[计算智能学习心得体会.docVIP

计算智能学习心得体会 本学期我们水利水电专业开了“计算智能概论”这门课，有我们学院的金菊良教授给我们授课，据说这门课相当难理解，我们课下做了充分的准备，借了计算智能和人工智能相关方面的书籍，并提前了解了一点相关知识，我感觉看着有点先进，给我们以往学的课程有很大区别，是一种全新的概念和理论，里面的遗传算法、模糊集理论、神经网络更是闻所未闻，由于课前读了一些书籍，我以为课堂上应该能容易理解一点，想不到课堂上听着还是相当玄奥，遗传算法还好一点，因为高中学过生物遗传，遗传算法还能理解一点。像模糊集理论神经网络便不知所云了。虽然金老师讲课生动形象，幽默风趣，而且举了好多实际的例子，但有一些理论有点偏难。 计算智能(Computational Interlligence，简称CI)并不是一个新的术语，早在1988年加拿大的一种刊物便以CI为名。1992年，美国学者JamesC.Bezdek在论文《计算智能》中讨论了神经网络、模式识别与智能之间的关系，并将留能分为生物智能、人工智能和计算智能三个层次。1993年，Bob Marks写了一篇关于计算留能和人工留能区别的文章，并在文中给出了对CI的理解。1994年的国际计算智能会议(WCCL)的命名就部分地源于Bob的文章，这次IEEE会议特国际神经网络学会(NNC)发起的神经网络(ICNN)、模糊系统(FuZZ)和进化计算(ICEc)三个年度性会议合为一体，并出版了名为《计算智能》的论文集。此后，CI这个术语就开始被频繁地使用，同时也出现了许多关于CI的解释。 1992年，James C .Bezdek提出，CI是依靠生产者提供的数字、数据材料进行加工处理，而不是依赖于知识；而AIglJ必须用知识进行处理．1994年，James在F1orida，Orlando，IEEE WCCI会议上再次阐述他的观点，即智能有三个层次：(1)生物智能(Biological Intelligence，简称BI)，是由人脑的物理化学过程反映出来的，人脑是有机物，它是智能的基础。(2)人工智能(Artificial Intelligence，简称AI)，是非生物的，人造的，常用符号来表示，AI的来源是人类知识的精华。（3）计算智能(Computer Intellienceence，简称CI)，是由数学方法和计算机实现的，CI的来源是数值计算的传感器。 虽然有好多计算智能理论还不太清楚，但是我对新知识还是相当渴望的，因为我本身比较爱学习，且喜欢读书。我感觉学到了许多知识：计算智能是一门经验科学，它研究自然的或人工的智能行为形成之原理以“推理即计算”为基本假设，开发某种理论、说明某项智能可以算法化，从而可以用机器模拟和实现；寻求和接受自然智能之启迪，但不企图完全仿制人类智能，其中心工程目标是研究设计和建立智能计算系统的方法。 由于我们只有16课时，所以我们学的面并不广，金老师主要教了一些计算智能方面的经典理论，我们所学的计算智能所涉及的领域主要包括以下三方面：遗传算法、人工神经网络方法和模糊集理论。 遗传算法最早由美国Michigan大学John H. Holland教授提出，selection）、父代杂交（crossover）和子代变异（mutation）的自然进化（natural evolution）方式，，genetic algorithm，GA）[7]。GA模拟生物进化过程中的主要特征有：chromosomes）的结构特征，series of genetic code）决定了该个体对其生存环境的适应能力。（2）自然选择在生物群体（population）进化过程中起着主导作用，adaptability）强的个体能够生存下来并传宗接代，，，，，，，GA）不一定能寻得最优（optimal）点，superior）点，，，GA，，， BP神经网络是用反向传播学习算法（back-propagation algorithm，BP算法）训练的一种多层前馈型非线性映射网络，，，BP神经网络通常可以分为不同的层（级），j层的输入仅与第j–1层的输出联接。由于输入层节点和输出层节点可与外界相连，，，hidden layer）。决定一个BP神经网络性质的要素有三个：网络结构、神经元作用函数和学习算法，对这三个要素的研究构成了丰富多彩的内容，BP算法是目前应用最为广泛且较成功的一种算法，gradient search technique）使代价函数（cost function）最小化。 BP算法把一组样本的输入输出问题归纳为一非线性优化问题，，，fuzzy mathematics）就是应用模糊集这一模拟人脑模糊思维的数学工具，来描述、分析、识别、分类、判断、推理、决策和控制各种模糊事物所形成的一门现代应用数学分支学科。经典数学仅考虑