人工智能宣讲.ppt

资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 3 THREE 第三部分 发展成果 三 发展成果 发展成果 知识工程： 专家系统，智能搜索引擎等 模式识别： 2D/3D/多维识别系统 人机对弈： Deep blue AlphaGo 自动工程： 猎鹰系统等 人机对弈 1996年2月10～17日， Garry Kasparov以4：2战胜“深蓝” （Deep Blue）。 1997年5月3～11日， Garry Kasparov以2.5：3.5输于改进后的“深蓝”。 2003年2月Garry Kasparov 3:3战平 “小深”（Deep Junior）。 2003年11月Garry Kasparov 2:2战平 “X3D德国人” (X3D-Fritz）。 2016年 谷歌围棋人工智能AlphaGo4:1胜李世石。 * 计算智能神经计算 神经计算的概念：亦称神经网络(Neural Network，NN)，它是通过对大量人工神经元的广泛并行互联所形成的一种人工网络系统，用于模拟生物神经系统的结构和功能。 主要研究内容：包括人工神经元的结构和模型，人工神经网络的互连结构和系统模型，基于神经网络的联结学习机制等 人工神经元：是指用人工方法构造单个神经元，它有抑制和兴奋两种工作状态，可以接受外界刺激，也可以向外界输出自身的状态，用于模拟生物神经元的结构和功能，是人工神经网络的基本处理单元。 人工神经网络的互连结构（或称拓扑结构）是指单个神经元之间的连接模式，它是构造神经网络的基础。从互连结构的角度，神经网络可分为前馈网络和反馈网络两种主要类型。 网络模型是对网络结构、连接权值和学习能力的总括。最常用的有传统的感知器模型，具有误差前向传播功能的前向传播网络模型，采用反馈连接方式的反馈网络模型等。 神经网络具有自学习、自组织、自适应、联想、模糊推理等能力，在模仿生物神经计算方面有一定优势。目前，神经计算的研究和应用已渗透到许多领域，如机器学习、专家系统、智能控制、模式识别等。 * 机器学习神经学习 神经学习的概念：神经学习也称为连接学习，它是一种基于人工神经网络的学习方法。现有研究表明，人脑的学习和记忆过程都是通过神经系统来完成的。在神经系统中，神经元既是学习的基本单位，同是也是记忆的基本单位。 神经学习的类型： 感知器学习实际上是一种基于纠错学习规则，采用迭代的思想对连接权值和阈值进行不断调整，直到满足结束条件为止的学习算法。 BP网络学习是一种误差反向传播网络学习算法。这种学习算法的学习过程由输出模式的正向传播过程和误差的反向传播过程所组成。其中，误差的反向传播过程用于修改各层神经元的连接权值，以逐步减少误差信号，直至得到所期望的输出模式为止。 Hopfield网络学习实际上是要寻求系统的稳定状态，即从网络的初始状态开始，逐渐向其稳定状态过渡，直至达到稳定状态为止。至于网络的稳定性，则是通过一个能量函数来描述的。 模式识别 主要有2D识别引擎、 3D识别引擎