人工智能模式识别

人工智能、模式识别

与专家系统生物医学工程研究所第一节人工智能“智能化”是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志，例如：智能控制（IntelligentControl）、智能自动化（IntelligentAutomation）、智能管理（IntelligentManagement）、……。因此，人工智能具有广泛的用途。可以说，哪里有计算机应用，哪里就在用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。一.人工智能概述什么是智能智能（Intelligence)即智力功能，是人类大脑所具有的感知、认识、学习、理解、分析、综合、判断、推理、创造……等局部功能的总和与它们的有机综合的统称；因此，完善的智能中不能不包含有人类的情感、意识、意志等这种高级因素。智能究竟是什么？

智能是解决感性问题的能力。所谓感性就是个别的、特殊的、随机的、模糊的、感官的、情绪化的、个人意志的。解决这类问题需要经验的积累和归纳推理并形成新的经验。也就是具有自动学习、经验积累和应用知识的能力。对电脑而言，智能就是必须具有优化、扩展和改变主体已有程序和创建新程序的能力，即具有我们过去常说的主观能动性。智能可以利用一般经验或理论解决特殊问题，也可以归纳总结个别的经验使之上升到普遍的理论。人的行为可分为社会行为和个人行为。智能在人的社会行为中的作用主要是制定社会规则、探索和发现自然规则以及选择和套用这些规则。而智能在人的个人行为中主要是通过个人情感和意志起作用以处理新鲜感受。什么是人工智能人工智能（ArtificialIntelligence)是利用设备或机器，用人工的方法，对人脑的思维活动过程进行模拟；当使得设备或机器的功能与脑功能大体等价时，这种设备或机器的功能就可以认为是具有某种程度的人工智能。人工智能应该以平均智力商为评定标准，并在与对比者（人）同等条件状况下进行全面地综合测试或进行某几种局部功能的单项测试；当测试结果不低于规定的智力商数时，应当承认该设备或机器具有某种程度或某种意义的人工智能。

所谓人工智能，又称为智能模拟，是计算机技术的一个分支，它研究如何利用计算机来完成用人的智慧才能完成的工作。

人工智能问题是一个古老的但又是十分新颖的研究课题。近十多年来，各国研究人员在人工智能的研究上都已经获得巨大的进展。然而各种传统的或新颖的智能模型迄今还不能完全而圆满地对大脑思维活动的过程进行解释和模拟，人们还不十分了解信息在大脑中的底层结构和编码方法；其中特别是象人们的概念、意识、情感和创造性思维过程等，还根本无从着手；同时关于这一方面，在哲学上、自然科学上还有很大的争论，还不能得到哲学界和自然科学界的一致认同。人工智能与计算机人们早已习惯于把计算机称之为“电脑”，但是人们忽略了这样一个事实∶无论电脑的功能有多么强大，用途有多么广泛，它也不过是个具有超级能力的白痴。严格地讲，电脑只能执行特定的指令，而人脑则是处理所有感受到的信息。所谓“特定的指令”是指电脑程序可接受的或可执行的外部输入。显然执行指令与处理信息有着本质的不同。

这并不是否认电脑具有处理信息的能力，这里说的电脑处理信息与人脑处理信息是不同的概念。其实电脑处理信息过程也是在执行外部指令或给定程序中的指令。电脑的软硬件都不是自发进化而成的。电脑程序是人根据自然规律、法则和社会经验的归纳总结，是由人编制的。电脑程序集中的是人的经验总结，其本质是理性的。所谓理性就是理论的、有序的、精确的、数字化的、结论性的、有规律的、普遍性的、公共的、合乎逻辑的。简单类比就如同是一本操作手册，人们只要照它去做就是了。显然智能不是被用来解决这类理性化的问题的。（智能是解决感性问题的能力。）因为当一切都规定好了、程序化了，就根本不需要智能了。由此我们得出一个结论∶无论电脑的功能有多么强大，只要它只能按给定的程序来工作，它就不能算作具有智能。记忆、归纳推理与信息处理通常记忆内容包括两个部分∶一是记录所接受或感受到的信息，这主要是指外部进来的信息。二是自动记录主体自身的活动过程。电脑只能记忆前者，而不能记忆后者。而人脑则两者都可以做到。电脑的记忆过程是被动地执行指令，它所能记住的东西仅仅是工作所需的程序和要处理的数据。而人脑所记录的东西不仅仅是感受到的信息，而且最重要的是能够记录处理信息的过程，或者说能够记录大脑自身有意识的活动内容。记忆内容第二部分所指的过程是自动的、不受控的，而第一部分则是可以被控制的。