人工智能习题答案-第4章-计算智能1-神经计算-模糊计算.docxVIP

第四章 计算智能（1）：神经计算 模糊计算 4-1 计算智能的含义是什么？它涉及哪些研究分支？ 贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的 低层认知。 主要的研究领域为神经计算，模糊计算，进化计算，人工生命。 4-2 试述计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。 计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能 的基础上引入知识而产生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。 即 CI 包含 AI 包含 BI 4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？ 人工神经网络具有如下至关重要的特性： (1) 并行分布处理 适于实时和动态处理 (2) 非线性映射 给处理非线性问题带来新的希望 (3) 通过训练进行学习 一个经过适当训练的神经网络具有归纳全部数据的能力，能够解决那些由数学模型或描述规 则难以处理的问题 (4) 适应与集成 神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号，实现信息集成 和融合，适于复杂，大规模和多变量系统 (5) 硬件实现 一些超大规模集成是电路实现硬件已经问世，使得神经网络成为具有快速和大规模处理能力 的网络。 4-4 简述生物神经元及人工神经网络的结构和主要学习算法。 原始文档来自 蔡自兴 老师的《人工智能》课件 /jpkc2003/rengongzhineng/rengongzhineng/kechengxiti.htm 仅用于学习交流 ^_)^ 请勿用于任何商业用途！ Contact me：/xxAI 生物神经元 大多数神经元由一个细胞体(cell body 或 soma)和突(process)两部分组成。突分两类， 即轴 突(axon)和树突(dendrite)，轴突是个突出部分，长度可达 1m，把本神经元的输出发送至其 它相连接的神经元。树突也是突出部分，但一般较短，且分枝很多，与其它神经元的轴突相 连，以接收来自其它神经元的生物信号。 轴突的末端与树突进行信号传递的界面称为突触 (synapse)，通过突触向其它神经元发送信 息。对某些突触的刺激促使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平， 它才能开始工作。此时，神经元就产生一个全强度的输出窄脉冲，从细胞体经轴突进入轴突 分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲转化为下一个神经元 的兴奋或抑制。学习就发生在突触附近。 每个人脑大约含有 10^11-10^12 个神经元，每一神经元又约有 10^3-10^4 个突触。神经元通 过突触形成的网络，传递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网 络群体，用于实现记忆与思维。 人工神经网络的结构 人工神经网络由神经元模型构成。每个神经元具有单一输出，并且能够与其它神经元连接， 存在许多输出连接方法，每种连接方法对应于一个连接权系数。 人工神经网络的结构分为 2 类， (1) 递归(反馈)网络 有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield 网络， Elmman 网络和 Jordan 网络是代表。 (2) 前馈网络 具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号 通过单向连接流通，神经元从一层连接至下一层，不存在同层神经元之间的连接。多层感知 器(MLP)，学习矢量量化网络(LVQ)，小脑模型连接控制网络(CMAC)和数据处理方法网络 (GMDH)是代表。 人工神经网络的主要学习算法 (1) 指导式(有师)学习 根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta 规则，广义 Delta 规则，反向传播算法及 LVQ算法。 (2) 非指导(无导师)学习 训练过程中，神经网络能自动地适应连接权，以便按相似特征把输入模式分组聚集。包括 原始文档来自 蔡自兴 老师的《人工智能》课件 /jpkc2003/rengongzhineng/rengongzhineng/kechengxiti.htm 仅用于学习交流 ^_)^ 请勿用于任何商业用途！ Contact me：/xxAI Kohonen 算法，Carpenter-Grossberg 自适应谐振理论(ART) (3) 强化学习 是有师学习的一种特例。它不需要老师给出目标输出，而是由一个“评论员”来评介与给定 输入相对应的神经网络输出的优度。例如遗传算法(GA) 4-5 考虑一个具有阶梯型阈值函数的神经网络，假设 （1） 用一常数乘所有的权值和阈值； （2） 用一常数加于所有权值和阈值。 试说明网络性能是否会变化？ 4-6 构作一个神经网络，用于计算含有 2 个