计算智能基础

计算(jìsuàn)智能共四十三页教学内容BP算法算法推导改进算法竞争型神经网络自组织映射神经网络SOM学习向量量子化神经网络LVQ神经网络小结(xiǎojié)神经网络应用举例共四十三页教学内容第三章 遗传算法第1节~第4节遗传算法的原理(yuánlǐ)遗传算法的应用共四十三页教学内容第四章 模糊推理系统第1节~第4节概述模糊集合模糊集合的运算模糊关系及合成第5节~第7节模糊逻辑(luójí)模糊推理解模糊判决模糊原理的应用例共四十三页教学内容第五章 神经网络、模糊逻辑(luójí)及遗传算法的融合第1节~第6节选择的要点三者的长处与短处三者的融合关系、两两的融合方式总结共四十三页第一章 引言(yǐnyán)第1节 概念(gàiniàn)第2节 为什么要研究神经网络第3节 为什么要研究模糊逻辑第4节 为什么要研究遗传算法第5节 神经网络、模糊逻辑、遗传算法与人工智能的关系共四十三页第1节 概念(gàiniàn)keywords vonneumannAI—ArtificialIntelligenceES---ExpertSystemSC---SoftComputingNN---NeuralNetworkA(B)NN----Artificial(Biological)NeuralNetwork共四十三页KeyWordsFS-----FuzzysystemFL-----FuzzyLogicGA----GeneticAlgorithmFUSION----ANN+FS FS+GA GA+ANN ANN+FS+GA共四十三页什么(shénme)是计算智能（软计算）？90年代初，以L.A.zadeh为首提出(tíchū)：1 在构造智能系统中起作用的几种新技术及其融合2构成软计算的基本技术：FS，NN，GA，概率推理，及其融合3承认不正确性、不确定性，宽容对待，使系统易于处理，鲁棒性强，成本低4 由“Computingwithnumbers”到“Computingwithwords”共四十三页计算(jìsuàn)智能-软计算构成计算智能的主要技术：模糊逻辑、神经计算、概论推理，以及遗传算法、学习理论、混沌理论等计算智能的宗旨(zōngzhǐ)是将这些技术相辅助、相融合地加以利用基于宽容性的概念，不强求高度的精确性及确定性，降低成本，易处理、鲁棒性通过低精度的计算，解决精确的或不精确的模式化问题的一种新的计算模式共四十三页硬计算(jìsuàn)与软计算(jìsuàn)硬计算：数字(shùzì)计算机问题对象的正确解析软计算：算法的集成针对大系统中的不确定性，使之易于用计算机处理经济性共四十三页NN：在微观层次上模仿脑神经网络的功能FS：模拟人类(rénlèi)的主观的信息处理方式GA：模拟生物的进化方式三者的融合：神经网络与模糊推理的融合模糊推理与遗传算法的融合神经网络与遗传算法的融合取长补短，产生更优秀的技术NN、FS、GA：从生物(shēngwù)中学习共四十三页第2节为什么要研究(yánjiū)神经网络1946年，首台ENIAC，美国；半个世纪，小型化、高速、通信功能优势：速度快、存储量大，精度高，适合于数值计算、符号推理、求精确(jīngquè)解劣势：连续的、模糊的、随机的信息处理，模式识别、图象处理