记忆、归归纳推理理与信息息处理利用已有有的经验验来解决决新的问问题需要要归纳和和推理。。人的这这种能力力是由人人脑的记记忆构造造决定的的。人脑脑在发育育的早期期阶段记记忆过程程主要是是素材和和基本经经验块堆堆的建立立和积累累，即机机械记忆忆。人脑脑在成熟熟阶段记记忆过程程主要是是经验块块堆的关关联和重重组，即即关联记记忆。由由关联记记忆形成成的人脑脑活动使使人的思思维模式式天生具具有归纳纳推理能能力。经经验的重重组使人人得到了了新的经经验，获获得了进进步。人人脑的这这种记忆忆构造的的优点是是具有模模糊识别别和记忆忆修补能能力，缺缺点是老老的关联联成分会会因打散散而消退退,即产生忘忘却。记忆、归归纳推理理与信息息处理人记住一一张脸至至少不比比记住一一个外语语单词要要难，而而电脑恰恰恰相反反，它宁宁愿去记记一个城城市的电电话簿。。电脑几几乎完全全靠机械械般的精精确记忆忆，而且且不能利利用记忆忆进行归归纳推理理，因而而无法实实现智能能所必须须的利用用自身经经验之功功能。电电脑虽能能记忆，，但不能能具有经经验。电脑在记记忆时会会把所有有的素材材都记录录下来。。严格地地讲，电电脑中的的磁盘并并不完全全属于它它的"脑子"，磁盘中中的数据据部分就就象人的的笔记本本和资料料库那样样，是脑脑外之物物。而我我们人脑脑中已经经固有了了基本素素材和经经验，记记忆时只只需要把把已有的的各个素素材和经经验的关关联记录录下来。。这里所所说的素素材就是是人对最最基本物物理感受受的机械械记忆。。记忆、归归纳推理理与信息息处理其实这些些素材的的量并不不是很多多，当出出生的婴婴儿一开开始感受受这个世世界，只只需要不不长的时时期就可可以得到到他一生生所需的的基本记记忆素材材。其他他时间的的记忆就就是把这这些素材材关联成成块，再再把块关关联成堆堆。块块块堆堆之之间的再再关联就就构成了了我们脑脑袋里的的复杂记记忆。对对人类大大脑的解解剖分析析也支持持这一论论点，另另外人的的记忆和和经验的的增加并并没有使使大脑越越长越大大，这还还可以解解释我们们大脑在在工作时时为什么么消耗很很小的物物理能量量。关联联记忆使使得我们们成年人人脑袋的的大小并并不与记记忆的多多少成正正比。要是我们们把所有有的感受受象录音音、录像像那样全全都记下下来，要要么把我我们的脑脑子胀爆爆，要么么我们的的脑袋长长得比楼楼房还大大。记忆、归归纳推理理与信息息处理人类的情情感和智智能都与与我们大大脑的记记忆特性性密切相相关，我我们大脑脑有意识识的活动动在相当当程度上上是记忆忆活动。。探索和和认识人人脑的记记忆原理理是实现现人工智智能的重重要一环环，也是是电脑模模拟或实实现人脑脑智能的的必经之之路。任任何试图图逃避这这一关的的做法都都不会成成功。电脑科技技的高速速发展并并未导致致电脑在在智能化化方面有有什么进进展，其其重要原原因之一一就是电电脑的记记忆方式式一直停停留在它它的初始始阶段。。二、人工工智能的的发展轨轨迹(1)模拟人类类的思维维规律，，即推理理方法的的研究和和程序化化；(2)正确的知知识表示示，运用用知识进进行推理理，即知知识的形形式化；；(3)从大量已已有的知知识推出出新的知知识，即即专家系系统。三、人工工智能的的基本方方法人工智能能的基本本方法有有以下几几种：1、启发式式搜索：：人们解解决问题题的基本本方法是是方案--试验法，，对各种种可能的的方案进进行试验验，直至至找到正正确的方方案。搜搜索策略略有盲目目搜索、、启发式式搜索之之分。盲盲目搜索索是对可可能方案案进行顺顺序的试试验；启启发式搜搜索是依依照经验验或某种种启发式式信息，，摒弃希希望不大大的搜索索方向。。启发式式搜索大大大加快快搜索过过程，使使得人们们处理问问题效率率得到提提高。2、规划：：人们待待解决的的问题一一般可以以分解转转化为若若干小问问题，对对于每个个小问题题还可以以进行分分解。由由于解决决小问题题的搜索索大为减减少，使使得原问问题的复复杂度降降低，问问题的解解决得到到简化。。规划要要依靠启启发式信信息，成成功与否否，很大大程度上上决定于于启发信信息的可可靠程度度。3、知识的的表达技技术：知知识在计计算机内内的表达达方式是是用计算算机模拟拟人类智智能必须须解决的的重要问问题。问问题解决决的关键键是如何何把各类类知识进进行编码码、存储储；如何何快速寻寻找需要要的知识识；如何何对知识识进行运运算、推推理；如如何对知知识进行行更新、、修改。。四、人工工智能的的研究和和应用领领域人工智能能的研究究和应用用领域概概括起来来有8个：1、问题求求解：我我们通过过对人们们求解问问题的一一般规律律、求解解问题的的思路的的研究，，编制一一个智能能程序，，依照人人们解决决问题的的方法与与步骤，，解决问问题。