计算智能概论作业

河南工业大学

计

算

智

能

概

论

作

业

姓名任庆里

班级自动0901

学号200948280105

学院电气工程学院

一、介绍人工神经网络的发展历程和分类

众所周知人之所以能够感觉能够控制自己，是因为人体内的神经网络再给人类传递各种各样的信息，因为有了他们我们才能在受到外界干扰时迅速做出反应，以实现人类正常的生活与交往，所以说神经网络在我的身体里是至关重要的，因为他的重要，所以人们才回去想法设法去开发区利用，所以人工神经网络就如期诞生。

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。 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。

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。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，这些论点促使大批研究人员对于人工神经网络的前景失去信心。60年代末期，人工神经网络的研究进入了低潮。另外，在60年代初期，Widrow提出了自适应线性

元件网络，这是一种连续取值的线性加权求和阈值网络。80年代初期，模拟与数字混合的超大规模集成电路制作技术提高到新的水平，完全付诸实用化。美国的物理学家Hopfield于1982年和1984年在美国科学院院刊上发表了两篇关于人工神经网络研究的论文，引起了巨大的反响。人们重新认识到神经网络的威力以及付诸应用的现实性。随即，形成了80年代中期以来人工神经网络的研究热潮。

神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面：

（1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

（2）建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。

（3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。

（4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。

我认为随着科技的发展在未来几年或是几十年内，人工神经网络必将有重大突破。

二、介绍虹膜识别的内容

眼睛的外观图由巩膜、虹膜、瞳孔三部分构成。巩膜即眼球外围的白色部分，约占总面积的30%；眼睛中心为瞳孔部分，约占5%；虹膜位于巩膜和瞳孔之间，包含了最丰富的纹理信息，占据65%。外观上看，由许多腺窝、皱褶、色素斑等构成，是人体中最独特的结构之一。虹膜的形成由遗传基因决定，人体基因表达决定了虹膜的形态、生理、颜色和总的外观。到二岁左右，虹膜就基本上发育到了足够尺寸，进入了相对稳定的时期。正是因此虹膜才成为生物信息识别种类之一。

虹膜识别就是通过提取人眼虹膜信息并通过这种人体生物特征来识别人的身份。虹膜识别的关键部分是算法，第一步是通过一个距离眼睛3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。单色相机利用可见光和红外线，红外线定位在700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular cysts研究中使用同样的范围。）在虹膜的上方，如上图所示，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要想明白二维gabor子波的原理需要懂得很深的数学知识。

其次，虹膜的录入与识别的过程，整个过程其实是十分简单的，虹膜的定位可在1秒钟之内完成，产生虹膜代码（Iris Code）的时间也

仅需1秒的时间，数据库的检索时间也相当快，就是在有成千上万个虹膜信息数据库中进行检索，所用时间也不多，有人可能会对如此快的速度产生质疑，其实虹膜识别技术的算法还受到了现有技术的制约。我们知道，处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。当然，由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的Iris Code（虹膜代码）也有25%的变化，这听起来好像是这一技术的致使弱点，但在识别过程中，这种Iris Code（虹膜代码）的变化只占整个虹膜代码的10%，它所占代码的比例是相当小的，两个不同的虹膜信息有75%匹配信息的可能性是1:106，等错率：1:1200000 ，两个不同的虹膜产生相同Iris Code （虹膜代码）的可能性是1:1052 。

虹膜识别技术与相应的算法结合后，可以到达十分优异的准确度，即使全人类的虹膜信息都录入到一个数据中，出现认假和拒假的可能性也相当小，两个不同的虹膜信息有75%匹配信息的可能性是1:1 000 000,两个不同的虹膜产生相同Iris Code（虹膜代码）的可能性是1:10^52（10的52次方）。比其他任何生物认证技术的精确度高几个到几十个数量级。

虽然说虹膜识别技术已经很是先进，但是，一项技术的发明必然会出它的弊端，所以就需要更加高科技的识别技术。