計算智能基礎

計算(jìsuàn)智能共四十三頁教學內(nèi)容BP算法算法推導改進算法競爭型神經(jīng)網(wǎng)絡自組織映射神經(jīng)網(wǎng)絡SOM學習向量量子化神經(jīng)網(wǎng)絡LVQ神經(jīng)網(wǎng)絡小結(jié)(xiǎojié)神經(jīng)網(wǎng)絡應用舉例共四十三頁教學內(nèi)容第三章 遺傳算法第1節(jié)~第4節(jié)遺傳算法的原理(yuánlǐ)遺傳算法的應用共四十三頁教學內(nèi)容第四章 模糊推理系統(tǒng)第1節(jié)~第4節(jié)概述模糊集合模糊集合的運算模糊關系及合成第5節(jié)~第7節(jié)模糊邏輯(luójí)模糊推理解模糊判決模糊原理的應用例共四十三頁教學內(nèi)容第五章 神經(jīng)網(wǎng)絡、模糊邏輯(luójí)及遺傳算法的融合第1節(jié)~第6節(jié)選擇的要點三者的長處與短處三者的融合關系、兩兩的融合方式總結(jié)共四十三頁第一章 引言(yǐnyán)第1節(jié) 概念(gàiniàn)第2節(jié) 為什么要研究神經(jīng)網(wǎng)絡第3節(jié) 為什么要研究模糊邏輯第4節(jié) 為什么要研究遺傳算法第5節(jié) 神經(jīng)網(wǎng)絡、模糊邏輯、遺傳算法與人工智能的關系共四十三頁第1節(jié) 概念(gàiniàn)keywords vonneumannAI—ArtificialIntelligenceES---ExpertSystemSC---SoftComputingNN---NeuralNetworkA(B)NN----Artificial(Biological)NeuralNetwork共四十三頁KeyWordsFS-----FuzzysystemFL-----FuzzyLogicGA----GeneticAlgorithmFUSION----ANN+FS FS+GA GA+ANN ANN+FS+GA共四十三頁什么(shénme)是計算智能（軟計算）？90年代初，以L.A.zadeh為首提出(tíchū)：1 在構(gòu)造智能系統(tǒng)中起作用的幾種新技術及其融合2構(gòu)成軟計算的基本技術：FS，NN，GA，概率推理，及其融合3承認不正確性、不確定性，寬容對待，使系統(tǒng)易于處理，魯棒性強，成本低4 由“Computingwithnumbers”到“Computingwithwords”共四十三頁計算(jìsuàn)智能-軟計算構(gòu)成計算智能的主要技術：模糊邏輯、神經(jīng)計算、概論推理，以及遺傳算法、學習理論、混沌理論等計算智能的宗旨(zōngzhǐ)是將這些技術相輔助、相融合地加以利用基于寬容性的概念，不強求高度的精確性及確定性，降低成本，易處理、魯棒性通過低精度的計算，解決精確的或不精確的模式化問題的一種新的計算模式共四十三頁硬計算(jìsuàn)與軟計算(jìsuàn)硬計算：數(shù)字(shùzì)計算機問題對象的正確解析軟計算：算法的集成針對大系統(tǒng)中的不確定性，使之易于用計算機處理經(jīng)濟性共四十三頁NN：在微觀層次上模仿腦神經(jīng)網(wǎng)絡的功能FS：模擬人類(rénlèi)的主觀的信息處理方式GA：模擬生物的進化方式三者的融合：神經(jīng)網(wǎng)絡與模糊推理的融合模糊推理與遺傳算法的融合神經(jīng)網(wǎng)絡與遺傳算法的融合取長補短，產(chǎn)生更優(yōu)秀的技術NN、FS、GA：從生物(shēngwù)中學習共四十三頁第2節(jié)為什么要研究(yánjiū)神經(jīng)網(wǎng)絡1946年，首臺ENIAC，美國；半個世紀，小型化、高速、通信功能優(yōu)勢：速度快、存儲量大，精度高，適合于數(shù)值計算、符號