第六章 智能信息处理技术

人工智能
广义的人工智能（AI）主要研究用人工的方法 和技术，模仿、延伸和扩展人的智能，实现机器智 能。
按研究方法它可以分成两大类：一类是符号智 能，一类是计算智能。
符号智能是以知识为基础，而知识通过符号进行表示和 运用，通过推理进行问题求解，也即所谓的传统人工智 能。
计算智能不是依赖于知识，而是以数据为基础，借助数 学计算方法，进行问题求解。
人工智能一词最初是在1956年Dartmouth 学会上提出的。目的就是让计算机这台机器 能够象人一样思考。
计算智能则是1992年美国学者James C. Bezdek提出的。他在近似推理的国际杂志 上论道：计算智能依靠生产者提供的数字材 料，而不是依赖于知识，而人工智能使用的 是知识精华。
计算智能
机器感知（Machine perception）或机器认知 （Machine Recognition）研究如何用机器或计算机模 拟、延伸和扩展人的感知或认知能力。
机器行为（Machine Behavior）或计算机行为 （Computer Behavior）研究如何用机器去模拟、延伸、 扩展人的智能行为。
模糊理论是以模糊数学为理论基础的一门新 兴技术。1965年，美国控制论专家、数学 家查德发表了论文《模糊集合》，标志着模 糊数学这门学科的诞生。
模糊集合理论的产生和发展到现在不过是30 余年的历史 ,但它已经逐步地渗透到自然科 学、社会科学等的各个领域,并且取得引人 注目的成果。
主要思想
清晰集合：
国际上提出的计算智能就是以人工神经网为 主导，与模糊逻辑系统、进化计算及信号与 信息处理学科的综合集成，也有学者认为： 新一代的计算智能信息处理技术应是神经网 络、模糊系统、进化计算、混沌动力学、分 形理论、小波变换、人工生命等交叉学科的 综合集成。
第二节 模糊信息处理技术
人的胖瘦
年龄大小
个子高低
问题的初始解 编码成染色体 产生初始群体
选择 交叉 变异
计算各染色体的适应度 通过遗传运算存优去劣
产生新的群体
群体是否满足要求
解码染色体 问题的最优解
第五节 人工智能
图灵测试
ห้องสมุดไป่ตู้
定义
著名的美国斯坦福大学人工智能研究中心尼 尔逊教授对人工智能下了这样一个定义： “人工智能是关于知识的学科—怎样表示知 识以及怎样获得知识并使用知识的科学”
学习方法
有教师学习
无教师学习： 在强化学习 （Reinforcement learning)中， 学习主体自身通过训练，误差和反馈， 学习在环境中完成目标的最佳策略。 我们并没有直接告诉主体要做什么或 采取那个动作，而是主体通过看那个 动作得到了最多的奖励来自己发现。
第四节 遗传算法
生物进化过程的抽象
库
模糊推理
解模糊化
输出
第三节 神经网络技术
各类神经元
神经元结构
生物神经元的抽象
电脉冲
输 入
树 突
细胞体 形成 轴突
突
输
触
出
信息处理
传输
图 12.2 生物神经元功能模型
神经元数学模型
n
yi f ( wij y j i ) j 1
神经网络结构
简单前馈网络 内层互连前馈网络
反馈型前馈网络 互联型神经网络结构
第六章 智能信息处理技术
第一节 智能信息处理技术的产生
智能的三个层次： （1）生物智能 （Biological Intelligence，BI） （2）人工智能 (Artificial Intelligence, AI) （3）计算智能 (Computational Intelligence, CI)
人工智能的研究热点和应用
智能车竞赛
C(x)
1 0
xA xA
模糊集合
A(x) 1 A(x) [01]
1
13
模糊推理
x is A→y is B （A表示大，B表示高） x is A′→y is B′( A′表示较大，则B′=？）
定义为如下运算：
B′= A′○（A→B）= A′○ R（A→B）
模糊推理机
输入
模糊化
数据 规则库
库
知识
美国麻省理工学院的温斯顿教授认为：人工 智能就是研究如何使计算机去做过去只有人 才能做的智能工作。
人工智能的层次
人的智能体现在思维、感知、行为三层次，而人工 智能要模拟、延伸、扩展人的智能，主要从以下三 个层次进行研究：
机器思维（Machine Thinking）如计算机下棋、计 算机作曲、计算机绘画、计算机自动编程等。