第9章 计算智能(1)：神经计算 模糊计算
人工智能chapter1((人工智能基础)
人工智能发展概要人工智能定义从1956年正式提出人工智能学科算起，40多年来，取得长足的发展，成为一门广泛的交叉和当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标人工智能理论进入21世纪，正酝酿着新的突破-人工生命的提出，不仅意味着人类试图从传统的什么是人工智能?定义1 智能机器(intelligent machine)能够在各类环境中自主地或交互地执行各种拟人任务人工智能是那些与人的思维、决•Schalkoff, 1990 人工智能是一门通过计算过程，力图理解和模仿智能行为的学科。
•Rick和Knight,1991 人工智能研究如何使计算机做事，而让人过得更好。
•Winston, 1992 人工智能是研究那些使理解、推理和行为成为可能的计算。
•Luger和Stubblefield,1993 人工智能是计算机科学中，与智能行为的自动化有关的一个分支。
1956年夏季，由麦卡锡(J. McCarthy)等美国年轻学者发起的首次人工智能研讨会标志着人工1. 形成期1956年到1961年可以说是AI研究的形成时2. 成长期•1961年以后进入AI研究成长期。
然而在成长期的早期（60年代），由于不适当地过分强调和依赖于符号逻辑和形式推理（AI形成期为AI建立的研究基础），导致了AI研究陷入基于弱法（weak methods）的纯学术研究的困境。
•所谓弱法就是通用问题求解策略，由于片面强调相应算法的通用性，忽视问题域特别信息的指导作用，容易引起所谓的组合爆炸问题。
•组合爆炸意指，复杂的问题涉及大量因素，由这些因素的适当组合而构成的可能解答的数目相当庞大，以至于再高速的计算机已无法在合理的时间内通过穷尽的枚举来找出正确答案。
•结果，弱法只能解决智力游戏（过河，九宫图）、玩具问题（积木块世界动作规划）等十分简单的问题。
60年代中期到70年代初，斯坦福大学研制的DENDRAL（用化学专业知识从质谱议数据推断有机化合物的结构）和MYCIN（人血液疾病诊断咨询系统）以及随之涌现的大批专家系统和建造工具的研制，使AI从纯弱法的研究困境中解脱出来，赋予新的生命力，以至引起八十年代初的AI大发展。
人工智能原理及其应用(王万森)第3版课后习题答案
第1章人工智能概述课后题答案什么是智能?智能包含哪几种能力？解：智能主要是指人类的自然智能。
一般认为，智能是是一种认识客观事物和运用知识解决问题的综合能力。
智能包含感知能力，记忆与思维能力，学习和自适应能力，行为能力人类有哪几种思维方式?各有什么特点？解：人类思维方式有形象思维、抽象思维和灵感思维形象思维也称直感思维，是一种基于形象概念，根据感性形象认识材料，对客观对象进行处理的一种思维方式。
抽象思维也称逻辑思维，是一种基于抽象概念，根据逻辑规那么对信息或知识进行处理的理性思维形式。
灵感思维也称顿悟思维，是一种显意识与潜意识相互作用的思维方式。
什么是人工智能?它的研究目标是什么？解：从能力的角度讲，人工智能是指用人工的方法在机器〔计算机〕上实现智能；从学科的角度看，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。
研究目标：对智能行为有效解释的理论分析；解释人类智能；构造具有智能的人工产品；什么是图灵实验？图灵实验说明了什么？解：图灵实验可描述如下，该实验的参加者由一位测试主持人和两个被测试对象组成。
其中，两个被测试对象中一个是人，另一个是机器。
测试规那么为：测试主持人和每个被测试对象分别位于彼此不能看见的房间中，相互之间只能通过计算机终端进行会话。
测试开始后，由测试主持人向被测试对象提出各种具有智能性的问题，但不能询问测试者的物理特征。
被测试对象在答复以下问题时,都应尽量使测试者相信自己是“人〞，而另一位是〞机器〞。
在这个前提下，要求测试主持人区分这两个被测试对象中哪个是人，哪个是机器。
如果无论如何更换测试主持人和被测试对象的人，测试主持人总能分辨出人和机器的概率都小于50%，那么认为该机器具有了智能。
人工智能的开展经历了哪几个阶段？解：孕育期，形成期，知识应用期，从学派分立走向综合，智能科学技术学科的兴起人工智能研究的根本内容有哪些？解：与脑科学与认知科学的交叉研究智能模拟的方法和技术研究人工智能有哪几个主要学派？各自的特点是什么？解：符号主义：又称为逻辑主义、心理学派或计算机学派，是基于物理符号系统假设和有限合理性原理的人工智能学派。
人工智能本科习题
图8.22机械手堆积木规划问题
8-8指出你的过程结构空间求得的图8.23问题的路径，并叙述如何把你在上题中所得结论推广至包括旋转情况。
图8.23一个寻找路径问题
第一章绪论
1-1.什么是人工智能？试从学科和能力两方面加以说明。