2、自然语语言处理理：自然然语言处处理是研研究计算算机如何何运用已已有的词词法和语语法规则则，正确确理解人人们的自自然语言言，以方方便用户户的使用用与表达达。3、模式识识别：模模式识别别是研究究如何从从庞大的的信息中中提取特特征，根根据特征征识别不不同事物物的基本本原理。。4、智能数数据库：：智能数数据库是是研究利利用人的的推理、、想象、、记忆原原理，实实现对数数据库的的存储、、搜索和和修改。。智能数数据库通通过有效效的组织织，能够够满足人人们快速速检索和和修改数数据库的的要求。。5、智能机机器人：：智能机机器人能能够对外外部环境境具有一一定的适适应能力力，根据据实际的的环境信信息进行行综合处处理，并并做出正正确的响响应。这这种机器器人用于于航天、、军事、、工业制制造等领领域。6、博奕：：博弈是是研究使使自己取取胜、战战胜对手手的策略略。在决决策过程程中要对对形势做做出恰当当的估计计，搜寻寻各种可可能的策策略组合合，通过过对比分分析确定定对自己己最有利利的策略略。其中中运用到到问题求求解、模模式识别别等方法法。7、程序自自动设计计：程序序自动化化是为了了设计一一种算法法。该算算法是分分层结构构的，先先提出一一些规定定，形成成最高一一级的算算法，并并提出下下一层算算法的规规定，然然后按照照这些规规定形成成下一级级的算法法和再下下一级的的规定，，最后完完成整个个程序。。程序自自动化较较多的研研究工作作放在了了自动程程序验证证方面，，即让计计算机自自动查找找程序中中的错误误。8、定理的的自动证证明：计计算机通通过模仿仿人的推推理和演演绎过程程，从最最基本的的公理出出发，证证明定理理的正确确性。现在信息息技术的的飞速发发展，使使得Al有更广泛泛的研究究和应用用领域，，如专家家咨询系系统、组组合调度度问题、、虚拟现现实等等等。五、应用用举例指纹识别别技术是是指利用用计算机机进行的的指纹自自动识别别技术，，它是一一项综合合技术，，其研究究发展涉涉及到多多个前沿沿及边缘缘科学，，如模糊糊数学、、数学形形态学、、神经网网络、模模式识别别、计算算机视觉觉、人工工智能、、数据压压缩、并并行处理理以及网网络技术术等。这这种技术术的原理理是通过过指纹扫扫描仪上上的光电电识别器器(摄像头)对人指尖尖的卷状状纹理和和涡进行行扫描后后，计算算机把特特定的隆隆起部位位的位置置制成表表和记录录下来而而形成一一个对每每一个人人来说都都是唯一一的一个个压痕模模式，存存入计算算机指纹纹数据库库。计算机指指纹扫描描仪能够够区分人人的手指指与伪造造的如蜡蜡制的手手指或橡橡胶手套套上的指指纹，这这是由于于对人的的手指其其扫描仪仪传感系系统能分分辨出血血液的流流动情况况、血压压等信息息。当进进行身份份认证时时，指纹纹自动识识别系统统会将人人现场通通过指纹纹扫描仪仪收集到到的指纹纹经软件件系统与与数据库库的指纹纹相对照照而进行行确认，，对主流流机型只只需2秒左右的的时间。。由于两两个人拥拥有完全全相同指指纹的概概率估计计少于10亿分之一一，因此此识别率率极高，，如美国国Identix公司的指指纹扫描描设备在在用一个个右手指指正确匹匹配上接接近100%。指纹相相对人的的其它生生物特征征具有个个体差异异大、实实现识别别所需的的软硬件件资源较较小等优优势，因因此具有有较大的的应用空空间。第二节模模式识识别人工智能能中有一一个很重重要的领领域就是是模式识识别。但但对于什什么是““模式””，或者者什么是是机器能能够辩别别的“模模式”，，迄今尚尚无确切切的定义义。我们们只能形形象地解解释说，，人之所所以能识识别图像像、声音音、动作作、文字字、面部部表情等等，是因因为它们们都存在在着反映映其特征征的某种种模式。。但这一一解释根根本没有有诠释模模式的内内涵和外外延。一．模模式识识别与与模式式识别别的定定义与与目的的按照广广义的的定义义，模模式是是一些些供模模仿用用的、、完美美无缺缺的标标本。。模式识识别就就是识识别出出特定定客体体所模模仿的的标本本。识别能能力是是人类类和其其它生生物的的一种种基本本属性性，根根据被被识别别的客客本的的性质质可以以将识识别活活动分分为两两个主主要类类型：：具体体的客客体和和抽象象的客客体。。字符、、图画画、音音乐…是具体体的客客体，，它们们通过过对感感官的的刺激激而被被识别别；论论点、、思想想、信信仰…则是非非物质质的客客体，，对它它们的的研究究主要要属于于哲学学、政政治学学的范范畴。。