人工智能導(dǎo)入

人工智能導(dǎo)入人工智能導(dǎo)入第1頁對智能還沒有確切定義，智能是知識與智力總和

人工智能：用人工方法在機(jī)器（計算機(jī)）上實現(xiàn)智能；或者說是大家使機(jī)器含有類似于人智能。圖靈測試：1950年圖靈發(fā)表《計算機(jī)與智能》中設(shè)計了一個測試，用以說明人工智能概念。1956年正式提出人工智能（artificialintelligence,AI）這個術(shù)語并把它作為一門新興科學(xué)名稱。人工智能學(xué)科：一門研究怎樣結(jié)構(gòu)智能機(jī)器（智能計算機(jī)）或智能系統(tǒng)，使它能模擬、延伸、擴(kuò)展人類智能學(xué)科。知識是一切智能行為基礎(chǔ)獲取知識并應(yīng)用知識求解問題能力

智者問詢者人工智能導(dǎo)入第2頁人工智能研究基礎(chǔ)內(nèi)容知識表示

機(jī)器感知

機(jī)器思維機(jī)器學(xué)習(xí)

機(jī)器行為人工智能導(dǎo)入第3頁人工智能主要研究領(lǐng)域

自動定理證實博弈模式識別機(jī)器視覺

自然語言了解智能信息檢索

數(shù)據(jù)挖掘與知識發(fā)覺教授系統(tǒng)

自動程序設(shè)計

機(jī)器人

組合優(yōu)化問題智能網(wǎng)絡(luò)系統(tǒng)

人工生命

人工神經(jīng)網(wǎng)絡(luò)分布式人工智能與多智能體

智能控制

智能仿真

智能CAD

智能CAI

智能管理與智能決議

智能多媒體系統(tǒng)

智能操作系統(tǒng)

智能計算機(jī)系統(tǒng)

智能通信人工智能導(dǎo)入第4頁人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用

生物神經(jīng)網(wǎng)絡(luò)(naturalneuralnetwork,NNN):由中樞神經(jīng)系統(tǒng)（腦和脊髓）及周圍神經(jīng)系統(tǒng)（感覺神經(jīng)、運(yùn)動神經(jīng)等）所組成錯綜復(fù)雜神經(jīng)網(wǎng)絡(luò)，其中最主要是腦神經(jīng)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetworks,ANN):模擬人腦神經(jīng)系統(tǒng)結(jié)構(gòu)和功效，利用大量簡單處理單元經(jīng)廣泛連接而組成人工網(wǎng)絡(luò)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)方法：隱式知識表示方法人工智能導(dǎo)入第5頁

工作狀態(tài)：

興奮狀態(tài)：細(xì)胞膜電位>

動作電位閾值→神經(jīng)沖動

抑制狀態(tài)：細(xì)胞膜電位<動作電位閾值學(xué)習(xí)與遺忘：因為神經(jīng)元結(jié)構(gòu)可塑性，突觸傳遞作用可增強(qiáng)和減弱

。（輸入）（輸出）

神經(jīng)沖動人工智能導(dǎo)入第6頁：第個神經(jīng)元輸出。：第個神經(jīng)元閾值。：外部輸入。：權(quán)值。

加權(quán)求和：其矩陣形式：人工智能導(dǎo)入第7頁8

工作過程:從各輸入端接收輸入信號

uj(j=1,2,…,n)依據(jù)連接權(quán)值求出全部輸入加權(quán)和

用非線性激勵函數(shù)進(jìn)行轉(zhuǎn)換，得到輸出

人工智能導(dǎo)入第8頁1.BP網(wǎng)絡(luò)結(jié)構(gòu)

人工智能導(dǎo)入第9頁10

2.輸入輸出變換關(guān)系

人工智能導(dǎo)入第10頁113.工作過程

第一階段或網(wǎng)絡(luò)訓(xùn)練階段：

N組輸入輸出樣本：xi=[xi1,xi2,…,xip1]Tdi=[di1,di2,…,dipm]T

i=1,2,…,N

對網(wǎng)絡(luò)連接權(quán)進(jìn)行學(xué)習(xí)和調(diào)整，以使該網(wǎng)絡(luò)實現(xiàn)給定樣本輸入輸出映射關(guān)系。

