智能信息处理及应用.ppt.ppt

智能信息处理及应用 考核方式及其它： 作业：论文一篇、8次上机实验和实验报告。 考核成绩：论文、上机实验、开卷考试。 论文撰写要求 参考文献数不能少于6篇。 字数不能少于3000字。 以下几种情况论文将被退回重写：内容太差、排版太差、错别字太多、字数太少。 以下两种情况论文成绩为不及格：论文被退稿2次、没有按时交论文。 课程主要内容： 第一章 绪论 第二章 智能优化算法 第三章 神经网络信息处理 第四章 模糊信息处理 第五章 数字图像中的智能信息处理 第一章 绪论 智能信息处理的产生和发展 信息技术 智能理论 智能信息技术 1.1 智能信息处理的产生和发展 20世纪90年代以来，在智能信息处理研究的发展过程中，研究人员对精确处理与非精确处理的双重性给予了极大关注，一门称为计算智能的新学科分支被概括地提出来，并以更加明确的目标蓬勃发展。 1992年，美国学者J. C. Bezdek首次给出计算智能的定义。 《近似推理》：计算智能依靠生产者提供的数字材料，而不是依赖于知识，而人工智能使用的是知识精华。 Bezdek认为：人工神经网络应称为计算神经网络，计算智能是人工智能的子集。 1.1 智能信息处理的产生和发展 1994.6.25～7.3，IEEE为了促进多学科渗透和结合，把模糊系统、神经网络和进化计算三个年会合并举行，在美国佛罗里达州的奥兰多召开全球第一届计算智能大会（WCCI）。 此次会议是计算智能的第一次综合性大会，大会的主题是计算智能，共收集了来自世界各国学者的约1600篇论文，出版了《计算智能、模仿生命》的论文集。 大会决定计算智能会议每三年召开一次。 1.1 智能信息处理的产生和发展 在94年的WCCI会议中， Bezdek在 “什么是计算智能”的报告中提出：智能有三个层次， 第一层是生物智能（Biological Intelligence，简称BI） 由人脑的物理化学过程反映出来，人脑是有机物，它是智能的物质基础。 第二层是人工智能（Artificial Intelligence，简称AI） 非生物的、人造的，常用符号表示，AI的来源是人的知识精华和传感器数据。 第三层是计算智能（Computational Intelligence，简称CI） 由数学方法和计算机实现，CI的来源是数值计算和传感器。 1.1 智能信息处理的产生和发展 AI、BI、CI三者第一个英文字符取出来称之为ABC。 从复杂性看也存在三个层次：B（有机）、A（符号）、C（数值）。 BI包含了AI，AI又包含了CI。 按Bezdek的看法： AI是CI?BI的中间过渡 AI中除了计算算法外，还包含符号表示和数值信息处理。 模糊集和模糊逻辑是CI?AI的平滑过渡 它包含了数值信息和语义信息。 计算神经网络是一个最底层最基本的环节，也是CI的一个重要基石，主要用于模式识别。 1.1 智能信息处理的产生和发展 计算智能有两个重要特征是人们比较共同认可的： 计算智能主要依赖生产者提供的数字材料，而不是知识；它主要借助数学计算方法（特别是与数值相联系的计算方法）的使用。 注意： CI中“计算”的概念在内涵上已被拓广和加深。一般，在解空间进行搜索的过程都被称为计算。 “计算智能”概念的提出具有科学研究分类学的意义，促进了基于计算的、基于计算和基于符号物理相结合的各种智能理论、模型、方法的综合集成。 1.1 智能信息处理的产生和发展 一般来说，智能信息处理可以划分为两大类： 基于传统计算机 基于神经计算（人工神经网络信息处理系统） 由于传统与神经计算机的主要特征，这两类智能信息处理系统有本质上的区别： 计算原理 存储记忆功能能力 逻辑推理 知识处理方法 1.1 智能信息处理的产生和发展 在计算原理上 传统计算机以冯·诺依曼计算机思想设计，即使采用并行机连接成超高速的信息处理系统，每个分机仍按一系列指令串行计算工作，且并行机之间的信息运算很少有相互协作关系。 神经计算机由大量简单神经处理系统连成，是以网络形式进行计算的并行处理系统。 1.1 智能信息处理的产生和发展 在存储记忆功能方面 冯·诺依曼计算机中，信息与知识存储在与处理器分开的独立存储器中。 神经计算机以各处理器本身的状态与它们的联接形式分布存储信息，使其具有强的自学习性、自组织性和高的鲁棒性(Robustness)。 1.1 智能信息处理的产生和发展 逻辑推理方面 传统计算机和人工智能采取逻辑符号推理的途径去研究人类智能的机器化，其智能信息处理系统可具有人类的逻辑思维功能。 神经网络计算机以神经元联接机制为基础，从网络结构