我们主主要是是研究究具体体客体体的识识别，，而且且仅局局限于于研究究用机机器完完成与与识别别任务务有关关的基基本理理论与与实用用技术术。这这一类类课题题属于于工程程学、、计算算机科科学、、应用用数学学的范范畴。。对我我们将将要讨讨论的的内容容，我我们对对模式式、模模式识识别作作如下下狭义义的定定义：：模式是是对某某些感感兴趣趣的客客体的的定量量的或或结构构的描描述，，模式式类是是具有有某些些共同同特征征的模模式的的集合合。模式识识别是是研究究一种种自动动技术术，依依靠这这种技技术，，机器器将自自动地地（或或人尽尽量少少地干干涉））把待待识模模式分分配到到各自自的模模式类类中去去。但模式式识别别不是是简单单的分分类学学，其其目标标包括括对于于识别别对象象的描描述、、理解解与综综合。。模式识识别是是伴随随着计计算机机的研研究、、应用用日益益发展展起来来的。。其应应用领领域涉涉及社社会生生活的的各个个方面面，而而且还还在不不断扩扩大。。人们们亲切切地称称计算算机为为电脑脑，几几乎所所有本本来由由人脑脑实现现的功功能，，都谋谋略用用“电脑”来完成成。而而且已已经取取得，，并不不断取取得令令人振振奋的的成就就。但比起起人脑脑来，，电脑脑毕竟竟是小小巫见见大巫巫，不不仅仅仅在于于人脑脑约有有1011～1012个脑细细胞（（被称称为神神经元元），，更在在于每每个神神经元元约有有103～104个突触触，即即一个个神经经元可可通过过突触触与8000个其它它神经经元交交换信信息，，当生生物电电流通通过某某一突突触时时，神神经元元就将将信息息传送送到下下一神神经元元。所所以人人脑有有极丰丰富的的联想想能力力。可可以超超越时时空，，任意意跳跃跃。因因此计计算机机的联联想、、判别别与推推理能能力远远不如如人脑脑，特特别是是在对对外界界信息息的感感知能能力方方面，，更远远不如如人脑脑。识别是人对对感觉的认认知和判断断能力。识别能力的的高低体现现了智能水水平。识别别由低到高高分为三个个层次。仪器水平∶∶物理识别别动物水平∶∶模糊识别别人类智能水水平∶情感感识别物理识别是是对接受到到的信息实实现物理、、化学和生生物学的量量化认识。。视觉包括括明暗、颜颜色、大小小、形状、、远近、运运动状态等等。听觉包包括声音大大小、频率率、方位、、波形等。。触觉包括括温度、导导热率、硬硬度、粘度度、大小、、形状、受受力、活动动状态等。。嗅觉和味味觉包括物物质的组成成及化学成成分。现代科技与与电脑相结结合在物理理识别范围围和识别精精度方面早早已大大超超过人自身身的能力。。几乎所有有的科学仪仪器都是用用于这种识识别。这种种识别的特特点是识别别内容分别别独立互不不相关，事事件具有精精确的重复复性，无需需经验和智智能，完全全可以程序序化。所以以它是最低低层次的识识别。模糊识别是是在大量复复杂的信息息中识别出出有用的部部分，即对对接收的信信息与以往往的记忆和和经验进行行关联认识识，剔除无无关的信息息。视觉包包括在复杂杂的背景中中辨认特定定的人和物物或以往经经历过的人人和物。听听觉包括在在嘈杂的背背景中辨别别出特定的的声音，特特别是不同同人的讲话话声。模糊糊识别可解解决有谁、、有什么、、是谁、是是什么的问问题。这种种对人来说说轻而易举举的能力对对电脑来说说真是太难难了。目前前电脑可通通过对照记记录的方式式实现单一一识别能力力，例如指指纹、图形形、语音等等。由于电电脑不能实实现关联记记忆，所以以它在模糊糊识别方面面难以有突突破性进展展。这个层层次的识别别与我们常常见的宠物物、牲畜、、鸟、昆虫虫的识别能能力大致相相当，因此此它不能产产生高级智智能。情感识别是是最高级的的识别。它它是完全的的感性识别别。这种识识别主要是是针对人际际之间的信信息交流。。它包括文文字、语言言、歌曲、、表情、外外表、气味味和动作所所表达的含含义，既识识字又听得得懂说话，，甚至包括括自然现象象、事件、、环境和物物品的人文文美学含义义。这种识识别已经超超出了人工工智能的模模糊识别，，达到了人人工高级生生命的能力力。以单一一语音识别别为例∶初初级识别能能够知道有有声音，模模糊识别能能够知道说说什么或谁谁在说话，，而高级识识别则能通通过说话的的内容、音音调、节奏奏知道说话话者的情绪绪和态度。。这种识别别要求电脑脑具有人类类的情感。。由此可见见，高级智智能与情感感是完全相相关的。二．模式识识别的全过过程模式识别的的全过程可可用下图简简要的表示示：以上过程中中，每一阶阶段设计的的好坏都会会对全盘的的工作产生生严重的影影响，所以以每一阶段段都应争取取尺可能完完美的效果果。被识对象

