第四章计算智能(1)讲解课件.ppt
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《第四章计算智能(1)讲解课件.ppt》由会员分享,可在线阅读,更多相关《第四章计算智能(1)讲解课件.ppt(33页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、第四章第四章 计算智能计算智能(1)神经计算神经计算模糊计算模糊计算CSUCSUCSUCSUCSUCSUCSUCSUCSUv信息科学与生命科学的相互交叉、相互渗透和相互促进是现代科学技术发展的一个显著特点。v计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域,它的研究和发展正反映了当代科学技术多学科交叉与集成的重要发展趋势。4.1 概述概述2CSUCSUCSUCSUCSUCSUCSUCSUCSU什么是计算智能 v把神经网络(NN)归类于人工智能(AI)可能不大合适,而归类于计算智能(CI)更能说明问题实质。进化计算、人工生命和模糊逻辑系统的某些课题,也都归类于计算智能。v计算智能取决于制
2、造者(manufacturers)提供的数值数据,不依赖于知识;另一方面,人工智能应用知识精品(knowledge tidbits)。人工神经网络应当称为计算神经网络。4.1 概述3CSUCSUCSUCSUCSUCSUCSUCSUCSU计算智能与人工智能的区别和关系 输入输入人类知识人类知识()传感输入传感输入知识知识()传感数据传感数据计算计算()传感器传感器C数值的数值的A符号的符号的B生物的生物的输入输入复杂性复杂性复复杂杂性性BNNBPRBIANNAPRAICNNCPRCI4.1 概述4CSUCSUCSUCSUCSUCSUCSUCSUCSUvAArtificial,表示人工的(非生物的
3、);BBiological,表示物理的化学的 (?)生物的;CComputational,表示数学计算机 v计算智能是一种智力方式的低层认知,它与人工智能的区别只是认知层次从中层下降至低层而已。中层系统含有知识(精品),低层系统则没有。4.1 概述5CSUCSUCSUCSUCSUCSUCSUCSUCSUv当一个系统只涉及数值(低层)数据,含有模式识别部分,不应用人工智能意义上的知识,而且能够呈现出:(1)计算适应性;(2)计算容错性;(3)接近人的速度;(4)误差率与人相近,则该系统就是计算智能系统。v当一个智能计算系统以非数值方式加上知识(精品)值,即成为人工智能系统。4.1 概述6CSUC
4、SUCSUCSUCSUCSUCSUCSUCSUv1960年年威德罗和霍夫率先把神经网络用于自威德罗和霍夫率先把神经网络用于自动控制研究。动控制研究。v60年代末期至年代末期至80年代中期年代中期,神经网络控制与,神经网络控制与整个神经网络研究一样,处于低潮。整个神经网络研究一样,处于低潮。v80年代后期以来年代后期以来,随着人工神经网络研究的,随着人工神经网络研究的复苏和发展,对神经网络控制的研究也十分复苏和发展,对神经网络控制的研究也十分活跃。这方面的研究进展主要在神经网络自活跃。这方面的研究进展主要在神经网络自适应控制和模糊神经网络控制及其在机器人适应控制和模糊神经网络控制及其在机器人控制
5、中的应用上。控制中的应用上。4.2 神经计算4.2.1 人工神经网络研究的进展7CSUCSUCSUCSUCSUCSUCSUCSUCSUv并行分布处理v非线性映射v通过训练进行学习v适应与集成v硬件实现人工神经网络的特性4.2 神经计算8CSUCSUCSUCSUCSUCSUCSUCSUCSU4.2.2 人工神经网络的结构4.2 神经计算-1 W j 1X1X2Wj2X nW j n ()Yi图图4.2 神经元模型神经元模型9CSUCSUCSUCSUCSUCSUCSUCSUCSU 图图4.2中的神经元单元由多个输入中的神经元单元由多个输入xi,i=1,2,.,n和一个输出和一个输出y组成。中间状态