1-2.在人工智能的发展过程中，有哪些思想和思潮起了重要作用？
1-3.为什么能够用机器（计算机）模仿人的智能？
1-4.现在人工智能有哪些学派？它们的认知观是什么？
1-5.你认为应从哪些层次对认知行为进行研究？
1-6.人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？
3-16下列语句是一些几何定理，把这些语句表示为基于规则的几何证明系统的产生式规则：
(1)两个全等三角形的各对应角相等。
(2)两个全等三角形的各对应边相等。
(3)各对应边相等的三角形是全等三角形。
(4)等腰三角形的两底角相等。
第四章计算智能（1）：神经计算模糊计算
4-1计算智能的含义是什么？它涉及哪些研究分支？
5-2试述遗传算法的基本原理，并说明遗传算法的求解步骤。
5-3如何利用遗传算法求解问题，试举例说明求解过程。
5-4用遗传算法求的最大值
5-5进化策略是如何描述的？
5-6简述进化编程的机理和基本过程，并以四状态机为例说明进化编程的表示。
5-7遗传算法、进化策略和进化编程的关系如何？有何区别？
5-8人工生命是否从1987年开始研究？为什么？
2-10试构造一个描述你的寝室或办公室的框架系统。
第三章搜索推理技术
3-1什么是图搜索过程?其中，重排OPEN表意味着什么，重排的原则是什么?
3-2试举例比较各种搜索方法的效率。
中南大学人工智能考试试卷及答案
中南大学考试试卷2006年第2学期，考试时间110分钟人工智能课程48学时,3学分, 考试形式：开卷专业年级：计算机03级总分100分，占总评成绩70 ％注：此页不作答题纸，请将答案写在答题纸上一、选择题(共20分，每题2分)1、消解原理是一种用于A、表达式变换的推理规则B、变量运算的推理规则C、一定的子句公式的推理规则 D 、规则演绎的推理规则2、下列哪个系统属于新型专家系统?A、多媒体专家系统B、实时专家系统C、军事专家系统D、分布式专家系统3、示例学习属于下列哪种学习方法？A. 解释学习B。
归纳学习C。
类比学习D。
机械学习4、不属于神经网络常用学习算法的是:A。
有师学习B。
增强学习 C.观察与发现学习 D.无师学习5、人工智能应用研究的两个最重要最广泛领域为：A. 专家系统、自动规划B. 专家系统、机器学习C. 机器学习、智能控制D。
机器学习、自然语言理解6、下列搜索方法中不属于盲目搜索的是：A。
等代价搜索B.宽度优先搜索C.深度优先搜索D.有序搜索7、被认为是人工智能“元年”的时间应为：A、1948年B、1946年C、1956年D、1961年8、被誉为国际“人工智能之父”的是：A、图灵(Turing）B、费根鲍姆（Feigenbaum）C、傅京孙(K。
S.Fu）D、尼尔逊（Nilsson）9、语义网络的组成部分为：A、框架和弧线B、状态和算符C、节点和链D、槽和值10、尽管人工智能学术界出现“百家争鸣”的局面，但是，当前国际人工智能的主流派仍属于：A、连接主义B、符号主义C、行为主义D、经验主义二、填空题（共20分，每一填空处1分）1、机器学习系统由____________、____________、____________和____________几部分构成.2、人工智能是计算机科学中涉及研究、设计和应用____________的一个分支，它的近期目标在于研究用机器来____________的某些智力功能。
2019计算智能-1.概述-文档资料
•计算智能理论
创造智能工具的理论基础
什么是计算智能
计算智能（Computational Intelligence，CI）目前还没有 一个统一的的定义，使用较多的是美国科学家贝慈德克（ J.C.Bezdek）从计算智能系统角度所给出的定义:
如果一个系统仅处理低层的数值数据，含有模式识别部件， 没有使用人工智能意义上的知识，且具有计算适应性、计算 容错力、接近人的计算速度和近似于人的误差率这4个特性 ，则它是计算智能的。
开课基础
学习本课程之前，要求已经选修过《高等数 学》、《程序设计基础》、《计算机基础与 算法》等课程。
要求
博学之，审问之、慎思之、明辨之，笃行之。 ——《四书.礼记》
主要参考书籍
1）《智能学简史》冯天瑾 科学出版社 2）《计算智能》 张军 詹志辉 清华大学出版社 3）《计算智能:人工神经网络-模糊系统-进化计算》 周春光 梁 艳春 吉林大学出版社 4）《计算智能——理论、技术与应用》丁永生 编著，科学出 版社 5）《计算智能中的仿生学：理论与算法》徐宗本，张讲社， 编著，科学出版社 6）《软计算方法》张颖 刘艳秋 科学出版社 7）《Computational Intelligence》 Russell C Eberchat, Elsevier 8）《Swarm Intelligence》 James Kennedy, Elsevier
