人工智能ch1节.pptVIP

　　作为人工智能创始人之一的著名学者明斯基(Minsky)应用数学理论对以感知器为代表的简单网络作了深入的分析, 于1969年他与白伯脱(Papert)共同发表了颇有影响的《Perceptrons》一书。书中证明了那时使用的单层人工神经网络, 无法实现一个简单的异或门(XOR) 所完成的功能。 因而明斯基本人也对神经网络的前景持悲观态度。 　 由于明斯基的理论证明和个人的威望, 这本书的影响很大, 使许多学者放弃了在该领域中的继续努力,政府机构也改变基金资助的投向。另一方面, 由于在此期间,人工智能的基于逻辑与符号推理途径的研究不断取得进展和成功, 也掩盖了发展新途径的必要性和迫切性, 于是, 神经网络的研究进入低谷。 　　经过这些科学家的艰苦探索, 神经网络的理论和技术在经过近20年的暗淡时期后终于有了新的突破和惊人的成果。1985年美国霍布金斯大学的赛诺斯(T. Sejnowsk)开发了名为NETtalk英语读音学习用的神经网络处理器, 输入为最多由7个字母组成的英语单词, 输出为其发音, 由于该处理器自己可以学习许多发音规则, 因此从一无所知起步, 经过3个月的学习所达到的水平已可同经过20年研制成功的语音合成系统相媲美。 同年, 美国物理学家霍普菲尔特(J. Hopfield)用神经网络迅速求得了巡回推销员路线问题(即旅行商问题)的准优解, 显示它在求解“难解问题”上的非凡能力。 　　实际上,早在1962年,霍普菲尔特就提出了著名的HNN模型。 在这个模型中, 他引入了“计算能量函数”的概念, 给出了网络稳定性判据, 从而开拓了神经网络用于联想记忆和优化计算的新途径。此外, 还有不少成功的例子， 这些重大突破和成功, 轰动了世界，人们开始对冷落了近 20 年的神经网络又刮目相看了。另一方面, 在这一时期, 虽然在符号主义途径上, 人工智能在专家系统、知识工程等方面取得很大的进展, 但在模拟人的视觉、听觉和学习、适应能力方面, 却遇到了很大的困难。 这又使人们不得不回过头来对人工智能的研究途径作新的反思, 不得不寻找新的出路。正是在这样的背景下, 神经网络研究的热潮又再度出现。 　　1987年6月, 第一届国际神经网络会议(ICNN)在美国圣第亚哥召开。会议预定800人,但实际到会达2000多人。会上气氛之热烈, 群情之激昂, 据报导是国际学术会议前所未有的。 例如, 会上有人竟喊出了“AI is dead. Long live Neural Networks”的口号。会议决定成立国际神经网络学会, 并出版会刊《Neural Networks》。  　　从此之后, 神经网络便东山再起, 其研究活动的总量急剧增长, 理论与技术继续进展, 应用成果不断涌现, 新的研究机构、实验室、商业公司与日俱增, 世界各国政府也在组织与实施有关的科研攻关项目。 　 1.9.4 计算智能异军突起 　　1965年美国学者L.A. Zadeh推广了传统集合的定义提出了模糊集合(fuzzy set)的概念。基于模糊集合人们又发展了模糊逻辑、模糊推理、模糊控制等,形成了一系列处理不确切性信息和知识的理论和方法, 构成了现在所称的模糊理论、 模糊技术或模糊计算。  　　1994年, 关于神经网络、进化程序设计和模糊系统的三个IEEE国际会议联合举行了首届计算智能大会“The First IEEE World Congress on Computational Intelligence”。这标志着一个有别于符号智能的人工智能新领域——计算智能正式形成。 　　另外, 在20世纪90年代前后, 又涌现出了一批计算智能的新理论和新算法:  　　——20世纪90年代初, 意大利学者多里戈(M. Dorigo)、 马尼佐(V. Maniezzo)和科洛龙(A. Colorni)等人研究蚂蚁寻找路径的群体行为, 提出了蚁群优化算法(Ant Colony Optimization, ACO)。 　　——1986年, Farmer首次将人体免疫机理和人工智能结合起来。1990年伯西尼(Bersini)首次使用免疫算法(Immune Algorithm， IA)来解决实际问题。 20世纪末, 福雷斯特(Forrest)等将免疫系统中抗体识别抗原的机理与遗传算法相结合, 提出了免疫遗传算法, 并将其用于计算机安全。 同期, de Castro和Gaspar分别从克隆选择原理出发建立了克隆选择算法和模式跟踪算法; Dasgupta设计了阴性选择算法, 并用于入侵检测问题; 亨特(Hunt)等人又将免疫算法用于机器学习领域。  　　——源于对鸟群捕食的行为研究, Eberhart和Kennedy开发了粒群优化算法(Particle Swarm O