AI第5章-计算智能要点.ppt

Artificial Intelligence (AI)人工智能;内 容; 现代科技发展的一个显著特点就是学科间的交叉、渗透和促进。(如生物信息学) 计算智能是另一个有说服力的示例。 计算智能涉及神经计算、模糊计算、进化计算、粒群计算、蚁群计算、自然计算、免疫计算和人工生命等领域。 反映了多学科交叉与集成的发展趋势。; 通过人工方法模仿人类智能已有很长历史（如仿生学的众多成果）,都是人类人工模仿智能的典型例证，而现代人工智能领域则力图抓住智能的本质。 人工神经网络（ANN）主要是通过Hopfield网络的促进和反向传播(BP)网络训练多层感知器来推广的，将神经网络(NN)归类于人工智能可能不太合适，而归类于计算智能（CI）应更能说明问题实质。 进化计算、人工生命和模糊逻辑系统的某些课题，也都归类于计算智能。; 第一个对计算智能的定义由贝兹德克（Bezdek）于1992年提出。他认为，从严格意义上讲，计算智能取决于制造者提供的数据数值，而不依赖于知识；另一方面，人工智能则应用知识。 他认为，人工神经网络应当称为计算神经网络。; 尽管计算智能与人工智能的界限并不十分明显，但讨论它们的区别和联系是有必要的。 贝兹德克对相关术语给予一定的符号和简要说明或定义。 他给出有趣的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。;ABC与神经网络(NN)、模式识别(PR)和智能(I)之间的关系:; 当一个系统只涉及数值(低层)数据，含有模式识别部分，不使用人工智能意义上的知识,且具有计算适应性、计算容错性、接近人的速度、　 近似于人的误差率这4个特性，则该系统就是计算智能系统。 一个计算智能系统以非数值方式加上知识值，即成为人工智能系统。 从学科范畴看： 计算智能是在神经网络(NN）、进化计算(EC）及模糊系统(FS）这三个领域发展相对成熟的基础上，形成的一个统一的学科概念。;Computational Intelligence;神经网络 对人类智能的结构模拟方法。通过对大量人工神经元的广泛并行 互联，构造人工神经网络系统以模拟生物神经系统的智能机理。 进化计算 对人类智能的演化模拟方法。通过对生物遗传和演化过程的认识, 用进化算法模拟人类智能的进化规律。 模糊计算 对人类智能的逻辑模拟方法，通过对人类处理模糊现象认知能力 的认识，用模糊逻辑模拟人类的智能行为。; 计算智能不仅涉及神经网络、模糊系统和进化计算三个 主要分支，还包括：;生物智能 (Biological Intelligence，BI) 由脑的物理化学过程反映出来的, 脑智能的基础。 人工智能 (Artificial Intelligence，AI) 非生物的,人造的,常用符号表示，来源于人类知识的精华。 计算智能 (Computational Intelligence，CI) 由数学方法和计算机实现的，来源于数值计算的传感器。 ABC： Artificial Biological Computational;另一种观点：计算智能和人工智能是不同的范畴。 虽然人工智能与计算智能之间有重合，但计算 智能是一个全新的学科领域，无论是生物智能 还是机器智能，计算智能都是其最核心的部分, 而人工智能则是外层。 实践证明，只有将AI和CI很好地结合起来，才能更好地 模拟人类智能，才是智能科学发展的正确方向。;内容提要;5.2 神经计算; 现代计算机虽有很强的计算和信息处理能力，但解决 像模式识别、感知、评判和决策等复杂问题的能力却远远 不及人。特别是其只能按人预先编好的程序机械地执行， 缺乏向环境学习、适应环境的能力。; 人脑是由大量的基本单元（神经元）经过复杂的互连 而构成的一种高度复杂、非线性、并行处理的信息处理系 统,单个神经元的反应速度在毫秒级，比起计算机的基本单 元---逻辑门（反应时间在10-9s量级）慢5～6个数量级。但 由于人脑的神经元数量巨大（约为1010个），每个神经元可 与几千个其他神经元连接（总连接数约为6×1013），因而 对有些问题的处理速度反而比计算机要快得多，且能耗要 低得多。由此可见，人脑的性能要比现代计算机高得多。; 所谓人工神经网络，是模仿人脑工作方式而设计的一 种机器，可用电子或光电元件实现