人工智能论文-轶劼版.docVIP

人工智能的未来发展方向 ------人工神经网络 软件工程0805 200826630524 张力伟 1前言 人工神经网络从最小单元和网络组成上都是基于模仿人脑的。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 我就通过对比人脑，来分析一下人工神经网络的组成及工作特点。 2神经系统简述 2.1神经细胞的信息传递 神经细胞利用电-化学过程交换信号。输入信号来自另一些神经细胞。这些神经细胞的轴突末梢和本神经细胞的树突相遇形成突触，信号就从树突上的突触进入本细胞（如图1所示）。信号在大脑中实际怎样传输是一个相当复杂的过程，但就我们而言，重要的是把它看成和现代的计算机一样，利用一系列的0和1来进行操作。就是说，大脑的神经细胞也只有两种状态：兴奋和不兴奋（即抑制）。发射信号的强度不变，变化的仅仅是频率。神经细胞利用一种我们还不知道的方法,把所有从树突上突触进来的信号进行相加，如果全部信号的总和超过某个阀值，就会激发神经细胞进入兴奋状态，这时就会有一个电信号通过轴突发送出去给其他神经细胞。如果信号总和没有达到阀值，神经细胞就不会兴奋起来。这样的解释有点过分简单化，但已能满足我们的目的。 图1 2.2神经细胞的特性 第一，神经细胞具有可塑性.如果一个神经细胞在一段时间内受到高频率的刺激，则它和输入信号的神经细胞之间的连接强度就会按某种过程改变，使得该神经细胞下一次受到激励时更容易兴奋。与此相反的就是，如果一个神经细胞在一段时间内不受到激励，那么它的连接的有效性就会慢慢地衰减。这一现象就称可塑性。 第二．神经细胞对损伤有冗余性。大脑即使有很大一部分受到了损伤，它仍然能够执行复杂的工作。一个著名的试验就是训练老鼠在一个迷宫中行走。然后，科学家们将其大脑一部分一部分地、越来越大地加以切除。他们发现，即使老鼠的很大的一部大脑被切除后，它们仍然能在迷宫中找到行走路径。这一事实证明了，在大脑中，知识并不是保存在一个局部地方。另外所作的一些试验则表明，如果大脑的一小部分受到损伤，则神经细胞能把损伤的连接重新生长出来。 第三，神经细胞处理信息的效率极高。神经细胞之间电-化学信号的传递，与一台数字计算机中CPU的数据传输相比，速度是非常慢的，但因神经细胞采用了并行的工作方式，使得大脑能够同时处理大量的数据。例如，大脑视觉皮层在处理通过我们的视网膜输入的一幅图象信号时，大约只要100ms的时间就能完成。神经细胞的平均工作频率只有100Hz，100ms的时间就意味10个计算步骤就能完成计算。 第四，神经细胞善于归纳推广。大脑和数字计算机不同，它极擅长的事情之一就是模式识别，并能根据已熟悉信息进行归纳推广。例如，我们能够阅读他人所写的手稿上的文字，即使我们以前从来没见过他所写的东西。 大脑思维是有意识的，这个涉及到人工智能是否拥有自我意识不做讨论。 3人工神经网络 3.1人工神经网络概述 人工神经网络的最小处理单元就是人工神经细胞。这是一个概念性的东西，它的组成如图2和图3所示： 图2 图3 图中，左侧几个灰底圆中所标字母w代表浮点数，称为权重（weight，或权值，权数）。进入人工神经细胞的每一个input都与一个权重w相联系，正是这些权重将决定神经网络的整体活跃性。因为权重可正可负，故能对与它关联的输入施加不同的影响，如果权重为正，就会有激发作用，权重为负，则会有抑制作用。当输入信号进入神经细胞时，它们的值将与它们对应的权重相乘，作为图中大圆的输入。大圆的‘核’是一个函数，叫激励函数，它把所有这些新的、经过权重调整后的输入全部加起来，形成单个的激励值(。激励值也是一浮点数，且同样可正可负。然后，再根据激励值来产生函数的输出也即神经细胞的输出：如果激励值超过某个阀值，就会产生一个值为1的信号输出；如果激励值小于阀值，则输出一个0。这是人工神经细胞激励函数的一种最简单的类型。在这里，从激励值产生输出值是一个阶跃函数。 一个人工神经细胞(从现在开始，我将把“人工神经细胞”简称它为“神经细胞”) 可以有任意n个输入，n代表总数。可以用下面的数学表达式来代表所有n个输入： x1, x2, x3, x4, x5, ..., xn 同样 n 个权重可表达为: w1, w2, w3, w4, w5 ..., wn 激励值就是所有输入与它们对应权重的之乘积之总和，因此，现在就可以写为: a = w1x1 + w2x2 + w3x3 + w4x4 + w5x5 +...+ wnxn 即 大脑里的生物神经细胞和其他无数的神经细胞相互连接在一起，组成各种功能区域。为了创建一个人工神经网络，人工神经细胞也要以同样方式