智能计算培训讲义.pptVIP

第5节 NN、FS、GA与AI NN：模拟人脑 FS： 模拟人类的主观的信息处理方式 GA：模拟生物的进化方式 共通点：从生物中学习 AI：追求人类智能信息处理的手法的领域 NN、FS、GA的最初的想法，都是在50年代中期及其后10年产生 这也是计算机自诞生、成品上市、语言发表等，逐渐普及的年代 利用计算机，来探索进行智能处理的原理、方法，及新的信息处理方式等的摸索，也是在这一时期活跃起来 结果，AI先发展了起来 进行符号处理的AI，适合于当时性能还不充分的计算机 AI的最初想法，是将智能的机能，利用计算机等来实现 所以，利用计算机解puzzle，game等，进行了各种尝试 这一时期使用的技术手法，是探索 知识的重要性 建立于只有逻辑思维，没有形象思维，适合于数值计算、符号推理、求精确解的计算机基础上的人工智能方法，在用于实际问题时，必然会受到一定的影响 与游戏相比，必须要考虑非常多的因素 人类在知识与经验的基础上进行学习，进行高度的推理、思考、判断等 重要的是知识，需要将知识输入计算机 计算智能 教学内容 BP算法 算法推导 改进算法 竞争型神经网络 自组织映射神经网络SOM 学习向量量子化神经网络LVQ 神经网络小结 神经网络应用举例 教学内容 第三章 遗传算法 第1节~第4节 遗传算法的原理 遗传算法的应用 教学内容 第四章 模糊推理系统 第1节~第4节 概述 模糊集合 模糊集合的运算 模糊关系及合成 第5节~第7节 模糊逻辑 模糊推理 解模糊判决 模糊原理的应用例 教学内容 第五章 神经网络、模糊逻辑及遗传算法的融合 第1节~第6节 选择的要点 三者的长处与短处 三者的融合关系、两两的融合方式 总结 第一章 引言 第1节 概念 第2节 为什么要研究神经网络 第3节 为什么要研究模糊逻辑 第4节 为什么要研究遗传算法 第5节 神经网络、模糊逻辑、遗传算法与人工智能的关系 第1节 概念 key words von neumann AI—Artificial Intelligence ES---Expert System SC---Soft Computing NN---Neural Network A (B) NN----Artificial (Biological) Neural Network Key Words FS-----Fuzzy system FL-----Fuzzy Logic GA----Genetic Algorithm FUSION----ANN+FS FS+GA GA+ANN ANN+FS+GA 什么是计算智能（软计算）？ 90 年代初，以L. A. zadeh为首提出： 1 在构造智能系统中起作用的几种新技术及其融合 2 构成软计算的基本技术：FS，NN，GA，概率推理，及其融合 3 承认不正确性、不确定性，宽容对待，使系统易于处理，鲁棒性强，成本低 4 由“Computing with numbers”到“Computing with words” 计算智能-软计算 构成计算智能的主要技术：模糊逻辑、神经计算、概论推理，以及遗传算法、学习理论、混沌理论等 计算智能的宗旨是将这些技术相辅助、相融合地加以利用 基于宽容性的概念，不强求高度的精确性及确定性，降低成本，易处理、鲁棒性 通过低精度的计算，解决精确的或不精确的模式化问题的一种新的计算模式 硬计算与软计算 硬计算： 数字计算机 问题对象的正确解析 软计算： 算法的集成 针对大系统中的不确定性，使之易于用计算机处理 经济性 NN：在微观层次上模仿脑神经网络的功能 FS： 模拟人类的主观的信息处理方式 GA：模拟生物的进化方式 三者的融合： 神经网络与模糊推理的融合 模糊推理与遗传算法的融合 神经网络与遗传算法的融合 取长补短，产生更优秀的技术 NN、FS、GA：从生物中学习 第2节 为什么要研究神经网络 1946年，首台 ENIAC，美国；半个世纪，小型化、高速、通信功能 优势：速度快、存储量大，精度高，适合于数值计算、符号推理、求精确解 劣势：连续的、模糊的、随机的信息处理，模式识别、图象处理、决策判断 只有逻辑思维，没有形象思维 例：两岁的小孩认自己的妈妈 现代童话——计算机守门员与人守门员 下一代计算机的发展趋势 开发新的元件： 光计算机、生物分子计算机等 在原理上，追求新的信息处理方式： 神经计算机、模糊计算机、概率处理计算机、语言计算机、认知计算机 神经计算机受到广泛的关注： 积极模拟当今世界最智能的信息处理装置—人脑的机能 人脑与电脑的比较 目前的计算机：1945年，冯诺依曼型处理方式： 程序内藏式：事先写入