信息时代的呼唤
•工业时代
能量资源-创造动力的工具获得能量
•物理学、化学
创造动力工具的理论基础
•信息时代
信息资源-创造智能的工具获得智能
•计算智能理论
创造智能工具的理论基础
信息时代的呼唤
•工业时代
能量资源-创造动力的工具获得能量
人工智能导论(第3版)第9章 神经计算习题解答[3页]
![人工智能导论(第3版)第9章 神经计算习题解答[3页]](https://img.taocdn.com/s3/m/e8aba406bfd5b9f3f90f76c66137ee06eff94ee6.png)
习题99.1 感知器的一个基本缺陷是不能执行异或（XOR ）函数。
解释造成这个局限的原因。
解：感知器由两层神经元组成，其中只包括一层M -P 功能神经元，只能产生一个线性超平面。
而异或函数是非线性可分问题，可考虑异或函数的函数图像，会发现仅由一个线性超平面无法将输出结果分开，感知器的学习过程不会收敛，因此感知器不能执行异或函数。
9.2试用单个感知器神经元完成下列分类，写出其训练的迭代过程，画出最终的分类示意图。
已知11223344000211002120，；，；，；，⎧⎫⎧⎫⎧⎫⎧⎫⎡⎤⎡⎤⎡⎤⎡⎤========⎨⎬⎨⎬⎨⎬⎨⎬⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦⎣⎦⎩⎭⎩⎭⎩⎭⎩⎭P t P t P t P t解：第一次迭代：W=[0,0], b=0;第二次迭代：W=[0,0], b=0;第三次迭代：W=[0,2], b=-1;第四次迭代：W=[0,2], b=-1;第五次迭代：W=[0,2], b=-1;第六次迭代：W=[0,2], b=-1;边界方程：2210x -=分类示意图9.3 简述BP 神经网络的基本学习算法。
解：略。
9.4 编写计算机程序，实现BP 神经网络对26个英文字母的识别，通过实验给出网络的识别出错率。
解：略。
9.5 利用下述输入模式训练竞争网络：123111, , 111-⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦⎣⎦P P P （1）使用SOM 学习规则，其中学习率初值0η=0.5，试将输入模式训练一遍（即每个输入按给定顺序提交一次）。
假设初始权值矩阵为⎥⎥⎦⎤⎢⎢⎣⎡=2 00 2W （2）训练一遍输入模式之后，模式如何聚类？（即哪些输入模式被归入同一类中？）如果输入模式以不同顺序提交，结果会改变吗？解释其原因。
（3）用0η=0.5重复（1）。
这种改变对训练有何影响？解：（1）竞争层两个神经元，权值向量分别为1(0)W =，2(0)W =。
归一化：i P 与j W 分别除以各自的二范数，可得： 1230.7070.7070.707, , 0.7070.7070.707-⎡⎤⎡⎤⎡⎤===⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦⎣⎦P P P 1(0)[1,0]=W ，2(0)[0,1]=W输入1P ：11(0)0.765-=T P W12(0) 1.848-=T P W1112(0)(0)-<-T T P W P W 神经元1获胜，1W 调整。
人工智能课程教学大纲
《人工智能》课程教学大纲课程代码：H0404X课程名称：人工智能适用专业：计算机科学与技术专业及有关专业课程性质：本科生专业基础课（学位课）主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授总学时：40学时（课堂讲授36学时，实验教学4学时）课程学分：2学分预修课程：离散数学，数据结构一. 教学目的和要求：通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。
一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。
人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。
这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。
此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。
这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。
通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。
二. 课程内容简介人工智能的主要讲授内容如下：1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。
