人工智能技术在分析化学中的应用.ppt

人工智能在化学中的应用;1智能;智能的分类;生物智能;人类个体的智能是一种综合性能力;人工智能;人工智能目的;智能革命;2人工智能的研究措施;2.1认知学派

(以Simon,Minskey和Newell等为代表);重要工作

1）Newell的LogicTheorist，模拟人证明数学定理的思维过程

2）GPS，模拟人的解题过程(确定初步解题计划?运用公理、定理和规则，按规则实行解题过程?不停进行“目的—手段“分析，修订解题计划。

3）物理符号系统假设。符号是模式。物理符号系统的基本任务和功能是识别相似的符号和区别不一样的符号。;2.2逻辑学派

（以McCarthy和Nilsson等为代表);重要工作

1）概念化知识表达

2）模型论语义

3）演绎推理

4）非单调逻辑用于常识推理;2.3行为主义学派(以Brooks为代表);重要工作

1）无需知识表达的智能

2）无需推理的智能

3）机器虫;2.4连接主义学派;BNN;知识系统;人工智能;专家系统;计算智能;人工神经网络

ArtificialNeuralNetwork;生物神经元网络

感觉神经元（传入神经元），

与感受器相连

中间神经元

运动神经元（传出神经元），

与效应起相连;六个基本特性;人工神经网络

（ArtificialNeuralNetworks，简记作ANN），;作为5种能力综合体现形式的3种能力;人工神经网络的提出;困难：

抽象——舍弃某些特性，同步保留某些特性

形式化处理——用物理符号及对应规则体现物理系统的存在和运行。

局限：

对全局性判断、模糊信息处理、多粒度的视觉信息处理等是非常困难的。;物理符号系统和人工神经网络系统的差异;两种人工智能技术的比较;人工神经网络的特点;ANN学习（Learning）能力;基本特性的自动提取;信息的分布寄存;适应性(Applicability)问题;;人工神经元模拟生物神经元的一阶特性。

输入：X=（x1，x2，…，xn）

联接权：W=（w1，w2，…，wn）T

网络输入： net=∑xiwi

向量形式： net=XW;激活函数(ActivationFunction);非线性斜面函数(RampFunction);2、非线性斜面函数（RampFunction）;阈值函数（ThresholdFunction）阶跃函数;阈值函数（ThresholdFunction）阶跃函数;4、S形函数;4、S形函数;人工神经元网络;应用;;人工神经网络模型;多层前向BP网络的长处;多层前向BP网络存在的问题;③难以处理应用问题的实例规模和网络规模间的矛盾。这波及到网络容量的也许性与可行性的关系问题，即学习复杂性问题；

④网络构造的选择尚无一种统一而完整的理论指导，一般只能由经验选定。为此，有人称神经网络的构造选择为一种艺术。而网络的构造直接影响网络的迫近能力及推广性质。因此，应用中怎样选择合适的网络构造是一种重要的问题；

⑤新加入的样本要影响已学习成功的网络，并且刻画每个输入样本的特性的数目也必须相似；

⑥网络的预测能力（也称泛化能力、推广能力）与训练能力（也称迫近能力、学习能力）的矛盾。一般状况下，训练能力差时，预测能力也差，并且一定程度上，随训练能力地提高，预测能力也提高。但这种趋势有一种极限，当到达此极限时，随训练能力的提高，预测能力反而下降，即出现所谓“过拟合”现象。此时，网络学习了过多的样本细节，而不能反应样本内含的规律。

;人工神经网络的学习方式