人工智能与神经网络-研究报告.docxVIP

人工智能与神经网络－研究报告神经网络姓 名：学 号：学科（专业）：信号与信息处理提 交 日 期：成 绩：神经网络目 录1.什么是人工智能2. 人工智能的另类表示：神经网络3.神经网络的分析4.结束语5.参考文献什么是人工智能迄今还没有简明扼要的人工智能定义，但是许多人都试图表达人工智能的目的是什么。Marvin Minsky是麻省理工学院人工智能实验室的创建人之一，对人工智能给出了这样一个观点：“人工智能是一门科学，它使机器做那些由人需要通过智能来做的事情。”而宾夕法尼亚大学的George F. Luger教授在其所著的书《人工智能-复杂问题求解的结构和策略》中将人工智能定义为计算机科学的一个分支，其目标是使智能行为自动化[1]。人工智能的另类表示：神经网络大多数人工智能技术是使用显式表示的知识和周密设计的搜索算法来实现。还有一些建立智能程序的方法与此完全不同，它们有的使用一种类似于人类大脑中神经元的模型。图1是神经元的简单示意图[2]，它是由细胞体和细胞体上长出的很多枝状突起（称为树突）和一个单一分支（称为轴突）组成的。树突可以接收来自其他神经元的信号。当这些树突接收脉冲的混合结果超过某个阈值后，神经元便会激发，从而产生一个脉冲（或者“尖峰”）传向轴突。轴突末端的分支形成了与其他神经元相连的突触。突触是神经元之间的联系点；突触可以分为激发型和抑制型，对应于把到达的脉冲加入到总信号中或是从总信号中减去这个脉冲。图1 神经元的简单示意图这种对神经元的描述抓住了与神经元的计算模型有关的那些特征。尤其是每个计算单元以它的输入为参数来计算某个函数，并把结果传递到网络中其他相连单元：最终的结果是由网络（神经连接和阈值权）通过并行分布处理产生的。神经结构是实现智能的一种有力机制。传统的人工智能程序比较脆弱而且对噪声过于敏感。人类智能要灵活得多，而且善于解释有干扰的输入，比如光线很暗的房间中的面容或嘈杂聚会中的对话。因为神经结构使用分布在网络中精密组织的大量单元来捕捉知识，所以它似乎更善于模糊匹配带有干扰的和不完整的数据。神经网络的分析人工神经网络是一种并行计算装置，是由很多互相连接的简单处理器组成的。[3]神经网络中的每个处理器，只知道周期性地接收信号及周期性地发送信号到其他处理器。然而，当将这些局部处理器组成相互合作的网络时，它们却能够执行复杂的任务。3.1神经网络的基本成分[4]神经网络是由很多节点构成的，这些节点以某一种模式相互连接在一起且节点间可以进行通信。这些节点也称为神经元或单元，是非常简单的处理器，它们的计算能力仅限于两个规则，一是组合输入信号的规则；另一个是将组合的输入信号计算成输出信号的激励规则。输出信号通过连接接权传送给其他节点，权通常会使正在通信的信号产生兴奋或抑制，图2描述了神经网络节点。图2 神经网络节点3.2连接模式连接模式指的是节点连接的方法。在一种网络类型中，每个节点都可以与其他每个节点连接，在另一种网络类型中，节点可能被安排成有序的层次结构，其中节点的连接仅限于直接相邻的层；还有其他类型的网络允许相邻层间或在一层内有反馈连接，或允许节点将信号馈送给本身。连接是由权参数表示的，确定权的三个参数为：1.权连接来自哪个节点；2权连接到哪个节点；3.表示权值得一个数值（通常为实数）。负权值将会抑制连接到节点的活动，而正权值将会激活连接到的节点，权的绝对值指定了连接强度。连接模式可以一个矩阵M来描述，其中矩阵中的项表示从节点i到节点j的权值。图3给出了连接模式及权矩阵的示例。权矩阵是网络的存储器，它保存着如何执行任务的知识。4321-2.64.31.2 -0.80.7-0.4-1.02.30.50.9W= 图3 描述网络节点的一个矩阵例如，节点3（第3行）与节点1（第1列）的连接权在上面的权矩阵中用-0.8表示。3.3组合输入信号的规则组合节点输入的典型方法是对它们的值求加权和，这种求和方法可由图4说明。在这幅图中，是节点的组合输入，是节点的输出，是输入的连接数，也存在其他的组合输入信号方法。0.7-0.3 0.13.10.50.3 或采用向量记号图4 对节点输入信号求和的一种典型方法结束语通过简单的对神经网络进行描述和分析，使得我们更容易理解人工神经网络的实现过程。随着社会的发展和科技的进步，神经网络的解决方法日益变得更加复杂，但是我们对人脑的进一步理解将会激发未来的人工神经网络，而且它们是相互促进的。参 考 文 献[1](美)卢格尔（George F. Luger）著；史忠植译.人工智能：复杂问题求解的结构和策略.北京：机械工业出版社.2004.1[2](美)卡伦（Callan,R.）著；黄厚宽，田盛丰译.人工智能.北京：电子工业出版社，1994[3]蔡瑞英.人工智