人工智能知识工程和数据挖掘教材.ppt

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
? 分类数据,例如性别和婚姻状态可以用 1/N 编码来修改 ? 例如,婚姻状态可以是单身、离异、已婚 、 # 寡,已婚的人可以用( 0 0 1 0 )表 示 9.4 神经网络可以解决的问题 ? 输入层(有十个神经元)将修改后的输入 值传到隐含层 ? 隐含层包含两个神经元,输出层只有一个 神经元,隐含层和输出层的神经元使用 S 型激活函数 9.4 神经网络可以解决的问题 ? 如何解释网络的输出? ? 网络输出层的值为 0~1 之间的连续值,要 解释这个结果只需要倒转程序即可 ? 例如,在训练集中,销售价格的范围在 $52500~$225000 之间,输出值将 $50000 映射为 0 , $250000 映射为 1 ,如果网络的输出是 0.3546 ,结果为 9.4 神经网络可以解决的问题 120920 $ 50000 $ 50000 $ 250000 $ 3546 . 0 3546 . 0 ? ? ? ? ? ) ( 实际值 ? 如何验证结果? ? 为了验证结果可以使用没有遇到过的例子 集。在训练前,将所有可用的数据随机分 成训练集和测试集,可以用测试集进行测 试 ? 神经网络是不透明的,要想把握输入输出 之间的关系,可以通过灵敏度分析 ? 执行灵敏度分析要将每个输入设成最小值 ,然后再设成最大值,并测量网络的输出 9.4 神经网络可以解决的问题 ? 遗传算法可以用于很多优化问题。优化是 为问题寻找较好解决方法的基本过程。 ? 问题可能有多余一个的解决方案,而这些 解决方案品质不同。 ? 遗传算法产生候选解决种群,然后通过自 然选择使这些解决方案进化,不好的解决 方案趋向于淘汰,好的方案存活并继续繁 殖。 ? 不断的重复这个过程,遗传算法就得到了 最优解 9.5 遗传算法可以解决的问题 ? 案例:旅行推销员问题 ? 开发一个可以产生优化路线的智能系统,开车旅 行并参观欧洲中部和西部的主要城市然后再回家 ,遗传算法可以解决这个问题吗? ? 这就是著名的旅行推销员问题( TSP )。给定有 限个城市 N ,以及每两个城市之间旅行的费用( 或距离),我们要找出花费最少(或路程最短) 的路线,而每个城市都能到达且仅到达一次后回 到出发点 ? TSP 问题经常出现在运输和后勤应用中,例如学 校所属区域接送孩子,给回家的人送饭,安排收 取邮件的卡车路线 9.5 遗传算法可以解决的问题 ? 遗传算法是怎么解决 TSP 问题的 ? ? 首先,要决定如何表达推销员的路线。最 自然的方法就是路径表示法。每个城市用 字母或数字命名,城市间的路线用染色体 来表示,用合适的遗传操作来产生新的路 线 9.5 遗传算法可以解决的问题 ? TSP 中的交叉操作如何进行 ? 传统形式的交叉操作不能直接在 TSP 中使 用 9.5 遗传算法可以解决的问题 ? TSP 交叉过程 9.5 遗传算法可以解决的问题 ? TSP 突变操作如何进行? ? 有两种突变操作:倒数交换和倒置 9.5 遗传算法可以解决的问题 ? 如何定义 TSP 的适应函数?(标准) ? 一旦定义了适应性函数和遗传操作,就可 以实现并运行 GA ? 例如,假设在一个 1*1 的正方形中有 20 个城市 ? 首先选择染色体种群的大小和遗传代数。 可以让种群从小到大。 9.5 遗传算法可以解决的问题 9.5 遗传算法可以解决的问题 ? 如何得知已经找到了最佳路线? ? 实际上我们不可能知道是否找到了最佳路 线。只有用不同的染色体种群大小、不同 的交叉率和突变率做更多的测试,才能得 到答案 9.5 遗传算法可以解决的问题 ? 要解决现实世界中复杂的应用问题,需要 融合专家系统、模糊逻辑、神经网络和进 化计算这些方法的优点的复杂智能系统 ? 混合智能系统还在发展中,神经网络可以 从数据中进行学习,模糊逻辑最重要的优 势是模拟人类的决策能力 9.6 混合智能系统可以解决的问题 ? 案例:神经模糊决策支持系统 ? 开发一个根据心脏图像进行心肌灌注诊断 的智能系统。有一些心脏图像以及临床说 明和应声的注解。混合系统可以解决这个 问题吗? 9.6 混合智能系统可以解决的问题 ? 现代心脏内科学诊断的基础是分析 SPECT (单光子发射计算机断层图像) 图像。给患者注入放射性示踪剂,就可以 获得两套 SPECT 图像(负荷图像和静息 图像),心脏专家通过比较两个图像就可 以发现心脏功能的异常 ? SPECT 图像时一种 256 个灰度的高分辨 率的二维黑白图像。图像中比较明亮的地 方和心肌灌注良好的部分对应,较暗的地 方表示缺血,通过观察 SPECT 图像比较 主观,容易出错,所以智能系统就体现了 很大的价值所在 9.6 混合智能系统可以解决的问题 ? 在本案例中我们使用 276 个

文档评论(0)

jinzhuang + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档