、决策判断只有逻辑思维，没有形象思维例：两岁的小孩认自己的妈妈现代童话——计算机守门员与人守门员共四十三页下一代计算机的发展趋势开发新的元件：光计算机、生物分子计算机等在原理上，追求新的信息处理方式：神经计算机、模糊计算机、概率处理计算机、语言计算机、认知(rènzhī)计算机神经计算机受到广泛的关注：积极模拟当今世界最智能的信息处理装置—人脑的机能共四十三页人脑与电脑(diànnǎo)的比较目前的计算机：1945年，冯诺依曼型处理方式：程序内藏式：事先写入程序，顺次执行人脑：无程序，而通过积累经验，随着知识、判断力的增长，对于模糊的信息、复杂的局面(júmiàn)，也能灵活对付音乐、绘画等—可以说是只有人类才有的智慧的产物共四十三页不仅在程序的必要性上的差异人脑无CPU：通过大量神经元并行处理记忆(jìyì)方式不同：计算机—寻址，稍有错则不能正确操作；人脑—无地址，分散进行，可由部分联想起整体，如多年未见的老友。耐故障性：人脑强，冷热无妨；电脑弱，死机；共四十三页人脑与电脑(diànnǎo)的比较信息的表示方式：人脑—模拟、连续电脑—数字(shùzì)擅长领域：人脑—模式识别、综合判断电脑—数值计算信息处理特征：人脑—低速、模糊、并行电脑—高速、正确、串行共四十三页人脑与电脑(diànnǎo)的比较共四十三页第3节为什么要研究模糊(móhu)算法科技使系统巨型化、复杂化。如，原子能发电厂、大型工厂等。其中科技的基本方法，自17世纪牛顿以来的300年，实际上基本没什么变化(biànhuà)作为方法论，即基于数学公式的描述，以及基于数学公式的控制要想达到控制的目的，必须首先能够将对象用数学公式表示，即建立数学模型共四十三页建模问题(wèntí)对线性、小的系统可行，控制精度会很高对于(duìyú)大部分系统，采用线性建模方法，即满足线性叠加原理：f（x+y）=f（x）+f（y）f（ax）=af（x）当必须解非线性时，则采用分段线性的办法共四十三页建模问题(wèntí)但大多数非线性不可分段如ZK=ZK-12+C，液体的混合、水力系统、经济(jīngjì)预测、人类行为、图象、声音识别对非线性的处理方法，无具体的方法，只能给出解的存在证明，不能给出具体的方法建模的概念：对系统的某些属性加以描述：符号语言、自然语言、图形语言数学公式、文章、图表都是模型（描述）共四十三页不相容性原理(yuánlǐ)不相容性原理，1973，扎德提出：当系统的复杂性，超过某一限度，对系统的举动进行正确且有意义(yìyì)的描述是不可能的例：骑自行车、倒车等问题用数学公式表示：难而人却可以轻松的完成任务共四十三页建模问题(wèntí)即使没有(méiyǒu)复杂的数学工具，也可以了解复杂的非线性系统所用的办法是：建立描述系统行为的规则将系统的一些有意义的状态映象成一些更简洁的内部表示，以使这些状态在以后产生时能被识别，即通过例子或ANN来训练的方法共四十三页扎德提出了具有三种特点(tèdiǎn)的方法：1、不用数学方程，而用语言为代表的模糊变量来记述系统2、通过用条件命题，记述模糊变量间的关系如如果温度低，就加强(jiāqiáng)加温器的热度3、利用模糊推理算法记述系统共四十三页历来科学与模糊(móhu)理论的不同历来的科学 模糊理论

