阔永红老师-信号处理的智能方法分析

基于人的慢速脑研究；
思维观点: AI不仅限于逻辑思维，还应考虑形象 思维、灵感思维，才能促进AI的突破性的发展。
2021/4/9
18
3 现有智能方法及其局限性
小波分析
神经网络
模糊聚类
人工智能
遗传算法
专家系统
2021/4/9
模式识别
19
3.1 神经网络的方法
人工神经元网络是由大量神经元通过极其丰富和 完善的连接而构成的自适应非线性动态系统。
15
2.3 两个中心的处理机制
❖ 对非逻辑脑的研究始于弗洛伊德(Sigmund Freud)的潜意识理论，目前已经是一门很重 要的学科！
❖ 研究表明：信息量特别大的图像，如运动，音 乐和快速的信息处理，必然是由高速脑、也就 是非逻辑脑来完成的！
2021/4/9
16
2.3 两个中心的处理机制
❖ 高速脑具有庞大而快速的记忆能力，可以过目 不忘，在不经意中完成学习和记忆！
理，具有短时记忆，总体记忆容量比较小。 ❖ 经常出现的信息，逻辑脑就会把它转移到图像
脑，深层记忆中保存下来！
2021/4/9
14
2.2 两个中心的处理机制
❖ 逻辑脑主宰人的思维，人们最重视的就是这个 大脑！
❖ 长期以来，以为人只有这个大脑存在，它代表 理性和思维。
❖ 逻辑脑容易遗忘！
2021/4/9
2021/4/9
28
3.4 局限性
(1)理论基点：思维即计算 (2)理论框架： 演绎逻辑背景下的形式系统 (3)手 段：形式化方法 (4)执行环境：冯 •诺依曼计算机系统
2021/4/9
29
3.4 局限性
(1)思维即计算：发展过程
图灵机: 能模拟人类所能进行的任何计算过程
主要内涵是抽象思维，而人的思维有多种方式， 即使是抽象思维，不能完全归结为计算。
2021/4/9
8
2.2 两个信息处理中心
快速脑 非逻辑脑 图像脑 右脑
人脑
慢速脑 逻辑脑 学术脑 左脑
2021/4/9
9
2.2 两个信息处理中心
❖ 快速脑 ▪ 非凡的学习能力 ▪ 过目不忘的记忆能力 ▪ 超级(快速)计算能力 ▪ 拥有本能和直觉的反应
2021/4/9
10
2.2 两个信息处理中心
遗传算法是解决搜索问题的一种通用算法，对于 各种通用问题都可以使用。
2021/4/9
24
3.2 遗传算法
遗传算法的特点：
(1)从问题解的串集开始搜索，覆盖面大，利于 全局择优；
(2)同时处理群体中的多个个体，减少了陷入局 部最优解的风险，易于实现并行化；
(3)采用概率的变迁规则来指导它的搜索方向；
这种系统将更接近人的思维。
ቤተ መጻሕፍቲ ባይዱ
2021/4/9
36
4 解决途径
2．研究非形式系统 ❖ 在继续研究、改造现有的形式系统的同时，注
意研究非形式系统的规律，对AI的发展将具 有重大的理论意义。 ❖ 未来的智能系统的理论基底很可能是改造过的 新形式系统同非形式系统的结合体。
2021/4/9
37
4 解决途径
3．集成与互补 思维层面：将逻辑（抽象）思维与形象（直感）
(4)具有自组织、自适应和自学习性。
2021/4/9
25
3.3 小波分析
小波分析：数学显微镜，具有放大、缩小和平移 功能，通过检查不同放大倍数下的变化来研究 信号的动态特性。
小波分析是对Fourier分析方法的突破，不但在 时域和频域同时具有良好的局部化性质，而且 对低频信号在频域和高频信号在时域都有很好 的分辨率，从而可以聚集到对象的任意细节。
2021/4/9
21
3.1 神经网络的方法
神经网络缺点 (1)难于精确分析神经网络的各项性能指标； (2)不宜用来求解必须得到正确答案的问题：自
发的集体行为； (3)不宜用来求解用数字计算机解决得很好问题； (4)体系结构的通用性差。
2021/4/9
22
3.1 神经网络的方法
神经网络主要应用：如自动控制领域、处理组合 优化问题、模式识别、图像处理、传感器信号 处理、机器人控制、信号处理、数据挖掘等。
识才可以传递和学习！人类的文明才可以发展！
2021/4/9
12
2.2 两个信息处理中心
❖ 左脑和右脑的称谓不完全准确 ❖ 左脑：低速的逻辑脑（意识脑） ❖ 右脑：高速的图像脑（潜意识脑）
2021/4/9
13
2.2 两个中心的处理机制
❖ 成年人的大脑，习惯了主要使用逻辑脑。 ❖ 所谓思考的功能，一般都是由低速脑来完成！ ❖ 具有良好的逻辑记忆功能，负责逻辑判断和推
西电通院
信号处理的 智能方法需求
2021/4/9
1
内容
1
问题的提出
2
人脑的信息处理
3
现有智能方法及其局限性
4
解决途径
2021/4/9
2
1 问题的提出
在信息处理中，人脑具有明显的优越性，如: 人脸识别 信号功率谱估计 信号带宽的分析等
2021/4/9
3
1 问题的提出
通信
信息获取
信息处理
2021/4/9
思维结合起来， 理论模型层面：将形式系统与非形式系统结合 技术层面：将多种技术手段方法综合起来，就有
希望构造出新一代的更高级的智能系统。
2021/4/9
38
4 解决途径
4. 向物理科学、生物科学寻求新的计算或信息 处理的原理。