第二階段或稱工作階段：把試驗數(shù)據(jù)或?qū)嶋H數(shù)據(jù)輸入到網(wǎng)絡(luò)，網(wǎng)絡(luò)在誤差范圍內(nèi)預(yù)測計算出結(jié)果。

人工智能導(dǎo)入第11頁12（1）是否存在一個BP神經(jīng)網(wǎng)絡(luò)能夠迫近給定樣本或者函數(shù)。兩個問題：（2）怎樣調(diào)整BP神經(jīng)網(wǎng)絡(luò)連接權(quán)，使網(wǎng)絡(luò)輸入與輸出與給定樣本相同。

1986年，魯梅爾哈特（D.Rumelhart）等提出BP學(xué)習(xí)算法。人工智能導(dǎo)入第12頁138.2.2BP學(xué)習(xí)算法

目標(biāo)函數(shù)：

約束條件：

連接權(quán)值修正量：

1.基礎(chǔ)思想

人工智能導(dǎo)入第13頁14BP學(xué)習(xí)算法記先求（1）對輸出層神經(jīng)元（2）對隱單元層，則有人工智能導(dǎo)入第14頁158.2.2BP學(xué)習(xí)算法2.學(xué)習(xí)算法人工智能導(dǎo)入第15頁168.2.2BP學(xué)習(xí)算法

正向傳輸：輸入信息由輸入層傳至隱層，最終在輸出層輸出。反向傳輸：修改各層神經(jīng)元權(quán)值，使誤差信號最小。

2.學(xué)習(xí)算法

人工智能導(dǎo)入第16頁178.2.2BP學(xué)習(xí)算法2.學(xué)習(xí)算法人工智能導(dǎo)入第17頁188.2.3BP算法實現(xiàn)（1）隱層數(shù)及隱層神經(jīng)元數(shù)確實定：當(dāng)前尚無理論指導(dǎo)。（2）初始權(quán)值設(shè)置：普通以一個均值為0隨機(jī)分布設(shè)置網(wǎng)絡(luò)初始權(quán)值。（3）訓(xùn)練數(shù)據(jù)預(yù)處理：線性特征百分比變換，將全部特征變換到[0，1]或者[-1，1]區(qū)間內(nèi)，使得在每個訓(xùn)練集上，每個特征均值為0，而且含有相同方差。（4）后處理過程：當(dāng)應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類操作時，通常將輸出值編碼成所謂名義變量，詳細(xì)值對應(yīng)類別標(biāo)號。1.BP算法設(shè)計

人工智能導(dǎo)入第18頁198.2.3BP算法實現(xiàn)（1）初始化：對全部連接權(quán)和閾值賦以隨機(jī)任意小值；（2）從N組輸入輸出樣本中取一組樣本：x=[x1,x2,…,xp1]T,d=[d1,d2,…,dpm]T,把輸入信息x=[x1,x2,…,xp1]T輸入到BP網(wǎng)絡(luò)中（3）正向傳輸：計算各層節(jié)點(diǎn)輸出：（4）計算網(wǎng)絡(luò)實際輸出與期望輸出誤差：

2.BP算法計算機(jī)實現(xiàn)流程

人工智能導(dǎo)入第19頁208.2.3BP算法實現(xiàn)（5）反向傳輸：從輸出層方向計算到第一個隱層，按連接權(quán)值修正公式向減小誤差方向調(diào)整網(wǎng)絡(luò)各個連接權(quán)值。（6）讓t+1→t，取出另一組樣本重復(fù)（2）－（5），直到N組輸入輸出樣本誤差到達(dá)要求時為止。

2.BP算法計算機(jī)實現(xiàn)流程

人工智能導(dǎo)入第20頁218.2.3BP算法實現(xiàn)BP學(xué)習(xí)算法程序框圖人工智能導(dǎo)入第21頁221.特點(diǎn)BP網(wǎng)絡(luò)：多層前向網(wǎng)絡(luò)（輸入層、隱層、輸出層）。連接權(quán)值：經(jīng)過Delta學(xué)習(xí)算法進(jìn)行修正。神經(jīng)元傳輸函數(shù)：S形函數(shù)。學(xué)習(xí)算法：正向傳輸、反向傳輸。層與層