6、由输入信号的权组成。中间状态由输入信号的权和表示,而输出为和表示,而输出为(4.1)式中,式中,j为神经元单元的偏置,为神经元单元的偏置,wji为连接权系为连接权系数。数。n为输入信号数目,为输入信号数目,yj为神经元输出,为神经元输出,t为为时间,时间,f()为输出变换函数,如图为输出变换函数,如图4.3。4.2 神经计算10CSUCSUCSUCSUCSUCSUCSUCSUCSU(a)xf(x)1x00图图4.3 神经元中的某些变换(激发)函数神经元中的某些变换(激发)函数(a)二值函数二值函数(b)S形函数形函数 (c)双曲正切函数双曲正切函数4.2 神经计算(c)xf(x)1-1(b)f
7、(x)x1 011CSUCSUCSUCSUCSUCSUCSUCSUCSUv人工神经网络是具有下列特性的有向图:v 对于每个节点 i 存在一个状态变量xi;v 从节点 j 至节点 i,存在一个连接权系统数wij;v 对于每个节点 i,存在一个阈值 i;v对于每个节点 i,定义一个变换函数fi;对于最一般的情况,此函数取v 形式。人工神经网络的基本特性和结构4.2 神经计算12CSUCSUCSUCSUCSUCSUCSUCSUCSUv递归(反馈)网络递归(反馈)网络:在递归网络中,在递归网络中,多个神经元互连以多个神经元互连以组织一个互连神经组织一个互连神经网络,如图网络,如图4.4。图图4.4 反
8、馈网络反馈网络x1x2xnV1V2Vn输入输入输出输出x1x2xn4.2 神经计算13CSUCSUCSUCSUCSUCSUCSUCSUCSUv前馈网络前馈网络:前馈网前馈网络具有递阶分层络具有递阶分层结构,由同层神结构,由同层神经元间不存在互经元间不存在互连的层级组成,连的层级组成,如图如图4.5。4.2 神经计算x1x2输入层输入层输出层输出层隐层隐层y1ynw11w1m图图4.5 前馈网络前馈网络反向传播反向传播14CSUCSUCSUCSUCSUCSUCSUCSUCSUv有师学习算法:能够根据期望的和实际有师学习算法:能够根据期望的和实际的网络输出(对应于给定输入)间的差的网络输出(对应于
9、给定输入)间的差来调整神经元间连接的强度或权。来调整神经元间连接的强度或权。v无师学习算法:不需要知道期望输出。无师学习算法:不需要知道期望输出。v强化学习算法:采用一个强化学习算法:采用一个“评论员评论员”来来评价与给定输入相对应的神经网络输出评价与给定输入相对应的神经网络输出的优度(质量因数)。强化学习算法的的优度(质量因数)。强化学习算法的一个例子是遗传算法(一个例子是遗传算法(GA)。)。人工神经网络的主要学习算法4.2 神经计算15CSUCSUCSUCSUCSUCSUCSUCSUCSU人工神经网络的典型模型4.2 神经计算16CSUCSUCSUCSUCSUCSUCSUCSUCSU续前
10、表:续前表:4.2 神经计算17CSUCSUCSUCSUCSUCSUCSUCSUCSUv基于神经网络的知识表示 在这里,知识并不像在产生式系统中那样独立地表示为每一条规则,而是将某一问题的若干知识在同一网络中表示。例如,在有些神经网络系统中,知识是用神经网络所对应的有向权图的邻接矩阵及阈值向量表示的。4.2.4 基于神经网络的知识表示与推理基于神经网络的知识表示与推理 4.2 神经计算18CSUCSUCSUCSUCSUCSUCSUCSUCSUv基于神经网络的推理是通过网络计算实现的。把用户提供的初始证据用作网络的输入,通过网络计算最终得到输出结果。v一般来说,正向网络推理的步骤如下:v把已知数
11、据输入网络输入层的各个节点。v利用特性函数分别计算网络中各层的输出。v用阈值函数对输出层的输出进行判定,从而得到输出结果。基于神经网络的推理基于神经网络的推理 4.2 神经计算19CSUCSUCSUCSUCSUCSUCSUCSUCSU论域论域U到到0,1区间的任一映射区间的任一映射 ,即即 ,都确定,都确定U的一个模糊子集的一个模糊子集F;称为称为F的隶属函数或隶属度。在论域的隶属函数或隶属度。在论域U中,可中,可把模糊子集表示为元素把模糊子集表示为元素u与其隶属函数与其隶属函数 的的序偶集合,记为:序偶集合,记为:(4.7)定义定义4.1 模糊集合模糊集合(Fuzzy Sets)4.3 模糊
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第四 计算 智能 讲解 课件
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内