生命科学: 特征信息的表征与提取 研究人高速脑工作机制 开发人的高速脑学习
❖ 非逻辑脑很难通过有意识的控制来学习知识；
❖ 大多数人都不善于使用自己的快速脑；
❖ 有些人经过训练，可以用高速脑来完成普通人 用低速脑做的事情，感觉他们就是天才。
❖ “不假思索”
2021/4/9
17
3 现有智能方法及其局限性
人工智能(Artificial Intelligence ， AI) ， 是研究、开发用于模拟、延伸和扩展人的智能的 理论、方法、技术及应用系统的一门新的技术科 学。
神经网络与其他方法相结合，取长补短：如神经 网络与模糊逻辑、专家系统、遗传算法、小波 分析、混沌、粗集理论、分形理论、证据理论 和灰色系统等的融合。
2021/4/9
23
3.2 遗传算法
遗传算法（Genetic Algorithm）是模拟达尔 文生物进化论的自然选择和遗传学机理的生物 进化过程的计算模型，是一种通过模拟自然进 化过程搜索最优解的方法。
2021/4/9
39
西电通院
2021/4/9
40
感谢您的阅读收藏，谢谢！
2021/4/9
41
2021/4/9
6
2 人脑信息处理
2.1
人脑信息处理的特点
2.2
两个信息处理中心
2.3
两个中心的处理机制
2021/4/9
7
2.1 人脑信息处理的特点
大脑的思维过程实质上是信息处理过程，复杂而 多样，难给出精确的描述
▪ 分布存储与冗余性
▪ 并行处理
▪ 信息处理与存储合一
▪ 可塑性与自组织性
▪ 鲁棒性
4
1 问题的提出
❖ 香农的《信息论》 ▪ 针对信息的通信过程，反映通信的基本规律 ▪ 对信息处理过程仅有某些影响 ▪ 没有覆盖以认知为目的的信息处理活动
2021/4/9
5
1 问题的提出
❖ 寻找信息处理的基本规律 ❖ 思路：“识物”
▪ “物”凝聚了客观世界的极多信息，与“物”相 关联的某些信息是认知活动所追寻索的目标， “识物”就是认知的基础。
2021/4/9
31
3.4 局限性
(3)形式化方法 形式化方法要求首先将待处理的问题形式化，而
这种转变本身有要求形式化，这就是一种无穷 递归。 人在处理问题时，具有学习、适应的能力，不完 全是形式化的。
2021/4/9
32
3.4 局限性
(4)冯 •诺依曼计算机系统
❖ 只有问题是可形式化的、可计算的，并且具有 求解这一个计算问题的具体算法，计算机才有 可能代替人去执行。
❖ 还存在着计算复杂性问题。
2021/4/9
33
3.4 局限性
与人类思维相比，“机器思维” 1. AI系无意识的机械的物理的过程，人类智能
主要是生理和心理的过程； 2. AI没有社会性； 3. AI没有人类的意识所特有的能动性； 4. 人脑的思维在前，电脑的功能在后。
2021/4/9
34
4 解决途径
❖ 快速脑采用潜意识和直觉的方式学习和记忆， 信息存储量极大，可以不假思索地掌握知识；
❖ 主要用图像的方式来处理问题； ❖ 非逻辑处理。
2021/4/9
11
2.2 两个信息处理中心
❖ 慢速脑 ▪ 记忆容量和学习速度有限 ▪ 用符号和逻辑的方式处理问题 ▪ 记忆效率低下
意义：依靠它，人类才具有分析和逻辑能力，知
数学中解题思想是如何产生的?这一思维过 程能否通过计算实现?
人脸识别中，特征信息的选取
2021/4/9
30
3.4 局限性
(2)演绎逻辑背景下的形式系统
形式系统
形式系统的语义单一性
记忆的事物可能不止一个含义，一个意义
人的思维有极大的灵活性，能去伪存真、由表及 里、广泛联想
仅仅依靠形式系统这一理论框架是不够的
2021/4/9
26
3.3 小波分析
小波分析两大优点： (1)时频联合分析方法，自适应地调节时频窗口，
同时具有时频域局部化的性能； (2)小波函数可作为许多经典函数空间的无条件
基，通过快速离散小波变换能够实现这些空间 中的函数逼近。
2021/4/9
27
3.4 局限性
本质而言，AI是对人的思维过程的模拟， 人的 思维模拟可以从两条路进行: 1. 结构模拟，仿照人脑的结构机制，制造出 “类人脑”的机器； 2. 功能模拟，暂时撇开人脑的内部结构，而 从其功能过程进行模拟。
1．继承及改造 2．研究非形式系统 3．集成与互补 4 ．向物理科学、生物科学寻求新的计算或信息
处理的原理。
2021/4/9
35
4 解决途径
1．继承及改造
形式系统、形式化方法是从人的抽象思维中抽取 的一种思维模型，是极为有效的工具，
❖ 赋予系统以学习、创造的功能
❖ 将形象信息引入形式系统
❖ 引入更多的开放性系统的特征
人工神经元网络是生物神经网络的一种模拟和近 似，它从结构、实现机理和功能上模拟生物神 经网络。
2021/4/9
20
3.1 神经网络的方法
神经网络优点
(1)强的鲁棒性和容错性，并行处理方法；
(2)自学习、自组织、自适应性，可以处理不确 定或不知道的系统；
(3)充分逼近任意复杂的非线性关系；
(4)强的信息综合能力，能同时处理定量和定性 的信息，协调多种输入信息关系。