推理、求精確(jīngquè)解劣勢：連續(xù)的、模糊的、隨機的信息處理，模式識別、圖象處理、決策判斷只有邏輯思維，沒有形象思維例：兩歲的小孩認自己的媽媽現(xiàn)代童話——計算機守門員與人守門員共四十三頁下一代計算機的發(fā)展趨勢開發(fā)新的元件：光計算機、生物分子計算機等在原理上，追求新的信息處理方式：神經(jīng)計算機、模糊計算機、概率處理計算機、語言計算機、認知(rènzhī)計算機神經(jīng)計算機受到廣泛的關注：積極模擬當今世界最智能的信息處理裝置—人腦的機能共四十三頁人腦與電腦(diànnǎo)的比較目前的計算機：1945年，馮諾依曼型處理方式：程序內(nèi)藏式：事先寫入程序，順次執(zhí)行人腦：無程序，而通過積累經(jīng)驗，隨著知識、判斷力的增長，對于模糊的信息、復雜的局面(júmiàn)，也能靈活對付音樂、繪畫等—可以說是只有人類才有的智慧的產(chǎn)物共四十三頁不僅在程序的必要性上的差異人腦無CPU：通過大量神經(jīng)元并行處理記憶(jìyì)方式不同：計算機—尋址，稍有錯則不能正確操作；人腦—無地址，分散進行，可由部分聯(lián)想起整體，如多年未見的老友。耐故障性：人腦強，冷熱無妨；電腦弱，死機；共四十三頁人腦與電腦(diànnǎo)的比較信息的表示方式：人腦—模擬、連續(xù)電腦—數(shù)字(shùzì)擅長領域：人腦—模式識別、綜合判斷電腦—數(shù)值計算信息處理特征：人腦—低速、模糊、并行電腦—高速、正確、串行共四十三頁人腦與電腦(diànnǎo)的比較共四十三頁第3節(jié)為什么要研究模糊(móhu)算法科技使系統(tǒng)巨型化、復雜化。如，原子能發(fā)電廠、大型工廠等。其中科技的基本方法，自17世紀牛頓以來的300年，實際上基本沒什么變化(biànhuà)作為方法論，即基于數(shù)學公式的描述，以及基于數(shù)學公式的控制要想達到控制的目的，必須首先能夠?qū)ο笥脭?shù)學公式表示，即建立數(shù)學模型共四十三頁建模問題(wèntí)對線性、小的系統(tǒng)可行，控制精度會很高對于(duìyú)大部分系統(tǒng)，采用線性建模方法，即滿足線性疊加原理：f（x+y）=f（x）+f（y）f（ax）=af（x）當必須解非線性時，則采用分段線性的辦法共四十三頁建模問題(wèntí)但大多數(shù)非線性不可分段如ZK=ZK-12+C，液體的混合、水力系統(tǒng)、經(jīng)濟(jīngjì)預測、人類行為、圖象、聲音識別對非線性的處理方法，無具體的方法，只能給出解的存在證明，不能給出具體的方法建模的概念：對系統(tǒng)的某些屬性加以描述：符號語言、自然語言、圖形語言數(shù)學公式、文章、圖表都是模型（描述）共四十三頁不相容性原理(yuánlǐ)不相容性原理，1973，扎德提出：當系統(tǒng)的復雜性，超過某一限度，對系統(tǒng)的舉動進行正確且有意義(yìyì)的描述是不可能的例：騎自行車、倒車等問題用數(shù)學公式表示：難而人卻可以輕松的完成任務共四十三頁建模問題(wèntí)即使沒有(méiyǒu)復雜的數(shù)學工具，也可以了解復雜的非線性系統(tǒng)所用的辦法是：建立描述系統(tǒng)行為的規(guī)則將系統(tǒng)的一些有意義的狀態(tài)映象成一些更簡潔的內(nèi)部表示，以使這些狀態(tài)在以后產(chǎn)生時能被識別，即通過例子或ANN來訓練的方法共四十三頁扎德提出了具有三種特點(tèdiǎn)的方法：1、不用數(shù)學方程，而用語言為代表的模糊變量來記述系統(tǒng)2、通過用條件命題，記述模糊變量間的關系如如果溫度低，就加強(jiāqiáng)加溫器的熱度3、利用模糊推理算法記述系統(tǒng)共四十三頁歷來科學與模糊(móhu)理論的不同歷來的科學 模糊理論

