计算智能--人工神经网络

《计算智能--人工神经网络》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第二部计算智能ComputationalIntelligence计算智能的概念计算智能（ComputationalIntelligence）1992—贝兹德克(Bezdek)：CI取决于数据，不依赖知识；AI应用知识精品.计算智能:生命科学+信息科学计算智能是信息科学、生命科学、认知科学等不同学科相互交叉的产物。它主要借鉴仿生学的思想，基于人们对生物体智能机理的认识，采用数值计算的方法去模拟和实现人类的智能。计算智能的主要研究领域包括：神经计算、进化计算、模糊计算、蚂群计算等。计算智能的主要研究领域神经网络是一种对人类

2、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。人工智能与计算智能AI：基于知识处理CI：基于数值计算高级认知形式低级认知形式逻辑计算自然计算推理学习优化适应计算复杂度：CI--〉AI--–〉BI(Biological)大量实践

3、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。CNNCPRCIANNAPRAIBNNBPRBI人类知识(+)传感输入知识(+)传感数据计算(+)传感器B~生物的A~符号的C~数值的复杂性复杂性输入层次贝慈德克的智能的3个层次组合优化问题求解局部搜索（LS：LocalSearch）遗传算法(GA：GeneticAlgorithm)人工神经网络（ANN:ArtificialNeuralNetwork）模拟退火算法（SA：SimulatedAnnealing）蚂蚁群算法(ACA

4、：AntColonyAlgorithm)免疫算法(IA：ImmuneAlgorithm)粒子群优化算法（PSO：ParticleSwarmOptimization）……第六章人工神经网络(ANN:ArtificialNeuralNetwork)人工神经网络概述多层前馈神经网络(BP网络)HOPFIELD神经网络HOPFIELD网络应用6.1人工神经网络概述(一)人工神经网络(ArtificialNeuralNetwork:ANN):抽象,简化与模拟大脑生物结构的计算模型,也称连接主义或并行分布处理(ParalellDi

5、stributedProcessing:PDP)模型人工神经元ANN的三大要素:神经元，网络拓扑结构,学习算法拓扑结构:分层结构,互连结构学习算法:监督型(有指导),非监督型(没指导)生物神经元结构神经元的工作机制神经元组成：细胞体（处理器）、树突（输入端）、轴突（输出端）神经元有两种工作状态：兴奋和抑制神经元间的连接权是可以接受外界刺激而改变的，这构成了学习机能的基础。什么是神经元网络神经元网络(NeuralNet)指由大量神经元互连而成的网络，有点象服务器互连而成的国际互连网(Internet).人脑有1000亿个

6、神经元，每个神经元平均与10000个其他神经元互连，这就构成了人类智慧的直接物质基础。人工神经元的基本结构∑x1xnxiF()yi=f(uj)=f（∑wixi-θ）ujw1wnwi激励函数(或传播函数)要素:权值(wi),门限值(θ),非线性激励函数(f)状态:被激活的兴奋状态(ui>=θ)没被激活的抑制状态(ui<θ)常用神经元激励函数(一)1-1a阶跃函数1-1b斜坡函数f(x)=1x≥1kx-1

7、p(-x))yj=f((∑wijhi)-θj)激励函数为Sigmoid多层神经网络输入层隐层1x1xny1yn隐层2输出层Hj=f((∑wijxi)-θj)hj=f((∑wijhi)-θj)6.1人工神经网络概述(二)ANN的突出特点信息的分布存储：即使局部损坏，通过联想可恢复。自适应,自组织,自学习：根据环境自动改变网络及结构。并行处理：速度快。非线性映射：任意精度逼近。从训练样本中自动获得知识：特别是针对复杂环境。ANN的应用---走向实用化诊断与检测：疾病诊断、故障检测等。识别：图像、文字、指纹、语音等。分析与预

8、测：天气、市场、股票，决策控制、管理等。6.1人工神经网络概述(二)ANN的分类拓扑结构：无反反馈/有反馈、层次/全连接学习方法：有教师/无教师网络性能：连续型/离散型、线性/非线性确定性：确定性/随机型ANN的发展到50年代中期前到60年代末期到80年代初期至今产生时期-〉高潮时期-〉低潮时期-〉蓬勃发展时期神经元模型双层感知器