号处理、管理、商业、医疗、军事、家用电器等。 主要特点： (1) 并行分布式处理方式：大规模并行处理结构与信息分布式存储结构合二为一，且具有网络全局性作用特性。适合处理实时和动态应用； (2) 非性线映射特征：可反映神经网络的固有特性。适合处理很多非性线分析与计算问题； (3) 学习的特征：通过以往的数据进行训练、学习，使对输入空间产生相应的非线性映射关系，或对输入产生自适应或自组织聚类结果，使其能相对容易地处理难以用数学模型或规则描述解决的问题； (4) 适应能力与集成能力：适于处理复杂、大规模和多变量的系统； (5) 实现上：软、硬均可。 4-2-2 大脑神经系统与神经网络 4-2-2-1 大脑的组织 大脑组织 重约1350g，由大约1011个（约1000亿）神经细胞或神经元构成，没有完全相同的神经元。 大脑的发育与成长过程及结构（略） 对大脑的研究与认识方法 对单个神经元及其功能的了解与认识 对构成大脑的神经元群怎样相互连接成一个统一的整体的研究 研究神经元如何相互作用以及其携带信息的意义的研究 脑的总体组织结构及其信息流过程 A B C X Y Z 输入A 输出Z 图4-2-2-1 脑的基本信息流处理过程 从感受器细胞(A)输入感觉信号，直到终止于肌细胞的运动神经元(Z)输出感觉信号。如图4-2-2-1图所示。 输入方法(人认识外部世界的唯一途径！) 方法1：一组组感受器，即一些变了形的神经细胞，它们可以将外界作用于它们的各种形式的信息转换成电信号，如有些对光有反应（如眼），有些对化学物有反应（如触觉、嗅觉等），有些对声音有反应（如听觉等）。 注：感受器与其后面的神经元想接触，而后面的神经元又与其它神经元相接触，如此等等。 方法2：在传导路径的每一级，轴突分支向后续神经元提供输入信息。 方法3：每一神经元对从前面传来而会聚到它上面的神经元兴奋性和抑制性加以整合，其结果作为下一级的输入信息。 输出方法(人对外部世界产生反应并对其施加影响的唯一途径) 经过多级接替后，神经轴突终止于腺细胞或肌细胞上，构成神经细胞的对外界之输出。 (内部)操作(基于大脑神经网络系统的知觉、情绪、记忆、思维等等活动) 4-2-2-2 大脑神经系统的结构与机能 神经元的结构 如图4-2-2-2所示（略）。其中，每一个典型的神经元大约有1000-10000个突触，能够接受来自大约1000个其它神经元的信息。 神经元由三个区构成： 细胞体----包含细胞核及相应的酶组成； 树突----管状延伸物