第章测试智能信息处理概述.pptVIP

1.3 智能技术的综合集成 模糊系统与神经网络结合 神经网络和遗传算法结合 模糊技术、神经网络和遗传算法综合集成 智能计算研究展望 神经网络与模糊系统和进化计算结合 神经网络与模糊及混沌三者结合 神经网络与近代信号处理方法小波、分形结合 专家系统与模糊逻辑、神经网络结合 1.3.1 模糊系统与神经网络结合 1、各自优点： 模糊技术以模糊逻辑为基础，抓住了人类思维中的模糊特点，以模仿人的模糊综合判断推理来处理常规方法难以解决的模糊信息处理难题。 神经网络以生物神经网络为模拟基础，试图在模拟推理及自动学习等方面向前发展一步，使人工智能更接近人脑的自组织和并行处理等功能。 2、互补性： 将模糊技术引入神经网络可以使其处理不精确信息。 3、相似点： 都着眼于模拟人的思维；形式上有不少相似之处。 1.3.2 神经网络和遗传算法结合 1、辅助式结合 1）遗传算法对信息进行预处理，然后用神经网络求解问题； 2）神经网络对信息进行预处理，然后用遗传算法求解问题。 2、合作式结合 1）利用遗传算法来优化神经网络连接权值； 2）利用遗传算法来优化神经网络的结构。 模糊技术、神经网络和遗传算法综合集成 模糊技术作为神经网络的隶属度函数 遗传算法可以优化模糊推理神经网络系统的参数 遗传算法可以优化模糊推理神经网络系统的结构 用神经网络调节和优化具有局部性的参数 智能计算的展望 智能计算包括神经计算、模糊计算、进化计算三个主要方面，其积极意义在于促进了基于计算和物理符号结合的各种智能理论、模型，功能更强大，并能够实现更复杂系统的智能行为。 目前国际上智能计算研究正注意如下几个方面的结合： 1）神经网络与模糊系统和进化计算的结合； 2）神经网络与模糊及混沌三者的结合； 3）神经网络与近代信号处理方法小波、分形的结合； 4）专家系统与模糊逻辑、神经网络的结合，以便有效地模拟人脑的思维机制，使人工智能导向生物智能。 * * 数据结构 * * 数据结构 智能信息处理与算法 Intelligent Information Processing and Algorithm 李勇明yongmingli@cqu.edu.cn 重庆大学通信工程学院 一、智能信息处理是一门综合性的交叉学科，是信息科学的前沿领域，主要研究利用智能技术对信息进行处理的理论、方法与技术。 二、开设智能信息处理课程的必要性： 国家信息化发展的需要；学科理论发展的需要；培养高素质信息处理人才的需要。 国家《2006—2020年国家信息化发展战略》规划中指出，信息化是充分利用信息技术，开发利用信息资源，促进信息交流和共享，提高经济增长质量，推动经济社会发展转型的历史进程。20世纪90年代以来，信息技术不断创新，信息产业持续发展，信息网络广泛普及，信息化成为全球经济社会发展的显著特征，并逐步向一场全方位的社会变革演进。 课程说明 三、智能信息处理研究的主要内容 ——概述 ——具体主要智能信息处理方法 ——智能信息处理方法的实现及应用研究 四、智能信息处理的特点 （1）智能信息处理是人工智能与信号信息处理相结合的产物 （2）智能信息处理的基础理论：数据融合、神经计算、模糊计算、进化计算，等 （3）以智能信息处理为主要计算方法 智能信息处理：是人工智能技术与信息技术结合的产物，广泛地模拟人的智能来处理各种复杂信息，包括非结构化信息、海量信息、不完全信息、不确定信息、模糊信息、多媒体信息、时间空间信息、认知信息等。 主要技术与方法：数学统计、神经网络信息处理、模糊计算、进化计算，等。 五、智能信息处理的应用 智能通信、机器人、智能信号与信息处理、智能交通、智能医疗，等 第1章 概述 信息技术组成部分 主要历史发展 主要技术分类 目前研究现状和趋势 信息技术组成部分 信息 获取 信息 传输 信息 处理 信息 应用 信息源 1.1 智能计算及其主要发展历史 20世纪90年代，符号物理和连接机制结合 1992年，智能计算依靠数字材料 生物智能、人工智能、智能计算 人工神经网络为主导，与模糊逻辑系统、进化计算以及信号与信息学科的综合集成 人工神经网络特点：并行性、互连性、存储分布性、非线性、容错性、结构可变性、计算非精确性 模糊计算特点：非确定性 进化计算特点：并行性、随机性 1.2 智能信息处理的主要技术 神经计算技术 BP,RBF,Hopfield,随机型,自组织竞争型 权值计算，优化，软硬件实现，应用 模糊计算技术 模糊逻辑，粗糙集 应用 进化计算技术 GA,Tabu，PSO，ACO 软硬件实现，应用 1.2.1 神经计算技术 NAPA