非电量转换及数字化模式分类

特征或基元提取预处理

图8.1

模式识别的全过程由于被识别别的对象多多半是具有有不同特征征的非电量量，如灰度度、色彩、、声音、压压力、温度度等，所以以第一步就就要将它们们转变为电电信号，然然后经A/D转换，将它它们转换为为能由计算算机处理的的数字量。。数字化后的的电信号需需经预处理理，以滤除除样品采集集过程中掺掺入的干扰扰、噪声，，并人为地地突出有用用信号，以以得到良好好的识别效效果。经改善后的的有用信号号，还要作作特征抽取取或基元抽抽取，才能能对其分类类。由于特特征的抽取取与待识模模式的类别别密切相关关，很难有有某种泛泛泛的规律可可依循。随随着工作的的深入，要要不断修改改与完善此此阶段的工工作，这也也是图8.1中虚线回溯溯的含义。。模式分类就就是在前几几步准备工工作的基础础上，把被被识别对象象归并分类类，确认其其为何种模模式的过程程。这是模模式识别““出成果””的阶段，，直接以其其分类结果果表明本次次识别的结结束。模式分类按按其方法，，大致可分分为四大类类统计决策法法句法结构法法模糊判决法法人工智能法法电脑模式识识别技术最最初起源于于图像识别别的需要，，比如协助助警方根据据照片从茫茫茫人海中中搜寻某个个罪犯，或或者帮助医医生把显微微镜下的细细菌进行分分类…。人脑在接受受到视觉器器官传递来来的信息时时，是怎样样识别和区区分大千世世界的万物物的呢？一种方案是是，大脑用用一个神经经元与图像像上的每一一点一一对对应并逐一一判别，最最后综合为为整体；但但既使只描描述图像局局部的大致致轮廓，神神经元的数数目仍不够够使用。另一种更符符合实际的的方案是：：大脑感知知的不是图图像上的所所有的点，，而是轮廓廓中最典型型的特征，，如线段、、角度、弧弧度、反差差、颜色等等，把它们们从图像中中抽取出来来，然后结结合头脑中中过去的记记忆和有关关经验和知知识分析判判断。这种种“特征抽取”也是电脑图图像识别的的基础。要根据一张张照片让电电脑在一群群人中辩认认出某个人人，可以先先把这张照照片输入电电脑，抽取取照片上人人像上的特特征，如鼻鼻子、嘴巴巴、眼睛和和轮廓特点点，进行分分类和加工工，存放在在机器里作作为识别那那个人的“模板”。然后，让让所有人都都接受光电电设备的描描扫，把他他们的图像像与机器事事先存放的的“模板”一一匹配。。只要待辩认认的人躲在在这群人中中间，哪怕怕他化了装装，留了长长发，蓄了了胡须，也也逃不脱电电脑的“火眼金睛”。这种图像像处理方法法也叫“模板匹配”，它已广泛泛应用于公公安部门识识别犯罪嫌嫌疑人的侦侦破工作。。图像识别技技术比较成成功的运用用领域是文文字识别。。如果把每每一个汉字字或西文字字母都视为为一个小图图形，模板板匹配的方方法自然可可以移植到到文字识别别过程中。。目前印刷刷体文字识识别软件早早已进行商商品化阶段段。通常将印刷刷品上的文文字用扫描描仪输入，，首先经过过特征抽取取处理，例例如，某字字的笔画有有几笔，收收尾端点有有几个，拐拐角有多少少等。在电电脑中已预预先保存了了各种字的的图形和它它们的特征征，也称为为“模板”，全部模板板就构成一一部“模板字典库库”。由于要考考虑字体、、字号、纸纸张、油墨墨等因素影影响，每个个字都有若若干套不同同的模板。。接下来就就是将抽取取到的文字字特征与模模板字典逐逐一匹配，，直到在字字典库中找找到最接近近的模板为为止。运用用这种方法法，对于印印刷体文字字，电脑能能够以“一目十行”的速度进行行阅读。电脑的语音音识别也是是一个非常常重要的人人工智能技技术，是人人工智能多多年追逐的的目标。与与“视觉”输入设备扫扫描仪对应应的“听觉”输入设备是是话筒，语语音识别的的基础技术术也是模式式识别。由由于每个人人说话的音音色和音调调都有一定定的差异，，发声频率率各不相同同。人脑对对语音似乎乎有一种自自适应的能能力，既能能区分不同同性别、不不同年龄的的语音差异异，又能调调整为能够够理解的音音素，从而而听懂各色色人说出的的话语。采采用模板匹匹配方式的的电脑不可可能具备这这种本领，，它通常只只能“听懂”特定某人的的声音，而而且是经过过了一段时时间的“学习”的结果。学学习过程称称为“训练”即对着电脑脑大声重复复地讲述某某些字词，，直到它把把这些字词词的声音频频谱特征“记住”，存放在参参考样本库库作为识别别这个字词词的模板。。当换了另另一个人说说话，电脑脑的正确识识别率可能能就会下降降。此外，语音音识别对说说话者使用用的词汇必必须作出限限制，否则则要求电脑脑具有极大大的存储容容量和极高高处理速度度。