7-计算智能.ppt

计算智能 Computational Intelligence ;概述神经网络模糊计算粗糙集理论进化计算人工生命;信息科学与生命科学的相互交叉、渗透和促进是现代科学技术发展的一个显著特点。 计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，它的研究和发展反映了当代科学技术多学科交叉与集成的重要发展趋势。 ;什么是计算智能 ;贝兹德克对相关术语给予一定的符号和简要说明或定义。 给出的ABC： 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;计算智能与人工智能的区别和关系(1994年提出） ;计算智能是一种智力方式的低层认知 计算智能与人工智能的区别：认知层次从中层降至低层。 中层系统含有知识（精品），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，不应用人工智能意义上的知识，而且能够呈现出： 计算适应性； 计算容错性； 接近人的速度； 误差率与人相近， 则该系统就是计算智能系统。 当一个智能计算系统以非数值方式加上知识（精品）值，即成为人工智能系统。 ;本课程前面的内容以知识为基础，通过符号推理，进行问题求解，通常把这些称为符号智能。 本章以数据为基础，通过训练建立联系，进行问题求解，一般称为计算智能。 计算智能一般包括：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;概述人工神经网络模糊计算粗糙集理论进化计算人工生命;神经网络概述 神经网络基础知识 感知机 前馈神经网络 Hopfield网络 随机神经网络;什么是人工神经网络;人工神经网络定义;神经网络：由简单处理元构成的规模宏大的并行分布处理器，具有存储经验知识和使之可用的特性。 神经网络从两个方面上模拟大脑： 神经网络获取的知识从外界环境中学习得来。 内部神经元的连接强度，即突触权值，用于储存获取的知识。 学习算法：用于完成学习过程的程序，功能是以有序的方式改变系统权值以获得想要的设计目标。 突触权值的修改提供了神经网络的一种设计方法。 ;神经网络的基本特征;神经元及其联接； 神经元之间的联接强度决定信号传递的强弱； 神经元之间的联接强度是可以随训练改变的； 信号可以起刺激作用，也可以起抑制作用； 一个神经元接受的信号的累积效果决定该神经元的状态； 每个神经元可以有一个“阈值”;非线性： 非线性关系是自然界的普遍特性。 大脑的智慧就是一种非线性现象。 人工神经元处于激活或抑制两种不同的状态。这种行为在数学上表现为一种非线性。 非局域性： 一个神经网络通常由多个神经元广泛联接而成。 一个系统的整体行为不仅取决于单个神经元的特征，而且主要由单元之间的相互作用、相互联接所决定。 通过单元之间的大量联接模拟大脑的非局域性。;非定常性： 人工神经网络具有自适应、自组织、自学习能力。 神经网络不但处理的信息各种各样，而且在处理信息的同时，非线性动力系统本身也在不断变化。 经常采用迭代过程描写动力系统的演化过程。 非凸性： 一个系统的演化方向，在一定条件下，将取决于某个特定的状态函数，如能量函数，它的极值相应于系统比较稳定的状态。 非凸性是指函数有多个极值，系统具有多个较稳定的平衡态，导致系统演化的多样性。;神经网络的基本功能;非线性映射功能;分类与识别功能;优化计算功能;知识处理功能;1943年McCulloch（心理学家）和Pitts（数理逻辑学家）提出M-P模型。 描述一个简单的人工神经元模型的活动服从二值（兴奋和抑制）变化。总结了神经元的基本生理特性，提出了神经元的数学描述和网络的结构方法 ——标志神经计算时代的开始 输出表达式 MP模型的意义： M-P模型能完成一定的逻辑运算 第一个采用集体并行计算结构来描述人工神经元和网络工作。 为进一步的研究提供了依据 可以完成布尔逻辑计算;1949年Donala U.Hebb（心理学家）论著《The Organization of Behavior（行为自组织）》，提出突触联系强度可变的假设，认为学习的过程最终发生在神经元之间的突触部位，突触的联系强度随着突触前后神经元的活动而变化。 ——赫布规则 多用于自组织网络的学习。即：若两个神经元输出兴奋，则它们之间的连接权加强，反之减少。 赫布规则意义（提出了变化的概念） 提出一个神经网络里信息是储藏在突触连接的权中 连接权的学习律正比于两个被连接神经细胞的活动状态值的乘积 假设权对称 细胞互相连接的结构由连接权的改变创造;1957年Frank Rosenblatt定义了一个神经网络结构，称为感知器(Perceptron) 。 ?规则学习 意义：第一次