2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。
3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。
4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。
人工智能知识点总复习(附答案)
知识点1.什么是人工智能？它的研究目标是什么？人工智能的研究目标远期目标揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展近期目标研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。
相互关系远期目标为近期目标指明了方向近期目标则为远期目标奠定了理论和技术基础2.人工智能有哪几个主要学派？各自的特点是什么？人工智能研究的三大学派：随着人工神经网络的再度兴起和布鲁克（R.A.Brooks）的机器虫的出现，人工智能研究形成了符号主义、联结主义和行为主义三大学派。
符号主义学派是指基于符号运算的人工智能学派，他们认为知识可以用符号来表示，认知可以通过符号运算来实现。
例如，专家系统等。
联结主义学派是指神经网络学派，在神经网络方面，继鲁梅尔哈特研制出BP网络之后，人工神经网络研究掀起了第二次高潮。
之后，随着模糊逻辑和进化计算的逐步成熟，又形成了“计算智能”这个统一的学科范畴。
行为主义学派是指进化主义学派，在行为模拟方面，麻省理工学院的布鲁克教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。
智能科学技术学科研究的主要特征(1)由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的协同研究；(2)由人工智能学科的独立研究走向重视与脑科学、认知科学、等学科的交叉研究；(3)由多个不同学派的独立研究走向多学派的综合研究；(4)由对个体、集中智能的研究走向对群体、分布智能的研究；(5)智能技术应用已渗透到人类社会的各个领域。
知识表示的类型按知识的不同存储方式：陈述性知识：知识用某种数据结构来表示；知识本身和使用知识的过程相分离。
过程性知识：知识和使用知识的过程结合在一起。
知识表示的基本方法非结构化方法：一阶谓词逻辑产生式规则结构化方法：语义网络框架知识表示的其它方法状态空间法和问题归约法。
人工智能及其应用蔡自兴第四版-PPT文档资料
4.2 神经计算 4.2.1 人工神经网络研究的进展
1943年麦卡洛克和皮茨提出神经网络模型 （称为MP模型）的概念。 20世纪60年代威德罗和霍夫提出自适应线性 元件。 60年代末期至80年代中期，整个神经网络研 究处于低潮。 80年代后期以来，人工神经网络研究得到复 苏和发展，在模式识别、图象处理、自动控 制等领域得到广泛应用。
4.1 概述
计算智能与人工智能的 区别和关系
输入 复杂性 层次 人类知识 (＋)传感输入
知识 (＋)传感数据 计算 (＋)传感器
BNN
BPR
BI
B－生物的
复 杂 性
ANN
APR
AI
A－符号的
CNN
CPR
CI
C－数值的
5
4.1 概述
上图由贝兹德克于 1994 年提出，表示 ABC与 神经网络（ NN ）、模式识别（ PR ）和智能 （I）之间的关系 A－Artificial，表示人工的（非生物的）； B－Biological， 表示物理的＋化学的＋（？）＝生物的； C－Computational，表示数学＋计算机 计算智能是一种智力方式的低层认知，它与 人工智能的区别只是认知层次从中层下降至 低层而已。中层系统含有知识（精品），低 层系统则没有。
6
4.1 概述
定义 1 ：当一个系统只涉及数值（低层） 数据，含有模式识别部分，不应用人工 智能意义上的知识，而且能够呈现出：
（1）计算适应性； （2）计算容错性； （3）接近人的速； （4）误差率与人相近，
则该系统就是计算智能系统。 定义 2 ：当一个智能计算系统以非数值 方式加上知识（精品）值，即成为人工 智能系统。
J ( W ) W ( k ) y ( k ) hj j h W k hj
人工智能ArtificialIntelligence;简称AI
6
1.1.1 AI的定义
智能（自然智能）
• 自然智能
• 指人类和一些动物所具有的智力和行为能力
11
1.1.1 AI的定义
何谓人工智能（1/2）
• 综合各种不同观点，可从能力和学科两个方面讨论 • 能力方面 • 人工智能就是用人工的方法在机器（计算机）上实现的
智能，或称机器智能
• 学科方面 • 是一门研究如何构造智能机器或智能系统，以模拟、延
伸和扩展人类智能的学科