1998年IBM公司发布ViaVoice98，使中文语语音识别技技术取得了了实质性突突破，该软软件具有语语音导航功功能，在普普通话的基基础上能适适应广东、、四川、上上海三种口口音，用平平常速度口口音读一般般文章的识识别率达到到85%~95%，并具有自自适应功能能，快速口口音适应只只需训练5个词、3句话，5分钟左右即即可建立一一个语音模模型。已被被广泛使用用。人工智能模模式识别的的进展，已已经在一定定程度上使使电脑具备备了“听”、“说”、“读”的能力，但但距离理想想的目标还还有较长的的路程。对对人类来说说，哪怕你你把字写得得龙飞凤舞舞，哪怕你你把话说的的含糊不清清，我们也也能根据对对上下文的的理解做出出正确的识识别。这表表明人脑模模式识别的的方法不是是或者不完完全是“模板匹配”，对模糊信信息的处理理，人脑比比电脑要强强得多。此此外，电脑脑储存的模模板库或样样本库，与与它的判断断识别机构构两相分离离，当模板板库容量十十分庞大时时，搜索匹匹配就显得得力不从心心；而人脑脑记忆的知知识与其判判断机构浑浑然一体，，它的模式式识别是寻寻找、运用用知识的思思维决策。。模式识别已已广泛应用用于生物医医学工程领领域。生物物医学信号号的自动分分类和识别别，医学图图像的识别别都有相当当多的应用用实例。随随着计算机机的发展与与普及，模模式识别的的应用必定定会越来越越广泛。第三节专专家系统所谓的专家家系统实质质上是某一一专门知识识，例如某某种疾病的的诊断、处处方，某些些矿物的资资源勘探数数据分析等等的计算机机咨询系统统(软件)。专家系统的的基础是专专家知识。。专家知识识可以分成成两大类，，一类是已已经总结在在书本上的的定律、定定理和公式式等，另一一类是专家家们在实际际工作中长长期积累的的经验、教教训。这后后一类知识识往往难以以总结成书书面的规律律或条文，，但这类知知识却是十十分宝贵的的，它们在在专家做出出决策、指指导工作和和解决疑难难问题等方方面起着重重要作用。。第三三节节专专家家系系统统什么么是是专专家家系系统统：：“专家家系系统统”(ExpertSystem)是指指具具有有相相当当于于专专家家的的知知识识和和经经验验水水平平，，以以及及解解决决专专门门问问题题能能力力的的计计算算机机系系统统，，通通常常指指计计算算机机软软件件。。自一一九九六六八八年年由由费费根根鲍鲍姆姆主主持持研研制制完完成成的的第第一一个个专专家家系系统统DENDRAL(质谱谱数数据据分分析析、、推推断断化化学学分分子子结结构构的的系系统统)以来来，，已已经经在在各各行行各各业业中中研研制制了了大大量量的的专专家家系系统统。。专专门门为为专专家家系系统统设设计计的的语语言言软软件件Lisp和Prolog也已已诞诞生生。。尽尽管管有有报报道道说说某某些些专专家家系系统统的的分分析析判判断断能能力力超超过过了了专专家家水水平平，，并并创创造造了了大大量量社社会会财财富富。。但但是是绝绝大大多多数数的的专专家家系系统统只只能能达达到到或或接接近近专专家家水水平平。。在专专家家系系统统的的研研制制过过程程中中，，人人们们越越来来越越感感到到专专家家知知识识的的获获取取并并转转换换成成计计算算机机能能够够接接受受的的形形式式是是专专家家系系统统研研究究的的瓶瓶颈颈。。在研研究究人人工工智智能能的的过过程程中中，，神神经经生生理理学学和和心心理理学学等等方方面面的的研研究究也也是是一一个个重重要要的的侧侧面面。。现现代代脑脑科科学学已已证证实实，，人人脑脑在在结结构构上上是是左左脑脑和和右右脑脑左左右右对对称称的的器器官官，，但但左左右右脑脑的的功功能能却却截截然然不不同同。。左左脑脑主主司司读读、、写写、、听听、、说说这这类类文文字字、、语语言言理理解解和和生生成成的的功功能能，，专专门门处处理理逻逻辑辑推推里里、、数数学学运运算算等等“串行”任务。右脑主主要负责形象象思维的任务务，例如图像像识别与处理理、模式识别别、音乐与艺艺术、模糊推推理与学习等等“并行”任务。当我们们力图用当代代最先进的串串行计算机来来实现右脑的的形象思维功功能时遇到了了极大困难。。一个对人来说说是非常简单单的识别或判判断的任务，，串行计算机机却要用大量量的内存和漫漫长的计算时时间才能完成成，以至当问问题获得解答答时已没有实实际使用的价价值。因而许许多研究人员员力图模拟神神经系统的工工作原理来研研制新一代的的计算机，这这种计算机将将与传统计算算机有完全不不同的工作原原理，它是全全并行式运行行的具有分布布式存储能力力，这就是在在目前吸引了了大量研究人人员关注的人人工神经网络络。