必須客觀 主觀也可以 必須完全正確 不完全、模糊也行

理論上要嚴密 不一定理論上嚴密

有必要正確(zhèngquè)計測 不可計測，定性也行盡量除掉雜音 有也無妨

盡量不用經(jīng)驗,感覺活用經(jīng)驗、感覺

共四十三頁第4節(jié)為什么要研究(yánjiū)遺傳算法生物是科學技術思想(sīxiǎng)的寶庫NN—模擬人腦，以個體的生物為對象GA—模擬生物的進化過程，新的信息處理方法GA以幾個世代的多數(shù)的生物為對象在復雜大規(guī)模系統(tǒng)中進行搜索的一條全新的途徑共四十三頁GA的機制(jīzhì)以幾個世代復數(shù)個生物為對象將問題的求解(qiújiě)—染色體（一群），置于問題的環(huán)境中適者生存的原則—對適應環(huán)境者進行：復制、再生、交叉、變異優(yōu)點：設計簡單，對所求解的問題不需要知道更多的信息共四十三頁GA的算法(suànfǎ)原理自然淘汰原理：適者生存淘汰：對環(huán)境適應度低的增殖：對環(huán)境適應度高的交叉：性質(zhì)的混合（染色體的交叉）突然(tūrán)變異：強制性的稍有變化的個體的生成共四十三頁GA的算法(suànfǎ)原理將對象系統(tǒng)的各種參數(shù)的集合用一個染色體表示(biǎoshì)生成多個不同的染色體，用上述原理進行計算雖算法簡單，但與以往的數(shù)學方法相比，卻非常容易得到解共四十三頁GA的好處(hǎochu)作為解的探索法，歷來的方法有牛頓法、下降法、等一般是串行求解GA通過許多個體，并列進行解的探索；特別，通過個體間的選擇(xuǎnzé)、交叉等相互作用，更加提高解的探索的效率應用領域：系統(tǒng)的設計、優(yōu)化、遺傳編程、人工生命共四十三頁第5節(jié)NN、FS、GA與AINN：模擬人腦FS：模擬人類的主觀(zhǔguān)的信息處理方式GA：模擬生物的進化方式共通點：從生物中學習AI：追求人類智能信息處理的手法的領域共四十三頁NN、FS、GA的最初的想法，都是在50年代中期及其后10年產(chǎn)生(chǎnshēng)這也是計算機自誕生、成品上市、語言發(fā)表等，逐漸普及的年代利用計算機，來探索進行智能處理的原理、方法，及新的信息處理方式等的摸索，也是在這一時期活躍起來共四十三頁結(jié)果，AI先發(fā)展了起來進行(jìnxíng)符號處理的AI，適合于當時性能還不充分的計算機AI的最初想法，是將智能的機能，利用計算機等來實現(xiàn)所以，利用計算機解puzzle，game等，進行了各種嘗試這一時期使用的技術手法，是探索共四十三頁知識(zhīshi)的重要性建立于只有邏輯思維，沒有形象思維，適合于數(shù)值計算、符號推理、求精確解的計算機基礎上的人工智能方法，在用于實際問題時，必然會受到一定的影響與游戲相比，必須要考慮非常多的因素人類在知識與經(jīng)驗的基礎上進行學習，進行高度(gāodù)的推理、思考、判斷等重要的是知識，需要將知識輸入計算機共四十三頁知識的表示(biǎoshì)及獲取方法要表示高度的知識，最易于處理的方法是用規(guī)則表示。如：

IF---THEN---規(guī)則的形式將許多這樣的規(guī)則輸入計算機，由專家進行高水平的推理—專家系統(tǒng)現(xiàn)在也廣泛應用，其需求量年年增長(zēngzhǎng)但專家系統(tǒng)中有一個公認的瓶頸問題，即知識的獲取問題，怎樣得到專家的經(jīng)驗、知識，以及怎樣表示這樣的知識共四十三頁知識本身有時具有模糊性如：冬天冷：低于多少度可算冷？陰天：含云量80%與81%、79%的區(qū)別？人的思維的特點：實際生活中，人不總是進行絕對(juéduì)嚴密的推理，具有模糊性，但不妨礙得出正確的答案。如，找一個中等個子的人共四十三頁模糊理論可處理主觀的、直觀的知識、規(guī)則，這是模糊理論的一大特征對規(guī)則不清楚或沒有，只有數(shù)值的情況怎么辦？如聲音的識別：1秒中，8000~20000個振幅值，所處理的數(shù)據(jù)是數(shù)值用歷來的公式(gōngshì)的方法沒有效果，也沒有可用規(guī)則表示的知識在只有數(shù)值數(shù)據(jù)可利用的情況時可以用神經(jīng)網(wǎng)絡共四十三頁小結(jié)(xiǎojié)與傳統(tǒng)的人工智能相比，這些算法的最大特點，也是它的潛力所在是：不需要建立問題本身的精確數(shù)學或邏輯模型(móxíng)，而是直接對輸入數(shù)據(jù)進行處理得出結(jié)果更適用于解決那些用傳統(tǒng)AI技術難以有效地處理、甚至無法處理的問題只有數(shù)值數(shù)據(jù)可利用時可以用神經(jīng)網(wǎng)絡處理具有模糊性的知識，可以使用模糊邏輯從多個組合中選優(yōu)，可以使用遺傳算法共四十三頁小孩(xiǎohái)認媽媽那是什么？樹？媽媽！返回(fǎnhuí)共四十三頁大腦(dànǎo)功能圖返回(fǎnhuí)共四十三頁大腦功能區(qū)域(qūyù)分布返回(fǎnhuí)共四十三頁為騎自行車建模--