• Turing测试 • 如下图所示。能分辨出人和机器的概率小于50% • Turing测试存在的问题 • 仅反映了结果的比较，没涉及思维过程 • 没指出是什么人
去处理问题，能够模拟人类的智能行为。 • 相互关系 • 远期目标为近期目标指明了方向 • 近期目标则为远期目标奠定了理论和技术基础
14
第1章 人工智能概述
• 1.1 AI的定义及其研究目标
• 1.2 AI的产生与发展 • 孕育期（1956年以前） • 形成期（1956----1970年） • 知识应用期（1970---- 20世纪80年代末） • 从学派分离走向综合（20世纪80年代末到本世纪初） • 智能科学技术学科的兴起（本世纪初以来） • 1.3 AI研究的基本内容 • 1.4 AI研究的不同学派 • 1.5 AI的主要研究和应用领域 • 1.6 AI近期发展分析 • 1.7 我国智能科学技术教育体系
• 人类的自然智能（简称智能）
• 指人类在认识客观世界中，由思维过程和脑力活动所 表现出的综合能力。
ComputationalIntelligence(1)
4 .2：神经计算
• ANN的研究与发展
在1960年代末，美国著名人工智能专家Minsky和Papert对 Rosenblatt的工作进行了深人研究，出版了有较大影响的 (Perceptron)一书，指出感知机的功能和处理能力的局限性，甚 至连XOR(异或)这样的问题也不能解决，同时也指出如果在感知 器中引入隐含神经元，增加神经网络的层次，可以提高神经网络 的处理能力，但是却无法给出相应的网络学习算法。因此Minsky 的结论是悲观的。另一方面，由于60年代以来集成电路和微电子 技术日新月异的发展，使得电子计算机的计算速度飞速提高，加 上那时以功能模拟为目标、以知识信息处理为基础的知识工程等 研究成果，给人工智能从实验室走向实用带来了希望，这些技术 进步给人们造成这样的认识：以为串行信息处理及以它为基础的 传统人工智能技术的潜力是无穷的，这就暂时掩盖了发展新型计 算机和寻找新的人工智能途径的必要性和迫切性。另外，当时对 大脑的计算原理、对神经网络计算的优点、缺点、可能性及其局 限性等还很不清楚。总之，认识上的局限性使对神经网络的研究 进入了低潮。
14
4 .2：神经计算
• ANN的基本组成
生物神经元的结构 和特性。
15
4 .2：神经计算
• ANN的基本组成
生物神经元的结构和特性。
轴突和树突共同作用，实现了神经元间的信息传递。轴突的末 端与树突进行信号传递的界面称为突触(synapse)，通过突触 向其它神经元发送信息。对某些突触的刺激促使神经元触发 (fire)。只有神经元所有输入的总效应达到阈值电平，它才能 开始工作。无论什么时候达到阈值电平，神经元就产生一个全 强度的输出窄脉冲，从细胞体经轴突进入轴突分枝。这时的神 经元就称为被触发。越来越明显的证据表明，学习发生在突触 附近，而且突触把经过一个神经元轴突的脉冲转化为下一个神 经元的兴奋或抑制。 脑神经生理学研究结果表明，每个人脑大约含有1011-1012个神 经元，每一神经元又约有103-104个突触。神经元通过突触形 成的网络，传递神经元间的兴奋与抑制。大脑的全部神经元构 成极其复杂的拓扑网络群体，用于实现记忆与思维。
模糊与神经网络的比较.ppt
8
Backing up a Truck
Centroid Defuzzification
-with a Fuzzy System
p
j mo( j )
j1 p mo( j ) j 1
at each iteration
➢The total output O added these weighted outputs
fi denotes the anteacedent fit value and Si represents the sequent fuzzy set of steeringangle values in the ith FAM rule
详细过程可以参见书中11章
例一
P390,Fig11.4-11.5
9
Backing up a Truck
Kosto系 统 仿 真 结 果
-with a Fuzzy System
x=20 y=20
x=30 y=10
x=30 y=40
10
Backing up a Truck
“死锁” 问题
-with a Fuzzy System
FAM Rules and Control Surface
-with a Fuzzy System
LE LC CE RC RI RB PS PM PM PB PB RU NS PS PM PB PB RV NM NS PS PM PB VE NM NM 18ZE PM PM LV NB NM NS PS PM LU NB NB NM NS PS LB NB NB NM NM NS
