人工智能PPTchapter5_3课件.ppt

人工智能及其应用 * 4、数据挖掘工具 (1)金融业 (2)保险业 (3)制造业 (4)市场和零售业 (5)医疗业 (6)司法 (7)工程与科学 人工智能及其应用 * 5.4.4 Agent技术 Agent技术的形成与发展 Agent理论与技术研究最早源于分布式人工智能(DAI, Distributed Artificial Intelligence)，并可追溯到1977年Hewitt提出的并发Actor模型， Actor模型可能是最早出现的智能Agent。 20世纪90年代之前，有关分布式人工智能的研究热点主要集中在解决支持分布式协同工作的“宏”问题 。如智能Agent间的交互作用和通信、任务的分解和分配、协调和合作、协商解决冲突等，目的是探索由多个协作的智能Agent构建分布式问题求解系统的方法和技术。 进入20世纪90年代，人们对智能Agent的行为理论、体系结构和相互间通信语言进行深入研究，开展了一些旨在发挥个体能力的多类型智能Agent的工作。 人工智能及其应用 * Agent的定义： “弱定义”，从广义的角度对Agent定义: 一个Agent（不管它是软件或硬件系统）的最基本的特性应当包括：反应性、自治性、社交能力和自发行为。 “强定义”， 从Agent的精神状态出发，Agent除具有“弱定义”的特性外， “强定义”另外要求Agent还应具有拟人的特性：移动性、长寿性、诚实性、善意性、合理性、推理能力、规划能力、学习和适应能力等。 Agent的构成： 定义： 一个从感知序列到它所能发出动作序列的映射。 5.4.4 Agent技术 人工智能及其应用 * 思考型Agent 思考型又称慎思型Agent或认知型Agent，是一个显式表示的关于世界的符号模型，包括环境和智能行为的逻辑推理能力。 5.4.4 Agent技术 人工智能及其应用 * 反应型Agent： 在思考型Agent中，反映了传统符号AI的特点和种种限制，它结构僵硬，对外界变化的反应速度慢。而反应型Agent则是依据行为主义的观点，按照“感知-动作”模型来建立智能体。这样建立的Agent可以像人类一样逐步进化，在与现实世界和周围环境的交互作用中逐步学习、逐步进化，表现出智能行为来 。 5.4.4 Agent技术 人工智能及其应用 * 混合型Agent： 为了综合思考型和反应型Agent的优点，提出了混合型Agent(hybrid Agent)，试图使混合型Agent不但具有较高的智能，而且具有较强的灵活性和快速响应性。 5.4.4 Agent技术 * 人工智能及其应用 人工智能及其应用 人工智能及其应用 人工智能及其应用 人工智能及其应用 第五章 知 识 学 习 人工智能及其应用 * 内容提要： 知识学习概念、原理及分类 神经网络学习 神经网络模型 知识发现与Agent技术 Hopfield神经网络 人工智能及其应用 * 1982年和1984年，美国加州理工学院物理学家霍普菲尔德(J.J.Hopfield)在神经网络建模及应用方面取得了开创性研究成果，先后提出了离散型Hopfield神经网络和连续型Hopfield神经网络，引入“计算能量函数”的概念，给出了网络稳定性判据，尤其是给出了Hopfield神经网络的电子电路实现，为神经计算机的研究奠定了基础，同时开拓了神经网络用于联想记忆和优化计算的新途径，从而有力地推动了神经网络的研究。这两种模型是目前最重要的神经优化计算模型之一。 Hopfield神经网络 人工智能及其应用 * Hopfield神经网络无论是是离散型，还是连续型，都是反馈网络结构。下图给出了一个简单的反馈神经网络图。 离散型Hopfield神经网络 人工智能及其应用 * 离散网络模型是一个离散时间系统，每个神经元只有两个状态，可以用1和0来表示，由连接权值Ｗij所构成的矩阵是一个对角线为0的对称矩阵。离散型Hopfield神经网络的结构： 离散型Hopfield神经网络 人工智能及其应用 * 网络的稳定性：由于在反馈网络中，网络的输出要反复地作为输入再送入网络中，这就使得网络具有了动态性，网络的状态在不断的改变之中，因而就提出了网络的稳定性问题。所谓一个网络是稳定的是指从某一时刻开始，网络的状态不再改变。 连接权值构成的矩阵是非负对角元的对称矩阵，该网络就具有串行稳定性； 若该矩阵为非负矩阵，则该网络就具有并行稳定性。 连续型Hopfield网络 人工智能及其应用 * 1984年，Hopfield又提出了连续时间的神经网络，在这种神经网络中，各节点可在0到1的区间内取任一实数值。连续型Hopfield网络神经元电路模型: 连续型H