《人工智能》-第四章 计算智能(1).pptVIP

中南大学 智能系统与智能软件研究所 人 工 智 能 主讲: 吴顺祥 教授 模式识别与智能系统研究所 第四章 计算智能(1) 神经计算 模糊计算 4.1 概述 信息科学与生命科学的相互交叉、相互渗透和相互促进是现代科学技术发展的一个显著特点。 计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，它的研究和发展正反映了当代科学技术多学科交叉与集成的重要发展趋势。 什么是计算智能 人工神经网络（ANN）研究自1943 年就开始了，期间几起几落，波浪式向前发展。而在20世纪80年代，由于Hopfield网络的促进和反向传播网络（back－propagation ,BP) 训练多层感知器来推广的。把神经网络（NN）归类于人工智能（AI）可能不大合适，而归类于计算智能（CI）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。 计算智能的定义最早由贝兹德克（Bezdek）1992年提出的，他认为，计算智能取决于制造者（manufacturers）提供的数值数据，不依赖于知识；另一方面，人工智能应用知识精品（knowledge tidbits）。所以，他认为，人工神经网络应当称为计算神经网络。 马科斯(Marks) 在1993年提到了计算智能和人工智能的区别，而贝兹德克则关心模式识别（PR）与生物神经网络（BNN）、人工神经网络（ANN）和计算神经网络（CNN）的关系，以及模式识别与其它智能的关系。忽视ANN与CNN的差别可能导致对模式识别中神经网络模型的混淆、误解、误表示和误用。 贝兹德克对这些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 下图4.1表示ABC及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。它是由贝兹德克于1994年提出的。图中间部分有9个节点，表示九个研究领域或学科。图中，A，B，C三者对应三个不同的系统复杂性级别，其复杂性自左向右及自底向上逐步提高。而节点间的距离则衡量领域间的差异。符号→表示“适当的子集”。 计算智能与人工智能的区别和关系 ABC及其相关领域的定义 由上图可见，计算智能是一种智力方式的低层认知，它与人工智能的区别只是认知层次从中层下降至低层而已。中层系统含有知识（精品），低层系统则没有。 当一个系统只涉及数值（低层）数据，含有模式识别部分，不应用人工智能意义上的知识，而且能够呈现出： （1）计算适应性； （2）计算容错性； （3）接近人的速度； （4）误差率与人相近， 则该系统就是计算智能系统。 当一个智能计算系统以非数值方式加上知识（精品）值，即成为人工智能系统。 4.2 神经计算 本节将介绍人工神经网络的由来、特性、结构、模型和算法；然后讨论神经网络的表示和推理。这些内容是神经网络的基础知识。神经计算是以神经网络为基础的计算。 概述 什么叫人工神经网络 采用物理可实现的系统来模仿人脑神经细胞的结构和功能的系统。 为什么要研究神经网络 用计算机代替人的脑力劳动。 计算机速度为纳秒级，人脑细胞反应时间是毫秒级。而计算机不如人。 长期以来人类的梦想，机器既能超越人的计算能力，又有类似于人的识别、分析、联想等能力。 概述 人工智能与神经网络 共同之处：研究怎样使用计算机来模仿人脑工作过程。学习——实践——再学习——再实践 。 不同之处： 人工智能研究人脑的推理、学习、思考、规划等思维活动，解决需人类专家才能处理的复杂问题。 神经网络企图阐明人脑结构及其功能，以及一些相关学习、联想记忆的基本规则（联想、概括、并行搜索、学习和灵活性） 概述 例如： 人工智能专家系统是制造一个专家，几十年难以培养的专家。 神经网络是制造一个婴儿，一个幼儿，一个可以学习，不断完善，从一些自然知识中汲取智慧的生命成长过程。 同样是模仿人脑，但所考虑的角度不同。成年人和婴儿。学习过程不一样。一个是总结出常人都不懂得规律；一个是没完没了向他出示、重复一样东西，就象教一个小孩子说话。 概述 4.2.1 人工神经网络研究的进展 1960年威德罗和霍夫率先把神经网络用于自动控制研究。 60年代末期至80年代中期，神经网络控制与整个神经网络研究一样，处于低潮。 80年代后期以来，随着人工神经网络研究的复苏和发展，对神经网络控制的研究也十分活跃。这方面的研究进展主要在神经网络自适应控制和模糊神经网络控制及其在机器人控制中的应用上。 人工神经网络的特性 并行分布处理：神经网络具有高度的并行结构和并行实现能力，因而具有较好的耐故障能力和较快的