人工智能原理及其应用(王万森)第3版 课后习题答案
第１章人工智能概述课后题答案1、1什么就是智能?智能包含哪几种能力?解：智能主要就是指人类得自然智能。
一般认为,智能就是就是一种认识客观事物与运用知识解决问题得综合能力。
智能包含感知能力,记忆与思维能力,学习与自适应能力,行为能力1、2人类有哪几种思维方式?各有什么特点？解:人类思维方式有形象思维、抽象思维与灵感思维形象思维也称直感思维，就是一种基于形象概念，根据感性形象认识材料,对客观对象进行处理得一种思维方式。
抽象思维也称逻辑思维,就是一种基于抽象概念,根据逻辑规则对信息或知识进行处理得理性思维形式。
灵感思维也称顿悟思维,就是一种显意识与潜意识相互作用得思维方式。
1、3什么就是人工智能？它得研究目标就是什么?解：从能力得角度讲,人工智能就是指用人工得方法在机器(计算机)上实现智能；从学科得角度瞧,人工智能就是一门研究如何构造智能机器或智能系统,使它能模拟、延伸与扩展人类智能得学科。
研究目标：对智能行为有效解释得理论分析;解释人类智能;构造具有智能得人工产品;1、4什么就是图灵实验?图灵实验说明了什么?解:图灵实验可描述如下,该实验得参加者由一位测试主持人与两个被测试对象组成。
其中，两个被测试对象中一个就是人,另一个就是机器。
测试规则为:测试主持人与每个被测试对象分别位于彼此不能瞧见得房间中,相互之间只能通过计算机终端进行会话。
测试开始后，由测试主持人向被测试对象提出各种具有智能性得问题,但不能询问测试者得物理特征。
被测试对象在回答问题时,都应尽量使测试者相信自己就是“人”,而另一位就是”机器”。
在这个前提下,要求测试主持人区分这两个被测试对象中哪个就是人,哪个就是机器。
如果无论如何更换测试主持人与被测试对象得人,测试主持人总能分辨出人与机器得概率都小于5０％,则认为该机器具有了智能。
1、5人工智能得发展经历了哪几个阶段？解:孕育期,形成期，知识应用期,从学派分立走向综合，智能科学技术学科得兴起1、6人工智能研究得基本内容有哪些?解:与脑科学与认知科学得交叉研究智能模拟得方法与技术研究1、7人工智能有哪几个主要学派？各自得特点就是什么？解:符号主义：又称为逻辑主义、心理学派或计算机学派，就是基于物理符号系统假设与有限合理性原理得人工智能学派。
-模糊计算
u=
∫µ
(x)dx
u = ∑xi ⋅ µN (xi )
=48.2
∑µ
N
(xi )
13
4.3 模糊计算
2. 最大隶属度法
这种方法最简单， 这种方法最简单，只要在推理结论的模糊集 合中取隶属度最大的那个元素作为输出量即可。 合中取隶属度最大的那个元素作为输出量即可。 要求这种情况下其隶属函数曲线一定是正规凸模 糊集合（即其曲线只能是单峰曲线）。 糊集合（即其曲线只能是单峰曲线）。 例如，对于“水温适中” 例如，对于“水温适中”，按最大隶属度原 有两个元素40和 具有最大隶属度 具有最大隶属度1.0， 则，有两个元素 和50具有最大隶属度 ，那就 对所有取最大隶属度的元素40和50求平均值，执 对所有取最大隶属度的元素 和 求平均值， 求平均值 行量应取： 行量应取：
umax = (40 + 50) / 2 = 45
14
4.3 模糊计算
3. 系数加权平均法
系数加权平均法的输出执行量由下式 决定： 决定：
u = ∑ki ⋅ xi / ∑ki
(4.36)
式中， 式中，系数的选择要根据实际情况 而定， 而定，不同的系统就决定系统有不同 的响应特性。 的响应ቤተ መጻሕፍቲ ባይዱ性。
15
目前在管理科学系统工程经济学心理学社会学生态学未来学语言学历史学军事学以及人工智能自动控制遥感技术模式识别信息处理天气预报图像识别地震预测家用电器医疗诊断交通运输商品质量评价预测与规则农作物选种化合物及地矿物的分类图书情报分类等多学科多领域都得到了应用
计算智能(1) 第四章 计算智能
模糊计算
模糊计算是一门崭新的信息学科。自1965年美国自动控制论学者 L.Zadeh教授开创模糊数学以来，这门新兴学科呈现出旺盛的生命力 和渗透力。它的应用已扩展到许多科学技术领域。目前在管理科学、 系统工程、经济学、心理学、社会学、生态学、未来学、语言学、 历史学、军事学以及人工智能、自动控制、遥感技术、模式识别、 信息处理、天气预报、图像识别、地震预测、家用电器、医疗诊断、 交通运输、商品质量评价、预测与规则、农作物选种、化合物及 地矿物的分类、图书情报分类等多学科、多领域都得到了应用。 模糊计算这门学科已经显示出它的强大生命力，并且越来越受到重视 模糊数学与计算机技术是息息相关的。模糊数学产生的背景之一， 就是用数学手段把人脑对复杂事物进行模糊度量、模糊识别、 模糊推理、模糊控制和模糊决策的本领移植到电子计算机上来， 提高计算机的智能信息处理能力。本篇主要从信息处理科学的角度 讨论模糊计算的基本方法、模糊信息处理及其应用。
