西电人工智能19 计算智能 Part1.pptVIP

Artificial Intelligence (AI)人工智能 主讲：戚玉涛 内容提要 内容提要 概述 计算智能（Computational Intelligence，CI） 按照Bezdek（贝兹德克）的观点：如果一个系统仅处理低层的数值数据，含有模式识别部件，没有使用人工智能意义上的知识，且具有计算适应性、计算容错力、接近人的计算速度和近似于人的误差率这4个特性，则它是计算智能的。 从学科范畴看：计算智能是在神经网络（Neural Net-works, NN）、进化计算（Evolutionary Computation, EC）及模糊系统（Fuzzy System, FS）这3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。 概述 神经网络：是一种对人类智能的结构模拟方法，它是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去模拟生物神经系统的智能机理的。 进化计算：是一种对人类智能的演化模拟方法，它是通过对生物遗传和演化过程的认识，用进化算法去模拟人类智能的进化规律的。 模糊计算：是一种对人类智能的逻辑模拟方法，它是通过对人类处理模糊现象的认知能力的认识，用模糊逻辑去模拟人类的智能行为的。 概述 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： 概述 智能的三个层次 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) ：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。 计算智能(Computational Intelligence, CI) ：是由数学方法和计算机实现的，CI的来源数值计算的传感器。 ABC： Artificial Biological Computational 概述 ABC的交互关系：Bezdek（贝兹德克），1994 概述 另一种观点：计算智能和人工智能是不同的范畴。其代表人物是艾伯哈特（R. C. Eberhart）。 该观点认为：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。 大量实践证明，只有把AI和CI很好地结合起来，才能更好地模拟人类智能，才是智能科学技术发展的正确方向。 内容提要 神经网络 人工智能的各种学说 符号（功能）主义：符号逻辑推理 联结（结构）主义：人工神经网络 行为主义：智能行为模拟， “模式-动作” 联结主义的观点：智能的寓所在大脑皮层，它由大量非线性神经元互联而成并行处理的神经网络。 神经网络 人工神经网络（ANN）是反映人脑结构及功能的一种抽象数学模型，是由大量神经元节点互连而成的复杂网络，用以模拟人类进行知识的表示与存储以及利用知识进行推理的行为。 简单地讲，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟，是人工智能研究的一种方法。 人工神经网络力求从四个方面模拟人脑的智能行为： 物理结构，计算模拟，存储与操作，训练 人工神经网络的发展 人工神经网络的发展 段萌芽期： M-P模型,Hebb学习律 1890年，美国生物学家W. James首次阐明了有关人脑结构及其功能，以及相关学习、联想、记忆的基本规律 1943年，心理学家McCulloch和数学家Pitts建立起了M-P神经元模型。 1949年，心理学家D. O. Hebb提出神经元之间突触联系是可变的假说——Hebb学习律。 第一高潮期：单级感知器 以Minsky, Rosenblatt, Widrow等为代表人物 人工神经网络的发展 人工神经网络的发展 1957年Frank Rosenblatt定义了一个神经网络结构，称为感知器 (Perceptron) 。 把神经网络研究从纯理论的探讨推向工程实现，在IBM计算机上进行了模拟，并可以用电子线路模拟。 反思期 ：Minsky的质疑 1969年Minsky和Papert在《感知机》一书中指出感知机的缺陷，使得神经网络的研究从兴起期进入了停滞期。 芬兰学者Kohonen提出了自组织映射理论(SOM)，美国学者Grossberg提出了自适应谐振理论，这些研究成果对神经网络以后的发展产生了重要影响。 人工神经网络的发展 人工神经网络的发展 第二高潮期 ：Hopfield网络, 反向传播(BP)算法 1982年，Hopfield提出Hopfield模型。1984年， Hopfield设计研制了Hopfield网的电路。较好地解决了著名的TSP问题，引起了较大的轰动。 1985年，Hinton、Sejnowsky、Rumelhart等人在Hopfield网络中引