工智能及专家系统基于神经网络专家系统.ppt

第11章基于神经网络的专家系统 数志刚编制  第11章基于神经网络的专家系统 数志刚编制  第11章基于神经网络的专家系统 第11章基于神经网络的专家系统 11.1神经网络的概念与模型 11.1.1生物神经元 11.1.2人工神经网络 11.2神经网络模型和算法 11.2.1感知器的学习结构与算法 11.2.2B-P模型 11.2,3 Hopfield模型 11.2,4典型的人工神经网络模型 11.3神经网络专家系统 11.3,1基于神经网络的知识表示与推理 11.3,2基于神经网络的故障诊断专家系统  第11章基于神经网络的专家系统 11.1神经网络的概念与模型 神经网络NN是指由大量神经元互连而成的网络, 包括生物NN与人工神经网络ANN两个方面。 所谓生物NN是指由中枢神经系统(脑和脊髓)及周 围神经系统(感觉神经、运动神经、交感神经、副 交感神经等)所构成的错综复杂的NN,其中最重 要的是脑神经系统。 ANN是指运用大量的简单处理单元(神经元),由人 工方式建立起来的,经广泛并行互连所构成的人 工网络。它的组织能够模拟生物设计系统的真实 世界物体的交互作用,能够模拟人脑神经系统的 结构和功能。 可采用vLs、光器件、分子器 件构造人工神经元  第11章基于神经网络的专家系统 11.1.1生物神经元 来自其他细胞轴突的神经末稍 神经末稍 细胞膜 轴突 细胞核 细胞体 胞质 图11-1生物神经元的结构 突触结合树 细胞体 阙值函数轴突 图11-2生物神经元的等效方框模式  第11章基于神经网络的专家系统 神经元的一些重要特性 ①动态极化:每一神经元的信息都是以预定方向 流动的。 ②时空整合处理功能 ③神经元具有两种常规工作状态:即兴奋状态与 抑制状态。 ④结构的可塑性。 ⑤脉冲与电位转换:突触界面具有脉冲/电位信 号转换功能。 ⑥响应不应期:细胞在相邻的二次冲动之间对激 励不响应、不能传递神经冲动。  第11章基于神经网络的专家系统 11.1.2人工神经网络 1.神经网络研究的发展历史 (1)1890年,美国生物学家 W.James出版了《生理学》一书。 (2)1943年 McCulloch和pitt提出M-P模型。 (3)1949年 Donal u.Hebb提出突触联系强度可变的假设。 (4)1957年 Frank Rosenblatt义了一个NN结构,称为感知器( Perceptron) (5)1960年威德罗和霍夫率先把NN用于自动控制研究。 (6)70年代,日本 Fukusima的 Neocognitron;芬兰 Kohonen的自组织NN; Stephen Grossberg的共振自适应理论ART网络等 (7)1982年John. Hopfield提出了全连接网络,离散的NN模型,并证明了 网络可达到稳定的离散和连续两种情况 3的于算注算研究小组提出了前向反使N的B (9)1987年在美国召开了第一届世界NN大会1000人参加 0088年日本国际贸易工业省提出以NN为核心的NN计算机的研究计划。  第11章基于神经网络的专家系统 2.人工神经网络的属性 (1)非线性:人工神经元处于激活或抑制两种状态, 在数学上表现为一种非线性 (2)非局域性:一个系统的整体行为主要通过单个 神经元和单元之间的大量连接模拟大脑的非局域 性 (3)非定常性:NN是在不停地变化以适应外界环境 的变化,可以通过样本提示来模拟环境变换。 (4)非凸性:非凸性是指某个特定的状态函数有多 个极值,故系统具有多个较稳定的平衡态,这将 导致系统演化的多样性。  第11章基于神经网络的专家系统 3.人工神经网络的主要特点 (1)能较好地模拟人的形象思维、人脑神经系统结构和功 能,对信息进行并行分布处理。 (2)具有大规模并行协同处理能力。组合简单的、数量巨 大的神经元进行并行、协同的工作和集体计算。 (3)具有较强的容错能力和联想能力。当少量神经元或它 们的连接发生故障时,对网络功能的影响是很微小的,这 使得网络在整体上具有较强的鲁棒性(硬件的容错性)。 (4)具有较强的学习能力。 (5)适应性集成。NN能够适应在线运行,并能同时进行定 量和定性操作。 (6)硬件实现。NN不仅能够通过软件而且可借助软件实现 并行处理。  第11章基于神经网络的专家系统 人工智能与神经网络之间的对比 研目的人、学习、思、规皪思,阐有关人睻及其能以及相关学习眺记 解决需人类专家才能处删的复杂问题。忆的基本规 硎容坊法知表、器鈞。生黜、的,倦处斌 知限表示方法「人