- 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)。
（2）基本结构 递归网络（反馈网络） ① 递归网络（反馈网络） 多个神经元互连以组织一个互连神经网络（同层有连接）； * 多个神经元互连以组织一个互连神经网络（同层有连接）； * 信号能从正向和反向流通 典型代表：Hopfield网络 Elmman网络 Jordan网络 网络、 网络、 网络。 * 典型代表：Hopfield网络、Elmman网络、Jordan网络。
计算智能（ ）：神经计算 第9章 计算智能（1）：神经计算 §9.1 概述
模糊计算
1.计算智能（CI）、人工智能（AI）、生物智能（BI） 1.计算智能（CI）、人工智能（AI）、生物智能（BI） 计算智能 ）、人工智能 ）、生物智能
计算智能可理解为智力的低层认知， （1） 计算智能可理解为智力的低层认知，主要取决于数值数据而不依赖 知识。它涉及神经计算、模糊计算、进化计算和人工生命等领域。 知识。它涉及神经计算、模糊计算、进化计算和人工生命等领域。 人工智能是在计算智能的基础上引入知识而产生的智力中层认识。 （2） 人工智能是在计算智能的基础上引入知识而产生的智力中层认识。 生物智能，特别是人类智能是最高层的智能。 （3） 生物智能，特别是人类智能是最高层的智能。
x1 x2
w 11
y1
w 1m
M
xn
输入层
M
隐层
M
yn
输出层
3.人工神经网络的主要学习算法 3.人工神经网络的主要学习算法 （1）有师学习 根据期望和实际的网络输出之间的差来调整神经元间的连接强度或权； * 根据期望和实际的网络输出之间的差来调整神经元间的连接强度或权； 需要老师或导师提供期望或目标输出信号； * 需要老师或导师提供期望或目标输出信号； 典型例子： 规则、广义△规则或反向传播算法、LVQ等算法 等算法。 * 典型例子：△规则、广义△规则或反向传播算法、LVQ等算法。 （2）无师学习 无须知道期望输出； * 无须知道期望输出； 根据输入模式自动地适应连接权； * 根据输入模式自动地适应连接权； 典型例子：Kohonen算法和ART等 算法和ART * 典型例子：Kohonen算法和ART等。 （3）强化学习 是有师学习的特例； * 是有师学习的特例； 采用一个“评论员”来评价与给定输入相对应的神经网络输出的优度； * 采用一个“评论员”来评价与给定输入相对应的神经网络输出的优度； 典型例子：遗传算法。 * 典型例子：遗传算法。
§9.2.2人工神经网络的结构 9.2.2人工神经网络的结构
1.神经元及其特性 1.神经元及其特性 神经元是神经网络中连接机制机构的的基本处理单元， * 神经元是神经网络中连接机制机构的的基本处理单元，其模型模拟一个 生物神经元， i=1.2.3…,n和一个输出Y组成如下图所示： ,n和一个输出 生物神经元，由多个输入 x1 i=1.2.3 ,n和一个输出Y组成如下图所示：
左图神经网络的邻接矩阵 左图神经网络的邻接矩阵
例
一个医疗诊断系统的神经网络模型
假设系统的诊断模型只有六种症状、两种疾病、三种治疗方案。 假设系统的诊断模型只有六种症状、两种疾病、三种治疗方案。采集信
息如下： 息如下： 症状：对每一症状只采集有、无以及没有记录三种信息。 ① 症状：对每一症状只采集有、无以及没有记录三种信息。 疾病：对每一疾病只采集有、无以及没有记录三种信息。 ② 疾病：对每一疾病只采集有、无以及没有记录三种信息。 治疗方案；对每一治疗方案只采集采用、不采用两种信息。 ③ 治疗方案；对每一治疗方案只采集采用、不采用两种信息。 通过样本训练得到如下神经网络，其中， 通过样本训练得到如下神经网络，其中， 1 ， 2… ， 6为症状； 7，x 8 为 x x x x 为症状； 疾病名； 疾病名； 9 ，x10 ， 11 为治疗方案；x a ， b ，c 为附加层。x1 ， 2 ， … ，6 x x x 为附加层。 x 为治疗方案； x x 是输入层； 是输入层； 9 ， 10 ，11 是输出层；两者之间以疾病为中间层。 x x x 是输出层；两者之间以疾病为中间层。
20世纪80年代 Parker和Rumelhart提出了一种前馈神经网络的学习 世纪80年代， * 20世纪80年代，Parker和Rumelhart提出了一种前馈神经网络的学习 算 反向传播算法。 法 —— 反向传播算法。 2.ANN的主要特性 2.ANN的主要特性 并行分布处理：神经网络具有高度的并行结构和并行实现能力， * 并行分布处理：神经网络具有高度的并行结构和并行实现能力，因而有 较好的耐故障能力和较快的总体处理能力，特别适于实时和动态处理。 较好的耐故障能力和较快的总体处理能力，特别适于实时和动态处理。 * 非线性映射：神经网络具有固有的非线性特性，这给处理非线性问题带 非线性映射：神经网络具有固有的非线性特性， 来了新希望。 来了新希望。 通过训练进行学习：神经网络可通过研究过去的数据进行训练， * 通过训练进行学习：神经网络可通过研究过去的数据进行训练，通过训 练神经网络具有归纳全部数据的能力， 练神经网络具有归纳全部数据的能力，因而能够解决那些由数学模型或描 述规则难以处理的问题
