西电人工智能19计算智能Part136.pptVIP

西安电子科技大学 西安电子科技大学 Artificial Intelligence (AI)人工智能 主讲：戚玉涛 Email：qi_yutao@163.com 第五章：计算智能 内容提要 第五章：计算智能 1.概述 2.神经网络 3.模糊计算 4.遗传算法 内容提要 第五章：计算智能 1.概述 2.神经网络 3.模糊计算 4.遗传算法 概述 计算智能（Computational Intelligence，CI） 按照Bezdek（贝兹德克）的观点：如果一个系统仅处理低层的数值数据，含有模式识别部件，没有使用人工智能意义上的知识，且具有计算适应性、计算容错力、接近人的计算速度和近似于人的误差率这4个特性，则它是计算智能的。 从学科范畴看：计算智能是在神经网络（Neural Net-works, NN）、进化计算（Evolutionary Computation, EC）及模糊系统（Fuzzy System, FS）这3个领域发展相对成熟的基础上形成的一个统一的学科概念。 概述 神经网络：是一种对人类智能的结构模拟方法，它是通过对大量人工神经元的广泛并行互联，构造人工神经网络系统去模拟生物神经系统的智能机理的。 进化计算：是一种对人类智能的演化模拟方法，它是通过对生物遗传和演化过程的认识，用进化算法去模拟人类智能的进化规律的。 模糊计算：是一种对人类智能的逻辑模拟方法，它是通过对人类处理模糊现象的认知能力的认识，用模糊逻辑去模拟人类的智能行为的。 概述 计算智能不仅涉及神经网络、模糊系统和进化计算三个主要分支，还包括： 粒子群算法 蚁群算法 人工免疫系统 人工生命 模拟退火算法 粗集理论与粒度计算 支持向量机 量子计算 DNA计算 智能agent …… 概述 智能的三个层次 生物智能(Biological Intelligence, BI)：由脑的物理化学过程反映出来的, 脑智能的基础。 人工智能(Artificial Intelligence, AI) ：是非生物的,人造的,常用符号来表示，AI的来源是人类知识的精华。 计算智能(Computational Intelligence, CI) ：是由数学方法和计算机实现的，CI的来源数值计算的传感器。 ABC： Artificial Biological Computational 概述 ABC的交互关系：Bezdek（贝兹德克），1994 输入 人类知识 (＋)传感输入 知识 (＋)传感数据 计算 (＋)传感器 C－数值的 A－符号的 B－生物的 输入 复杂性 复杂性 BNN BPR BI ANN APR AI CNN CPR CI NN：神经网络；PR：模式识别；I：智能 概述 另一种观点：计算智能和人工智能是不同的范畴。其代表人物是艾伯哈特（R. C. Eberhart）。 该观点认为：虽然人工智能与计算智能之间有重合，但计算智能是一个全新的学科领域，无论是生物智能还是机器智能，计算智能都是其最核心的部分，而人工智能则是外层。 大量实践证明，只有把AI和CI很好地结合起来，才能更好地模拟人类智能，才是智能科学技术发展的正确方向。 内容提要 第五章：计算智能 1.概述 2.神经网络 3.模糊计算 4.遗传算法 神经网络 人工智能的各种学说 符号（功能）主义：符号逻辑推理 联结（结构）主义：人工神经网络 行为主义：智能行为模拟， “模式-动作” 联结主义的观点：智能的寓所在大脑皮层，它由大量非线性神经元互联而成并行处理的神经网络。 神经网络 人工神经网络（ANN）是反映人脑结构及功能的一种抽象数学模型，是由大量神经元节点互连而成的复杂网络，用以模拟人类进行知识的表示与存储以及利用知识进行推理的行为。 简单地讲，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟，是人工智能研究的一种方法。 人工神经网络力求从四个方面模拟人脑的智能行为： 物理结构，计算模拟，存储与操作，训练 人工神经网络的发展 人工神经网络的发展 段萌芽期： M-P模型,Hebb学习律 1890年，美国生物学家W. James首次阐明了有关人脑结构及其功能，以及相关学习、联想、记忆的基本规律 1943年，心理学家McCulloch和数学家Pitts建立起了M-P神经元模型。 1949年，心理学家D. O. Hebb提出神经元之间突触联系是可变的假说——Hebb学习律。 第一高潮期：单级感知器 以Minsky, Rosenblatt, Widrow等为代表人物 人工神经网络的发展 人工神经网络的发展 1957年Frank Rosenblatt定义了一个神经网络结构，称为感知器 (Perceptron) 。 把神经网络研究从纯理论的探讨推向工程实现，在IBM计算机上进行了模拟