人工智慧精品课件.pptVIP

人工智慧一、類神經網路二、遺傳演算法一、類神經網路簡介類神經網路(Artificailneuralnetwork)，是一種以電腦來模擬人類腦神經細胞網路的科學。在人們逐漸了解腦細胞的思考與學習模式後，希望電腦也能用類似人的方式來解決問題。腦神經：接受外來刺激→經過傳遞，達一定的標準→反應類神經元：輸入→內部過程（隱藏層）→輸出類神經網路系統結點模仿腦神經細胞；結點之間的連結模擬腦神經之間的連結神經纖維。（輸入）每一結點會去接收其相關連結的點傳來的訊息，結點會依據接收的值，經過連結強度值的加權，然後再輸出給相關的結點們（輸出）。腦神經元的特點人腦的健全性人腦的容錯能力人腦可以平行處理且分散式的處理多項資訊人腦能夠處理模糊的（Fuzzy）、有機率性的、吵雜的以及矛盾的的訊息人腦隨著環境的變遷而調整自己的知識判斷，而有學習的能力人腦的歸納推廣的能力人腦對於外界刺激的接收和解釋類神經網路系統的處理資訊方式平行處理歸納推廣的能力學習的功能學習方式有監督型與非監督型兩種監督型(Supervised)：類神經系統將告知其期望的系統反應非監督型(Unsupervised)不管是哪一種學習，在學習階段中的，結點所代表的意義、結點與結點之間所代表的意義、結點與結點之間的相互關係並不會被明確的定義或絕對的定義。都透過學習階段自我學習、自我組織。類神經網路分類介紹Hopfield網路倒傳遞類神經網路（BP）學習向量化網路（LVQ）案例介紹TSP問題（travelingsalesmanproblem，商人旅遊問題）旅行商路徑的問題路徑的限制：每個城市只能拜訪一次，而且最後需要回到原來的城市。路徑的選擇目標：路徑的總長度為所有路徑之中的最小值。TSP問題的可能解法列舉法排列組合解決時間的估計是以每秒可以做一億次計算的超級電腦Cray來評估排列組合。解決時間的估計是以每秒可以做一億次計算的超級電腦Cray來評估。

貪心法開始時任意選擇某一個城市當作起始點，每次都選擇鄰近未曾拜訪的城市當作下一次要拜訪的城市。有效率，但是所得到的解並不是最佳的路徑，Hopfield網路解法根據網路學習後的架構而依城市所代表的神經元依序找出我們的路徑。應用：影像分類將類神經網路應用在多光譜水稻田影像的分類上（邵泰璋、史天元）。針對彰化地區多時段SOPT衛星影像與多時段NDVI影像兩者，對水稻田做自動分類的工作；採用的誤差倒傳遞類神經網路」（Errorbackpropagation：BP）和「學習向量化網路」（LearningVectorQuantizationNetwork：LVQ），使用兩種資料表現形式，亦即比例粗編碼及正規化編碼，表現之結果可交叉組合成四種分類方法；與高斯最相似分類法做比較，最後並加入紋裡影像輔助分類。就整體的分類精度而言，以倒傳遞類神經網路最佳提高其分類之正確性註一：比例粗編碼，將每一波段中像元的灰度值利用所有神經單元編碼，可視為一種內插方式，能提高足夠的差異性來表示類似的像元值。註二：正規化編碼，為一段波段中像元的灰度值對應到一個神經單元，輸入層神經單元數與波段數成正比，因灰度值對應到神經單元時先過正規化，將神經元值域限制在0至1之間，故稱正規化編碼。二、遺傳演算法之簡介與應用遺傳演算法的由來和發展「遺傳演算法」是由JohnHolland於1975年首度發表的。經過了多年的研究和發展，遺傳演算法已被大多數的學者証明為一有效的最佳化搜尋方法。最近的幾年當中，許多學者投入這個領域繼續對演化式計算做更深一層的探索。遺傳演算法的原理根據的就是達爾文的「天擇」概念---優勝劣敗、適者生存操作模式:1.任意挑選幾個基因去完成工作2.其中表現較好的就留下，不好的就淘汰3.然後被留下來的優良基因就一對一對地互換(Crossover)，產生後代4.經過突變以後，讓它們繼續完成其他的工作5.在這樣一代一代的遺傳演化中，基因會越來越優良，越來越能夠達成工作目標遺傳演算法的應用KarlSims遺傳演算法創造具有三度空間的植物、圖案及動作等。他設計一個系統能產生一些在模擬的三度空間環境中具行為能力的虛擬生物。而這個生物的外形及其控制肌肉所須的類神經網路都是由遺傳演算法來自動產生的。國內曾有幾位研究生，利用遺傳演算法設計出一個圍棋程式。原本這個程式沒有任何的棋力，但是在跟其他有棋力程式的