§9.2.3人工神经网络的典型模型 9.2.3人工神经网络的典型模型
自适应谐振理论（ART） * 自适应谐振理论（ART） 双向联想存储器（BAM） * 双向联想存储器（BAM） Boltzmann机 BM） * Boltzmann机（BM） 反向传播（BP） * 反向传播（BP）网络 对流传播网络（CPN） * 对流传播网络（CPN） * Hopfield网 Hopfield网 Madaline算法 * Madaline算法 * 认知机 * 感知器 自组织映射网（SOM） * 自组织映射网（SOM）
θ
x1 x2 xn
w j1 w j2 w jn
−1
∑
f( _ )
M
yj
图9.2 神经元模型
图9.1中 9.1中
xi
为输入； 为输入；
为输出； y j 为输出； t n 为时间； 为时间； 为输入信号的数目； 为输入信号的数目； 为神经元的偏置； 为神经元的偏置；
θj
w ji 为连接权系数； 为连接权系数；
x
'
x2
V2 M x'n Vn
输出
xn
输入
② 前馈网络 多个神经元递阶分层结构（同层没有连接）； * 多个神经元递阶分层结构（同层没有连接）； 信号能从输入层向输出层单向连接流通； * 信号能从输入层向输出层单向连接流通； 典型代表：多层感知器（MLP）、学习矢量化（LVQ）网络、 ）、学习矢量化 * 典型代表：多层感知器（MLP）、学习矢量化（LVQ）网络、数据处理方 法（GMDH）网等。 GMDH）网等。
输入
人类知识 （+）传感输入 ）
复杂性
输入
B – 生物的
BNN
BPR
BI
复 杂 性
知识 （+）传感数据 ）
ANN
APR
AI
A – 符号的
计算 （+）传感器 ）
CNN
CPR
CI
C – 数值的
ABC的交通关系图 图9.1 ABC的交通关系图
（2）计算智能系统、人工智能系统 计算智能系统、 若一个系统只涉及数值数据，含有模式识别部分， * 若一个系统只涉及数值数据，含有模式识别部分，不应用人工智能意义 上的知识，而且能够呈现出： 计算适应性； 计算容错性； 上的知识，而且能够呈现出：① 计算适应性；② 计算容错性；③ 接 近人的速度； 误差率与人相近，则该系统是计算智能系统。 近人的速度；④误差率与人相近，则该系统是计算智能系统。 计算智能系统 非数值方式加上知识（ 即成为人工智 若一个智能计算系统以非数值方式加上知识 精品） * 若一个智能计算系统以非数值方式加上知识（精品）值，即成为人工智 能系统。 能系统。
1.004
-1.5
2.102
y
-1.0 -2.0
1.100 − 3.121
x2
0
0 0 0 0 0
0 1.004 1.070 0 0 0 0
1.135 1.100 0 0 0 2.102 0 0 − 3.121 0 0 0 0
异或逻辑的神经网络表示
适应与集成：神经网络能够适应在线运行， * 适应与集成：神经网络能够适应在线运行，并能同时进行定量和定性 操作，这使得神经网络适于复杂、大规模和多变量系统。 操作，这使得神经网络适于复杂、大规模和多变量系统。 硬件实现：神经网络不仅能通过软件而且可以借助硬件实现并行处理。 * 硬件实现：神经网络不仅能通过软件而且可以借助硬件实现并行处理。 这使得神经网络具有快速和大规模处理能力的实现网络 显然，神经网络由于其学习和适应、自组织、 显然，神经网络由于其学习和适应、自组织、函数逼近和大规模并 行处理等能力，因而有用于智能系统的潜力。 行处理等能力，因而有用于智能系统的潜力。
xi ；
；
从节点j至节点i * 从节点j至节点i，存在一个连接权系统数 w ji ； *对于每个节点i，存在一个偏置 对于每个节点i
θj
对于每个节点i i≠j； * 对于每个节点i，定义一个变换函数 f i ( x i , w ji , θ j ) ，i≠j；对于最一般的 情况， 形式。 情况，此函数取 f i ( ∑ w ji x i − θ j ) 形式。
f( _ ) 为输出变换函数，或称为激励函数，往往采用0和1的二值函数或S形 为输出变换函数，或称为激励函数，往往采用0 的二值函数或S 函数。 函数。 输入和输出的关系由下式表示： 输入和输出的关系由下式表示： y j ( t ) = f ( ∑ w ji x i − θ j )
i =1 n
（9.1） 9.1）
AI⊂ CI ⊂ AI⊂ BI
2.计算智能和人工智能的关系讨论 2.计算智能和人工智能的关系讨论