人工智能建模方法.docxVIP

丰專内容 1.人工智能建模相矢概念 2?人工智能的两个流派 2.1基于知识的人工智能系统 2.2人工神经网络 3?基于知识的人工智能建模 4?人工神经网络建模 5?人工智能建模发展趋势 6?小结 1 ?相尖概念 -人工々健：通过人造物来模拟人的智能的一种方法及其 实现技术的一门学科。 ■人工智健建僕：通过模拟人认识客观事物和解决实际问题的 方法对实际系统或系统的某一部分进行描述和表达的过程。 也可以简述为利用人工智能方法对实际系统或系统的某一部 分进行描述和表达的过程° 2.1基于知识的人工智能系统 Artificial Intelligent System Based on Knowledge ■ 一种从功能角度来模拟人类（特别是各领域专家）智 能的方法，也称为专家系统、符号主义 或逻辑主义。 专家之所以具有智能，能认识和解决某一领域内的实 际问题，尖键在于专家具备该领域内的各种磁（常识. 书本知识和买际工作中积累的经验），并且能够运用 这些知识进行适当的-rm 2.1基于知识的人工智能系统 -对人类理性认识过程（或逻辑思维过程）的一种模拟， 建立在概念、判断和推理这些抽 象语言符号的基础 上。 知识的表不 ?如何把专家知识转化为机器所能识别、存储和使用的形式。 2.1基于知识的人工智能系统 □常用知识表示方法 谓词逻辑 适用场合一用于表达《念和判断等事实知识° 举例一“鲸是哺乳动物”这一判斷用谓词逻辑《示为；哺乳动物（鲸〉，产生式 规则 适用场合一适于表达具有因果矢系的逻辑推理知识? 举一編如果是合金钢，应该进行热处理”这一推理用产生式规则可以 袤示为： IF合金钢THEN热处理； 框架表示 适用场合一用于表示棊一操作序列? 举例一…》头用过程表示表示为：｛和而、定型、蒸?起锅｝? 2.1基于知识的人工智能系统 推理方法 ■ 研究机器如何模拟人类进行知识选择并运用这些知识分析和解决 实际问题。 常用推理方法: 由已知条件推出结论的正向血《 …由结论出发，寻找应具备条件的反 □综合使用正向推理和反向推理的取崗他方法? 研究热点二知识表示和推理中的不确定性和模糊性问题. 「不确定性是由于各种随机因素的影响而造成的对预测结果的不肯定 程度，一般由概率来描述这种不肯定程度的大小■如，明天降水概率 80% ? □模糊性是由于语言表达时词语所对应的概念内涵和外延的不确 定性 决定的■如：“温度高”的表述。 2.1基于知识的人工智能系统 □优点： 1） 表爻 力强?可以表达难以用数学公式来描述的复杂、定性的经 2） 灵活性?知识的存放和推理过程相互独立的，通过知识的修改和扩 充?系统可以适应新的需求。 3）透明性■无论知识的表达还是推理过用户对系绕II理 ?使得 可以具有明筋认识. □缺点? ?知?识获取的困囂專 2） 异常庞 条知识的错误，都有可能导致整个推理的错误，因此系统容 2.2人工神经网络 Artificial Neural Networks 一种从生理解剖角度，通过模仿人脑的生理结构来模 拟人类智能的方法。 □人的大脑由大量神经元细胞高度互连而成，每个神经元可以对从树突输入 的信号进行融合和简单的加工?然后由轴突输出； 神经元细胞之间通过树突与轴究相互接触而形成的央触相连， 神经元之间的连接方式和连接强度决定了大脑的功能，而神 经元之间的连接方式和连接强度可以通过后天的学习而发生 改变，神经 元之间的连接方式和连接强度显示了人类对知识的记忆过程。 2.2人工神经网络 电脉冲细胞体I 电脉冲 细胞体I形以q 轴突 ?树 ■映 9 信息处理 传输 鹽箱 2.2人工神经网络 模拟了人的感性思维过程，即模拟了人的识别、分类?逼 近、记忆、联想等智能活动。 -X4LZ : 网络结构 确定网络中神经元的个数和神经元之间的连接方式。 根据神经元网络中是否存在从输出到输入的反馈和同层神经元之间是否相 互连接（也称横向连接）分为三类. 既无反馈也无横向连接的血庾络?前向网络可以识别存储过的模式 并能逼近 任意函数，主要用于解决识别和逼近问题. 有反馈但无横向連接的。反馈网络能够从局部ffi息中识别存储模式并且反 馈网络能够向能*最低的状态演化，因此反馈网络主要用于联想记忆和优化 问题求解? 具有横向连接的A?朋络。竞争网络通过同层神经元之间的竞争可以实现输 入模式的自动分类? 2.2人工神经元网络 農德阿魁三： 学习方法 ■对于神经元网络而言，所谓学习实际上就是根据典型实例样本（也称训 练样本）确定各神经元权值3,的过程. ?主要学习方法： U在神经元网络设计中，直接利用训练样本数据计算网络权值； □在神经元网络设计时先将网络权值取为任意值，然后将训练样本输 入神经元网络，通过不断调整网络权值，使神经元网络的输出接近 于理想输出。该类学习方法