人工智能神经网络

《人工智能神经网络》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于神经网络的人机对抗人工智能系统（理论）--------------------------------------------------------------------------------基于神经网络的人机对抗人工智能系统Harreke摘要：人工智能是一门科学名称。自电子计算机发明后不久，人工智能学科即宣布创立，其目的就是要模拟人类的智力活动机制来改进计算机的软件硬件构成，使他们掌握一种或多种人的智能，以便在各种领域内有效替代人的脑力劳动，特别是解决用传统软硬件方法难以解决的问题，如模式识别，复杂的控制行为或对海量的数据进行实时评估

2、等。所谓人工智能，就是由人工建立的硬件或软件系统的智能，是无生命系统的智能。智能是人类智力活动的能力，是一个抽象的概念。一个软件或硬件系统是否有智能，只能根据它所表现出来的行为是否和人类某些行为相类似来做判断。人工智能在计算机上的实现，有两种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或生物机体所用的方法相同。这种方法称为工程学方法，它的编程方式虽然简单，智能效果显著，可是算法和程序一旦固定下来，智能就很难再进一步提高。另一种是模拟法，它不仅要看智能效果，还要求实现方法和人类或生物机体所用的方法相同或类似。

3、人工神经网络是模拟人类或生物大脑中神经元的活动方式，属于模拟法。人工神经网络入门难度大，编程者需要为每一个对象设置一个智能系统来进行控制，新设置好的智能系统，虽然一开始什么都不懂，但它拥有学习的能力，可以通过学习，不断提升智能，不断适应环境、应付各种情况。通常来讲，使用人工神经网络虽然编程复杂，但编写完成后的维护工作，将比使用其他方式编程后的维护更加省力。本文采用人工神经网络构建一个完整的人工智能系统，并将该人工神经网络理论应用于电脑领域的项目DOTA。关键词：人机对抗，神经网络，人工智能，DOTA目录第一章神经网络系统概述1.1生物学神经网络1

4、.2人工神经网络1.2.1人工神经网络系统概念1.2.2人工神经网络系统的组成1.3神经网络的训练1.4相关数学知识1.4.1人工神经元输出的计算1.4.2反向传播方法第二章人工神经网络应用的设计2.1应用设计2.2DOTA简介2.2.1DOTA概念2.2.2DOTA规则2.2.3DOTA现状2.2.3DOTAAI概念2.2.4现有DOTAAI弊端2.3新版DOTAAI的理论设计2.3.1巡查系统2.3.2控制系统2.3.3指令中心第四章数学算法的实际应用4.1确定三大系统的参数和意义4.1.1巡查系统4.1.2控制系统4.1.3命令中心4.2三

5、大系统的具体实现思路4.2.1巡查系统4.2.2控制系统4.2.3命令中心第五章总结参考文献附录第一章神经网络系统概述1.1生物学神经网络人工神经网络系统是模拟人思维的一种方式，仿照生物的大脑来工作。为了帮助理解，首先介绍一下生物大脑的工作方式。生物的大脑拥有称为皮层的组织。大脑分为两层：灰色的外层和白色的内层。灰色层只有几毫米厚，但其中却紧密地分布着数十亿个被称为神经元的微小细胞；白色层占据了皮层组织的绝大部分空间，是由无数神经元相互连接组成的。神经元的构成是独特的。每个神经元都长有轴突，用来将信号传递给其他神经元。神经元由一个细胞体、树突和一

6、根轴突组成。树突由细胞体向各个方向长出，用来接收信号；轴突也有很多分支，通过分支的末梢和其他神经元的树突相接触，形成突触。一个神经元是通过轴突和突出把产生的信号送至其他神经元。每个神经元通过它的树突，与大约1万个其他神经元连接。神经元利用电化学过程交换信号。输入信号来自另一些神经元。这些神经元的末梢和本神经元的树突相遇形成突触，信号就从树突上的突触进入本细胞。虽然信号在大脑中的传输过程极其复杂，但也可以把它看做与计算机一样，利用二进制的0与1进行操作。每个神经元只有两种状态：兴奋和不兴奋。神经元把所有从树突的突触上接受来的激励信号，通过我们目前还

7、未知的的方式相加。如果相加所得结果超过某种阈值，则该神经元就会被激励，变得兴奋，同时产生一个激励信号，通过它轴突的突触，把产生的信号传给其他神经元；如果相加所得结果没有超过阈值，该神经元就不会被激励。虽然单个神经元的结构极其简单，功能有限，频率大约只有100Hz，但正因为有数量巨大的神经元，相互连接构成一个庞大的并行处理网络，所以整个神经网络系统具备难以置信的能力：1）能实现无监督的学习功能完整的神经网络系统可以实现自行学习，而不需要导师的监督教导。如果一个神经元在一段时间内受到较高频率的刺激，则它和输入信号的神经元之间的连接强度就会在一定程度上

8、改变，使得该神经元下一次受到刺激时，更容易兴奋。2）对损伤有冗余性神经网络系统即使受到了损伤，它依然能执行复杂的工作。3）处理信息的效率