人工神经经网络具有自自学习的能力力，不需要复复杂的编程，，可以解决当当前专家系统统研制的知识识获取和语言言软件两大瓶瓶颈问题。专家系统的一一个重要应用用领域就是医医疗诊断系统统。早在一九九七一年就由由斯坦福大学学的E．H．Shortiffe等研制了血液液感染病医疗疗诊断系统MYCIN，它已成为成成功的专家系系统的一个典典型。此外，，世界上比较较著名的医疗疗诊断系统还还有青光眼医医疗诊断系统统CASNET，内科病医疗疗诊断系统INTERNIST，肾病医疗诊诊断系统PIP，处理精神病病的系统PARRY等。我国的研研究者根据我我国的特点，，在中医专家家系统方面做做了大量的工工作，有一些些已投入实际际应用。MYCIN系统研制发起起人E．H．Shortiffe(爱德华持·肖持利夫)是哈佛大学数数学系毕业生生，他获得了了斯坦福大学学面向医学的的计算机应用用方面的奖学学金，到斯坦坦福大学当研研究生。他在在计算机科学学和医学之间间的边缘领域域一一医疗诊诊断的研究中中，进行了开开创性的工作作。当他在一一九七一年完完成MYCIN系统时，他只只是一名研究究生，到了一一九七九年成成为斯坦福大大学的内科副副教授。一九九八零年召开开第二届医疗疗中的人工智智能(AIM)学术会议时，，他成为大会会的组织委员员会主席。MYCIN是有关传染病病诊断和治疗疗的咨询系统统。它能教会会不擅长诊治治传染病的医医生，怎样从从患者症状出出发，确定病病的种类及相相应的治疗方方法。我们知知道，传染病病种类繁多，，与其相应的的抗生素种类类也不少。要要在限定的时时间内确定病病症，选择出出恰当的治疗疗方法，决非非易事。似乎乎这就是开发发MYCIN系统的着眼点点。MYCIN系统存放有大大量传染病专专家长期积累累的知识，它它们是肖特利利夫与许多著著名的传染病病专家交谈，，推理和总结结得到的，他他把这些知识识归纳成200多条规则(后扩充至500多条)存放在计算机机中，这些规规则具有“如果…那么…”这种形式，称称为产生式规规则。这是目目前专家系统统使用得最广广泛的推理方方式之一。当当系统获得一一个数据且与与某个“如果…”相一致时(称为匹配)，则相应的“那末…”就代替了该数数据，再继续续搜寻是否存存在与这个新新数据匹配的的“如果…”，这样一个过过程含有“产生”、“做出”的含义，因此此获得“产生式”的名子。当使使用MYCIN进行医疗诊断断时，医生通通过计算机的的人机交互接接口，将病人人数据送入计计算机，MYCIN系统将外来数数据不断与内内部知识进行行匹配，直到到获得最终结结果。人工神经网络络1神经元模型的的提出“人工神经网络络”(ARTIFICIALNEURALNETWORK，简称A.N.N.)是在对人脑组组织结构和运运行机智的认认识理解基础础之上模拟其其结构和智能能行为的一种种工程系统。。早在本世纪纪40年代初期，心心理学家McCulloch、数学家Pitts就提出了人工工神经网络的的第一个数学学模型，从此此开创了神经经科学理论的的研究时代。。其后，F.Rosenblatt、Widrow和Hopf、等学者又先后后提出了感知知模型，使得得人工神经网网络技术得以以蓬勃发展。。神经系统的基基本构造是神神经元(神经细胞)，它是处理人人体内各部分分之间相互信信息传递的基基本单元。据据神经生物学学家研究的结结果表明，人人的一个大脑脑一般有1010～1011个神经元。每每个神经元都都由一个细胞胞体，一个连连接其他神经经元的轴突和和一些向外伸伸出的其它较较短分支——树突组成。轴轴突的功能是是将本神经元元的输出信号号(兴奋)传递给别的神神经元。其末末端的许多神神经末梢使得得兴奋可以同同时传送给多多个神经元。。树突的功能能是接受来自自其它神经元元的兴奋。神神经元细胞体体将接受到的的所有信号进进行简单地处处理(如：加权求和和，即对所有有的输入信号号都加以考虑虑且对每个信信号的重视程程度体现在权权值上有所不不同)后由轴突输出出。神经元的的树突与另外外的神经元的的神经末梢相相连的部分称称为突触。大脑之所以能能够处理极其其复杂的分析析、推理工作作，一方面是是因为其神经经元个数的庞庞大，另一方方面还在于神神经元能够对对输入信号进进行非线性处处理。2人工神经网络络的工作原理理

