计算智能概论
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
计算智能概论
——结课报告
通过一个学期的学习,我们对计算智能概论有了一个大概的了解,虽然我们还不能进行复杂的计算编程,但是对于基本概念我们还是有了初步的认识。遗传算法(Genetic Algorithm)是基于自然选择和基因遗传学原理的随机搜索算法。它是一种通过模拟自然进化过程搜索最优解的方法,遗传算法起源于对生物系统进行的计算机模拟研究。早在20 世纪40 年代,就有学者开始研究利用计算机进行生物模拟的技术,他们从生物学的角度进行了生物的进化过程模拟、遗传过程模拟等研究工作。早期的研究特点是侧重于对一些复杂操作的研究。最早意识到自然遗传算法可以转化为人工智能算法John H. Holland 教授。1965 年,Holland 教授首次提出了人工智能操作的重要性,并将其应用到自然系统和人工系统中。1967 年,Holland 教授的学生.J.D.Bagley 在其博士论文中首次提出了“遗传算法”一词,并发表了遗传算法应用方面的第一篇论文,从而创立了自适应遗传算法的概念e J.D.Bagley 发展了复制、交叉、变异、显性、倒位等遗传算子,在个体编码上使用了双倍体的编码方法。
人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经。神经系统对真实世界物体所作出的交互反应。人工神经网络以其具有自学习、自组织、较好的容错性和。优良的非线性逼近能力,受到众多领域学者的关注。在实际应用中,80%~90%的人工神经网络模型是采。采用误差反传算法或其变化形式的网
络模型。
从生物神经元到人工神经网络:大脑与神经细胞、神经细胞与神经细胞构成了庞大天文数字量级的高度复杂的网络系统。也正是有了这样的复杂巨系统,大脑才能担负起人类认识世界和改造世界的任务。
“世界上最大的未开发疆域,是我们两耳之间的空间。”(美国汉诺威保险公司总裁比尔·奥伯莱恩)
1、生物神经系统和大脑的复杂性
生物系统是世界上最为复杂的系统。
生物神经系统活动和脑的功能,其复杂性是难以想象的。
①人大脑平均只有3磅左右。只占身体重量比例的1/30;
②使眼睛可以辨别1000万种细微的颜色;
③使肌肉(如果全部向同一个方向运动)产生25吨的拉力;
④是由100亿个脑细胞和10兆个神经交汇丛组成。整个大脑的神经网络足足有10英里长。
人类的梦想重新构造人脑,并让其代替人类完成相应的工作。(无数科幻故事)智能是个体有目的的行为、合理的思维、以及有效的适应环境的综合能力;也可以说是个体认识客观事物和运用知识解决问题的能力。人类智能的具体含义:感知与认识客观事物、客观世界和自我的能力;通过学习获得经验、积累知识的能力;理解知识、运用知识和经验分析、解决问题的能力;联想、推理、判断、决策的能力;运用语言进行抽象、概括的能力;以上5点是人类智能的基本能力。
对以上5个基本问题的不同回答已经形成3个主要的学术流派:人工智
能的符号主义流派即传统的人工智能,认为人工智能源于数理逻辑,主张以知识为基础,通过推理来进行问题求解,在研究方法上采用计算机模拟人类认知系统功能的功能模拟方法,
Simon、Minsky和Newell等认为,人和计算机都是一个物理符号系统,因此可用计算机的符号演算来模拟人的认知过程;作为智能基础的知识是可用符号表示的一种信息形式,因此人工智能的核心问题是知识表示、知识推理和知识运用的信息处理过程。
人工智能的联结主义流派
又称仿生学派,认为人工智能源于仿生学,人思维的基本单元是神经元,而非符号处理过程,主张用大脑工作模式取代符号操作的电脑工作模式;智能的本质是联结机制。神经网络是一个由大量简单的处理单元组成的高度复杂的大规模非线性自适应系统。
人工神经网络发展阶段历程:
人类在很多方面已成功地采用机器来完成繁重的和重复的工作,但人们一直没有放弃让机器具有人类思维能力的尝试和努力。人们研究神经网络已有几十年的历史。纵观其发展过程,不难看出该过程是波澜起伏、几经兴衰的。人工神经网络早期的研究工作应追溯至本世纪40 年代。下面以时间顺序,以著名的人物或某一方面突出的研究成果为线索,简要介绍人工神经网络的发展历史。1943 年,心理学家W·McCulloch 和数理逻辑学家W·Pitts 在分析、总结神经元基本特性的基础上首先提出神经元的数学模型,称为MP 模型。他们通过MP 模型提出了神经元的形式化数学描述和网络结构方法,证明了单个神经元
能执行逻辑功能,从而开创了人工神经网络研究的时代。此模型沿用至今,并且直接影响着这一领域研究的进展。因而,他们两人可称为人工神经网络研究的先驱。1945 年冯·诺依曼领导的设计小组试制成功存储程序式电子计算机,标志着电子计算机时代的开始。1948 年,他在研究工作中比较了人脑结构与存储程序式计算机的根本区别,提出了以简单神经元构成的再生自动机网络结构。但是,由于指令存储式计算机技术的发展非常迅速,迫使他放弃了神经网络研究的新途径,继续投身于指令存储式计算机技术的研究,并在此领域作出了巨大贡献。虽然,冯·诺依曼的名字是与普通计算机联系在一起的,但他也是人工神经网络研究的先驱之一。50 年代末,F·Rosenblatt 设计制作了“感知机”,它是一种多层的神经网络。这项工作首次把人工神经网络的研究从理论探讨付诸工程实践。当时,世界上许多实验室仿效制作感知机,分别应用于文字识别、声音识别、声纳信号识别以及学习记忆问题的研究。然而,这次人工神经网络的研究高潮未能持续很久,许多人陆续放弃了这方面的研究工作,这是因为当时数字计算机的发展处于全盛时期,许多人误以为数字计算机可以解决人工智能、模式识别、专家系统等方面的一切问题,使感知机的工作得不到重视;其次,当时的电子技术工艺水平比较落后,主要的元件是电子管或晶体管,利用它们制作的神经网络体积庞大,价格昂贵,要制作在规模上与真实的神经网络相似是完全不可能的;另外,在1968 年一本名为《感知机》的著作中指出线性感知机功能是有限的,它不能解决如异或这样的基本问题,而且多层网络还不能找到有效的计算方法,这些论点促使大批