第一讲计算智能导论

1、埃克特（右）和莫克利（左）埃克特（右）和莫克利（左）冯冯诺依曼诺依曼 运算运算器器输出设输出设备备控制控制器器输入设输入设备备存储存储器器指令流指令流控制命令控制命令数据流数据流(指令和数据指令和数据)njijjiivwu1)(iiufv 0,00,1iiiuuv输入输入输出输出bacdefa f e d c b anjxwxwxgxcxfjnjjjnjjj,.,2 , 1, 1or0)(t.s.)(max11otherwiseselectedisitemif, 0, 1wherejxj1 n(c1 cn)(w1 wn)where w: weight capacity00101 yyniiii

2、ybpwyg（x，y）y01x001110xy产生式规则产生式规则 与或图与或图 状态空间状态空间等等 人工智能语言人工智能语言 （如（如prolog语言）语言） 通用程序设计语言通用程序设计语言（如（如c、c+）自然语言表示自然语言表示 格式化表示格式化表示 计算机语言表示计算机语言表示自然语言描述知识自然语言描述知识产生式规则表示知识产生式规则表示知识产生式规则的基本形式：产生式规则的基本形式：if p then q或者或者pq老虎老虎黄褐色黄褐色黑色条纹黑色条纹食肉动物食肉动物吃肉吃肉有犬牙有犬牙有爪有爪眼睛向前眼睛向前哺育动物哺育动物产奶产奶有毛发有毛发产生式规则表示知识的网络产生式规

3、则表示知识的网络老虎老虎黄褐色黄褐色黑色条纹黑色条纹食肉动物食肉动物吃肉吃肉有犬牙有犬牙有爪有爪眼睛向前眼睛向前哺育动物哺育动物产奶产奶有毛发有毛发与或图表示知识与或图表示知识定义如下谓词：定义如下谓词： positive(x)表示该动物具有特点表示该动物具有特点x; negative(x)表示该动物不具有特点表示该动物不具有特点x; it_is(x)表示该动物属于表示该动物属于x类别类别; animal_is(x)表示该动物的名字叫表示该动物的名字叫x.用用prologprolog语言表示知识（语言表示知识（1 1）it_is(“哺育动物哺育动物”):-positive(“有毛发有毛发”)i

4、t_is(“哺育动物哺育动物”):-positive(“产奶产奶”)it_is(“食肉动食肉动 物物”):-positive(“吃肉吃肉”)it_is(“食肉动物食肉动物”):-positive(“有犬有犬齿齿”),positive(“有爪有爪”),positive(“眼视前方眼视前方”)animal_is(“老虎老虎”):-it_is(“哺育动物哺育动物”),it_is(“食肉食肉动物动物”),positive(“黄褐色黄褐色”),positive(“有黑色条纹有黑色条纹”)用用prologprolog语言表示知识（语言表示知识（2 2）附：规则（知识）附：规则（知识） r1： if 该动物

5、有毛发该动物有毛发 then 该动物是哺乳动物该动物是哺乳动物 r2： if 该动物有奶该动物有奶 then 该动物是哺乳动物该动物是哺乳动物 r3： if 该动物有羽毛该动物有羽毛 then 该动物是鸟该动物是鸟 r4： if 该动物会飞该动物会飞 and 会下蛋会下蛋 then 该动物是鸟该动物是鸟 r5： if 该动物吃肉该动物吃肉 then 该动物是食肉动物该动物是食肉动物 r6： if 该动物有犬齿该动物有犬齿 and 有爪有爪 and 眼盯前方眼盯前方 then 该动物是食肉动物该动物是食肉动物 r7： if 该动物是哺乳动物该动物是哺乳动物 and 有蹄有蹄 then 该动物是有

6、蹄类动物该动物是有蹄类动物 r8： if 该动物是哺乳动物该动物是哺乳动物 and 是嚼反刍类动物是嚼反刍类动物 then 该动物是有蹄类动物该动物是有蹄类动物 r9： if 该动物是哺乳动物该动物是哺乳动物 and 是食肉类动物是食肉类动物 and 是黄褐色是黄褐色 and 身上有暗斑点身上有暗斑点 then 该动物是金钱豹该动物是金钱豹 r10： if 该动物是哺乳动物该动物是哺乳动物 and 是食肉类动物是食肉类动物 and 是黄褐色是黄褐色 and 身上有黑色条纹身上有黑色条纹 then 该动物是虎该动物是虎 r11： if 该动物是有蹄类动物该动物是有蹄类动物 and 有长脖子有长脖

7、子 and 有长腿有长腿 and 身上有暗斑点身上有暗斑点 then 该动物是长颈鹿该动物是长颈鹿 r12： if 该动物是有蹄类动物该动物是有蹄类动物 and 身上有黑色条纹身上有黑色条纹 then 该动物是斑马该动物是斑马 r13： if 该动物是鸟该动物是鸟 and 有长脖子有长脖子 and 有长腿有长腿 and 不会飞不会飞 then 该动物是鸵鸟该动物是鸵鸟 r14： if 该动物是鸟该动物是鸟 and 会游泳会游泳 and 不会飞不会飞 and 有黑白两色有黑白两色 then 该动物是企鹅该动物是企鹅 r15： if 该动物是鸟该动物是鸟 and 善飞善飞 then 该动物是信天翁