人工神经经网络首先要要以一定的学学习准则进行行学习，然后后才能工作。。现以人工神神经网络对手手写“A”、“B”两个字母的识识别为例进行行说明，规定定当“A”输入网络时，，应该输出“1”，而当输入为为“B”时，输出为“0”。所以网络学学习的准则应应该是：如果果网络作出错错误的的判决决，则通过网网络的学习，，应使得网络络减少下次犯犯同样错误的的可能性。首首先，给网络络的各连接权权值赋予(0，1)区间内的随机机值，将“A”所对应的图象象模式输入给给网络，网络络将输入模式式加权求和、、与门限比较较、再进行非非线性运算，，得到网络的的输出。在此此情况下，网网络输出为“1”和“0”的概率各为50%，也就是说是是完全随机的的。这时如果果输出为“1”(结果正确)，则使连接权权值增大，以以便使网络再再次遇到“A”模式输入时，，仍然能作出出正确的判断断。如果输出为“0”(即结果错误)，则把网络连连接权值朝着着减小综合输输入加权值的的方向调整，，其目的在于于使网络下次次再遇到“A”模式输入时，，减小犯同样样错误的可能能性。如此操操作调整，当当给网络轮番番输入若干个个手写字母“A”、“B”后，经过网络络按以上学习习方法进行若若干次学习后后，网络判断断的正确率将将大大提高。。这说明网络络对这两个模模式的学习已已经获得了成成功，它已将将这两个模式式分布地记忆忆在网络的各各个连接权值值上。当网络络再次遇到其其中任何一个个模式时，能能够作出迅速速、准确的判判断和识别。。一般说来，，网络中所含含的神经元个个数越多，则则它能记忆、、识别的模式式也就越多。。人工神经网络络的特点和优优越性，主要要表现在三个个方面：第一，具有自自学习功能。。例如实现图图像识别时，，只在先把许许多不同的图图像样板和对对应的应识别别的结果输入入人工神经网网络，网络就就会通过自学学习功能，慢慢慢学会识别别类似的图像像。自学习功功能对于预测测有特别重要要的意义。预预期未来的人人工神经网络络计算机将为为人类提供经经济预测、市市场预测、效效益预测，其其前途是很远远大的。第二，具有联联想存储功能能。人的大脑脑是具有联想想功能的。如如果有人和你你提起你幼年年的同学张某某某，你就会会联想起张某某某的许多事事情。用人工工神经网络的的反馈网络就就可以实现这这种联想。第三，具有高高速寻找优化化解的能力。。寻找一个复复杂问题的优优化解，往往往需要很大的的计算量，利利用一个针对对某问题而设设计的反馈型型人工神经网网络，发挥计计算机的高速速运算能力，，可能很快找找到优化解。。几种典型神经经网络简介(1)多层感知网络络(误差逆传播神神经网络)：在1986年以Rumelhart和McCelland为首的科学家家出版的《ParallelDistributedProcessing》一书中，完整整地提出了误误差逆传播学学习算法，并并被广泛接受受。多层感知知网络是一种种具有三层或或三层以上的的阶层型神经经网络。典型型的多层感知知网络是三层层、前馈的阶阶层网络，即即：输入层I、隐含层(也称中间层)J、输出层K。相邻层之间间的各神经元元实现全连接接，即下一层层的每一个神神经元与上一一层的每个神神经元都实现现全连接，而而且每层各神神经元之间无无连接。除了竞争的方方法外，还有有通过抑制手手段获取胜利利的方法，即即网络竞争层层各神经元抑抑制所有其它它神经元对输输入模式的响响应机会，从从而使自己“脱颖而出”，成为获胜神神经元。除此此之外还有一一种称为侧抑抑制的方法，，即每个神经经元只抑制与与自己邻近的的神经元，而而对远离自己己的神经元不不抑制。这种种方法常常用用于图象边缘缘处理，解决决图象边缘的的缺陷问题。。

竞争型神神经网络的缺缺点和不足：：因为它仅以以输出层中的的单个神经元元代表某一类类模式。所以以一旦输出层层中的某个输输出神经元损损坏，则导致致该神经元所所代表的该模模式信息全部部丢失。(3)Hopfield神经网网络：：1986年美国国物理理学家家陆续发发表几几篇论论文，，提出出了Hopfield神经网网络。。他利利用非非线性性动力力学系系统理理论中中的能能量函函数方方法研研究反反馈人人工神神经网网络的的稳定定性，，并利利用此此方法法建立立求解解优化化计算算问题题的系系统方方程式式。基基本的的Hopfield神经网网络是是一个个由非非线性性元件件构成成的全全连接接型单单层反反馈系系统.神经网网络的的研究究内容容相当当广泛泛，反反映了了多学学科交交叉技技术领领域的的特点点。迄迄今为为止，，在人人工神神经网网络研研究领领域中中，有有代表表性的的网络络模型型已达达数十十种，，而学学习算算法的的类型型更难难以统统计其其数量量。神神经网网络研研究热热潮的的兴起起是本本世纪纪末人人类科科学技技术发发展全全面飞飞跃的的一个个组成成部分分。它它与多多种科科学领领域的的发展展密切切相关关，纵纵观当当代新新兴科科学技技术的的发展展历史史，人人类在在征服服宇宙宙空间间、基基本粒粒子、、生