人工智能209.pptVIP

人 工 智 能(9) 第九章 人工神经网络 课程的基本内容及要求： 1．基本内容和要求： 了解一些有关人工神经网络的概念——模型、结构及工作方式等 1-4节（学时）（4,5节可自学） 重点：2节,3节1,2小节 第九章 人工神经网络 9．1 神经网络概述 现代的计算机有很强的计算和信息处理能力，但是它解决像模式识别、感知、评判和决策等复杂问题的能力却远不如人，特别是它只能按人事先编好的程序机械地执行，缺乏向环境学习适应环境的能力 单个神经元的反应速度是在毫秒级，比起计算机的基本单元——逻辑门（反应时间在10-9s量级）慢5～6个数量级。由于人脑的神经元数量巨大（约为1010个），每个神经元可与几千个其它神经元连接（总连接数约为6×1013），对有些问题的处理速度反而比计算机快得多。它的能耗约为每一运算10-16J/s（计算机为每一运算10-6J/s），由此可见其性能要比现代计算机高得多 第九章 人工神经网络 9．1 神经网络概述 从模仿人脑智能的角度出发，来探寻新的信息表示、存储和处理方式，设计全新的计算处理结构模型，构造一种更接近人类智能的信息处理系统来解决传统的冯·诺依曼计算机难以解决的问题，必将大大促进科学进步，并会在人类生活的各个领域引起巨大的变化，?人工神经网络（Artificial Neural Networks，以下简写为NN）系统 第九章 人工神经网络 9．1 神经网络概述 所谓NN就是为模仿人脑工作方式而设计的一种机器，它可用电子或光电元件实现，也可用软件在常规计算机上仿真。或者说NN是一种具有大量连接的并行分布处理器，它具有通过学习获取知识并解决问题的能力，且知识是分布储存在连接权（对应于生物神经元的突触）中，而不是像常规计算机那样按地址存在特定的存储单元中 第九章 人工神经网络 9．1 神经网络概述 尽管目前人们对大脑神经网络的结构、运行机制，甚至单个神经细胞的工作原理了解还很肤浅，但是基于生物神经系统的分布式存储、并行处理、自适应学习这些现象，已经构造出具有一些低级智慧的人工神经网络系统 当然这种人工神经网络只是对大脑的粗略而简单的模仿，无论在功能上，还是在规模上都比真正的神经网络差得很远，但它在一些科学研究和实际工程领域中已显示了很大的威力 第九章 人工神经网络 9．1 神经网络概述 从80年代初神经网络的研究再次复苏并形成热点以来，发展非常迅速 在理论上，对它的计算能力、对任意连续映射的逼近能力、学习理论及动态网络的稳定性分析等都取得了丰硕的成果 在应用上已迅速扩展到许多重要领域 第九章 人工神经网络 9．1 神经网络概述 应用领域 （1）模式识别与图象处理 印刷体和手写体字符识别，语音识别，签字识别，指纹识别，人脸识别，癌细胞检测，心电图和脑电图分类，RNA和DNA识别，油气贮藏勘测，加速器事故检测，目标检测与识别，图象压缩，图象复原 （2）控制与优化 化工过程控制，机械手运动控制，电弧炉电极控制，半导体生产中掺杂控制，石油精炼和食品工业中优化控制，VLSI（超大规模集成电路）布线设计 （3）预测与管理 股市预测，有价证券管理，借贷风险分析，信用卡管理，机票管理 （4）通信 自适应均衡，回波抵消，路由选择，ATM网络中的呼叫接纳识别及控制 （5）其它应用 导航，光学望远镜聚焦，运载体轨迹控制，电机故障检测以及多媒体 第九章 人工神经网络 9．2 人工神经元模型 1 神经元模型 神经元模型的三个基本要素： ① 一组连接权（对应于生物神经元突触）——连接强度由各连接上的权值表示，权值为正表示激励，为负表示抑制 ② 一个求和单元——用于求取各输入信息的加权和（线性组合） ③ 一个非线性激励函数——起到非线性映射作用并限制神经元输出幅度在一定的范围之内（一般限制在[0,1]或[-1,+1]之间） 此外还有一个阈值θk（或偏置bk= -θk） 第九章 人工神经网络 9．2 人工神经元模型 1 神经元模型 第九章 人工神经网络 9．2 人工神经元模型 1 神经元模型 神经元模型数学式表达： 式中x1，x2，x3，…，xp为输入信号，wk1，wk2，wk3，…，wkp为神经元k之权值，uk为线性组合结果，θk为阈值。?(·)为激励函数，yk为神经元k的输出 第九章 人工神经网络 9．2 人工神经元模型 1 神经元模型 当把输入的维数增加一维，从而把阈值θk包括进去： 第九章 人工神经网络 9．2 人工神经元模型 1 神