8、该动物是信天翁- nature, 417:37-38,2002.动物的脑是可以和电脑结合在一起，按人类的意志来控制动物的行为的。这样，在新的世纪里，有可能出现一种这样的产物，它是生物机体和电子电路结合的产物，我们可以称呼它为 “人工智能动物人工智能动物” 利用动物的感受器来作为一个动物和机器的通讯界面，利用巴普洛夫的操作式条件反射理论完全可能达到控制的目的。 研究者可通过脑刺激来控制动物的行为，但仔细分析表明，在个体较大的动物，其实这种直接的脑刺激是不必要，也不可取的，它需要复杂的脑外科手术和昂贵的设备，局限于实验室研究。神经末梢突触(输出）树突（接受外来信息）轴突细胞核细胞体它由细胞体它由细

9、胞体(soma)(soma)、轴突、轴突(axon)(axon)和树突和树突(dendrite)(dendrite)三个主要部分组成三个主要部分组成 cell body: 细胞体 dendrites:树突 axon:轴突 nucleus:细胞核 myelin shenth :髓鞘 axon terminal:轴突末梢nerve impulse: 神经冲动 synaptic cleft:冲突间隙vesicle：突触小泡(输出)dendrite of receiving neuron :受体神经元树突 轴突是由细胞体向外延伸出的所有纤维中最长的一条分枝，用来向外传递神经元产生的输出电信号. 每个神

10、经元都有一条轴突，其最大长度可达1m以上。在轴突的末端形成了许多很细的分枝，这些分支叫神经末梢. 每一条神经末梢可以与其它神经元形成功能性接触，该接触部位称为突触。所谓功能性接触，是指非永久性的接触，这正是神经元之间传递信息的奥秘之处. 树突是指由细胞体向外延伸的除轴突以外的其它所有分支。树突的长度一般较短，但数量很多，它是神经元的输入端，用于接受从其它神经元的突触传来的信号.v人脑大约由1011 -1012个神经元所组成，每个细胞体大约有103104个突触(输出).v小脑中的每个神经元大约有105个突触，并且每个突触都可以与别的神经元的一个树突相连.v人脑神经系统就是由这些巨量的生物神经元经

11、广泛并行互连所形成的一个高度并行性、非常复杂的神经网络系统.v神经元之间的联系主要依赖其突触的联接作用。这种突触的联接是可塑的，也就是说突触特性的变化是受到外界信息的影响或自身生长过程的影响。生理学的研究归纳有以下几个方面的变化：v 突触传递效率的变化。首先是突触的膨胀以及由此产生的突触后膜表面积扩大，从而突触所释放出的传递物质增多，使得突触的传递效率提高。其次是突触传递物质质量的变化，包括比例成分的变化所引起传递效率的变化。v v突触接触间隙的变化。在突触表面有许多形状各异的小凸芽，调节其形状变化可以改变接触间隙，并影响传递效率。v突触的发芽。当某些神经纤维被破坏后，可能又会长出新芽，并重新

12、产生附着于神经元上的突触形成新的回路。由于新的回路的形成，使得结合模式发生变化，也会引起传递效率的变化。v突触数目的增减。由于种种复杂环境条件的刺激等原因，或者由于动物本身的生长或衰老，神经系统的突触数目会发生变化，并影响神经元之间的传递效率。 静止膜电位：静止膜电位：当没有输入信号时的膜电位成为静止膜电位，通常为-70mv 当外部有输入信号时，将使膜电位发生变化，倘若使膜电位升高，比静止膜电位高15mv以上，即超过-55mv（阈值），神经元被激活，内部电位急剧上升至100mv左右，并维持约1ms，然后急剧下降。相当输出一个100mv高1ms宽的脉冲，并沿轴突以100m/s的速度传至其它的神经

13、元。细胞体突触轴突树突图12.2 生物神经元功能模型输入输出信息处理电脉冲形成传输黑箱x1x2xnw1w2wny下图是一个mp神经元模型常用的人工神经元模型常用的人工神经元模型根据功能函数的不同，可得到不同的神经元模型。常用模型包括：根据功能函数的不同，可得到不同的神经元模型。常用模型包括：阈值型阈值型(threshold)(threshold)f()1 这种模型的神经元没有内部状态，作用函数这种模型的神经元没有内部状态，作用函数f f是一是一个阶跃函数，他表示激活值个阶跃函数，他表示激活值 和输出之间的关系。和输出之间的关系。 这是一种连续的神经元模型，其输入输出特性常用指数、对数或双曲正切

14、等s型函数表示。它反映的是神经元的饱和特性.分段线性强饱和型分段线性强饱和型(linear saturation)(linear saturation)s s型型(sibmoid)(sibmoid) 这种模型又称为伪线性，其输入这种模型又称为伪线性，其输入/ /输出之间在一定输出之间在一定范围内满足线性关系，一直延续到输出为最大值范围内满足线性关系，一直延续到输出为最大值1 1为为止。但当达到最大值后，输出就不再增。止。但当达到最大值后，输出就不再增。v1949年心理学家hebb提出著名的hebb学习规则，即由神经元之间结合强度的改变来实现神经学习的方法。虽然hebb学习规则在人们研究神经网络

15、的初期就已提出，但是其基本思想至今在神经网络的研究中仍发挥着重要作用。v50年代末期，rosenblatt提出感知机模型(perceptron)，首先从工程角度出发，研究了用于信息处理的神经网络模型.这是一种学习和自组织的心理学模型，它基本符合神经生理学的原理。感知机虽然比较简单，却已具有神经网络的一些基本性质，如分布式存贮、并行处理、可学习性、连续计算等。v这些神经网络的特性与当时流行串行的、离散的、符号处理的电子计算机及其相应的人工智能技术有本质上的不同，由此引起许多研究者的兴趣，在60代掀起了神经网络研究的第一次高潮。00101 yyniiiiybpwyg（x，y）y01x001110xya traditional crisp seta fuzzy setred0.33white0.5greensplit_