必须客观 主观也可以 必须完全正确 不完全、模糊也行

理论上要严密 不一定理论上严密

有必要正确(zhèngquè)计测 不可计测，定性也行尽量除掉杂音 有也无妨

尽量不用经验,感觉活用经验、感觉

共四十三页第4节为什么要研究(yánjiū)遗传算法生物是科学技术思想(sīxiǎng)的宝库NN—模拟人脑，以个体的生物为对象GA—模拟生物的进化过程，新的信息处理方法GA以几个世代的多数的生物为对象在复杂大规模系统中进行搜索的一条全新的途径共四十三页GA的机制(jīzhì)以几个世代复数个生物为对象将问题的求解(qiújiě)—染色体（一群），置于问题的环境中适者生存的原则—对适应环境者进行：复制、再生、交叉、变异优点：设计简单，对所求解的问题不需要知道更多的信息共四十三页GA的算法(suànfǎ)原理自然淘汰原理：适者生存淘汰：对环境适应度低的增殖：对环境适应度高的交叉：性质的混合（染色体的交叉）突然(tūrán)变异：强制性的稍有变化的个体的生成共四十三页GA的算法(suànfǎ)原理将对象系统的各种参数的集合用一个染色体表示(biǎoshì)生成多个不同的染色体，用上述原理进行计算虽算法简单，但与以往的数学方法相比，却非常容易得到解共四十三页GA的好处(hǎochu)作为解的探索法，历来的方法有牛顿法、下降法、等一般是串行求解GA通过许多个体，并列进行解的探索；特别，通过个体间的选择(xuǎnzé)、交叉等相互作用，更加提高解的探索的效率应用领域：系统的设计、优化、遗传编程、人工生命共四十三页第5节NN、FS、GA与AINN：模拟人脑FS：模拟人类的主观(zhǔguān)的信息处理方式GA：模拟生物的进化方式共通点：从生物中学习AI：追求人类智能信息处理的手法的领域共四十三页NN、FS、GA的最初的想法，都是在50年代中期及其后10年产生(chǎnshēng)这也是计算机自诞生、成品上市、语言发表等，逐渐普及的年代利用计算机，来探索进行智能处理的原理、方法，及新的信息处理方式等的摸索，也是在这一时期活跃起来共四十三页结果，AI先发展了起来进行(jìnxíng)符号处理的AI，适合于当时性能还不充分的计算机AI的最初想法，是将智能的机能，利用计算机等来实现所以，利用计算机解puzzle，game等，进行了各种尝试这一时期使用的技术手法，是探索共四十三页知识(zhīshi)的重要性建立于只有逻辑思维，没有形象思维，适合于数值计算、符号推理、求精确解的计算机基础上的人工智能方法，在用于实际问题时，必然会受到一定的影响与游戏相比，必须要考虑非常多的因素人类在知识与经验的基础上进行学习，进行高度(gāodù)的推理、思考、判断等重要的是知识，需要将知识输入计算机共四十三页知识的表示(biǎoshì)及获取方法要表示高度的知识，最易于处理的方法是用规则表示。如：

IF---THEN---规则的形式将许多这样的规则输入计算机，由专家进行高水平的推理—专家系统现在也广泛应用，其需求量年年增长(zēngzhǎng)但专家系统中有一个公认的瓶颈问题，即知识的获取问题，怎样得到专家的经验、知识，以及怎样表示这样的知识共四十三页知识本身有时具有模糊性如：冬天冷：低于多少度可算冷？阴天：含云量80%与81%、79%的区别？人的思维的特点：实际生活中，人不总是进行绝对(juéduì)严密的推理，具有模糊性，但不妨碍得出正确的答案。如，找一个中等个子的人共四十三页模糊理论可处理主观的、直观的知识、规则，这是模糊理论的一大特征对规则不清楚或没有，只有数值的情况怎么办？如声音的识别：1秒中，8000~20000个振幅值，所处理的数据是数值用历来的公式(gōngshì)的方法没有效果，也没有可用规则表示的知识在只有数值数据可利用的情况时可以用神经网络共四十三页小结(xiǎojié)与传统的人工智能相比，这些算法的最大特点，也是它的潜力所在是：不需要建立问题本身的精确数学或逻辑模型(móxíng)，而是直接对输入数据进行处理得出结果更适用于解决那些用传统AI技术难以有效地处理、甚至无法处理的问题只有数值数据可利用时可以用神经网络处理具有模糊性的知识，可以使用模糊逻辑从多个组合中选优，可以使用遗传算法共四十三页小孩(xiǎohái)认妈妈那是什么？树？妈妈！返回(fǎnhuí)共四十三页大脑(dànǎo)功能图返回(fǎnhuí)共四十三页大脑功能区域(qūyù)分布返回(fǎnhuí)共四十三页为骑自行车建模--