计算智能概述.pptx

第5章 计算智能 计算智能是信息科学、生命科学、认知科学等不同学科相互交叉的产物。它主要借鉴仿生学的思想，基于人们对生物体智能机理的认识，采用数值计算的方法去模拟和实现人类的智能。 计算智能的主要研究领域包括：神经计算、进化计算、模糊计算、免疫计算、DNA计算和人工生命等。 本章主要讨论神经计算、进化计算和模糊计算问题。; 5.1 概述 ;5.1.1 什么是计算智能; 神经网络是一种对人类智能的结构模拟方法，它是通过对大量人工神经元的广泛并行互联，构造人工神经网络系统去模拟生物神经系统的智能机理的。 进化计算是一种对人类智能的演化模拟方法，它是通过对生物遗传和演化过程的认识，用进化算法去模拟人类智能的进化规律的。 模糊计算是一种对人类智能的逻辑模拟方法，它是通过对人类处理模糊现象的认知能力的认识，用模糊逻辑去模拟人类的智能行为的。 从贝慈德克对计算智能的定义和上述计算智能学科范畴的分析，可以看出以下2点： 第一，计算智能是借鉴仿生学的思想，基于生物神经系统的结构、进化和认知对自然智能进行模拟的。 第二，计算智能是一种以模型（计算模型、数学模型）为基础，以分布、并行计算为特征的自然智能模拟方法。 ;5.1.2 计算智能的产生与发展;5.1.3 计算智能与人工智能的关系;; 第二种观点是大多数学者所持有的观点，其代表人物是艾伯哈特（R.C.Eberhart）。他们认为：虽然人工智能与计算智能之间有重合，但计算智能是一个全新的学科领域，无论是生物智能还是机器智能，计算智能都是其最核心的部分，而人工智能则是外层。 事实上，CI和传统的AI只是智能的两个不同层次，各自都有自身的优势和局限性，相互之间只应该互补，而不能取代。 大量实践证明，只有把AI和CI很好地结合起来，才能更好地模拟人类智能，才是智能科学技术发展的正确方向。;5.2 神经计算;5.2.1 神经计算基础 1. 生物神经系统简介;(1) 生物神经元的结构; 轴突是由细胞体向外延伸出的所有纤维中最长的一条分枝，用来向外传递神经元产生的输出电信号。 每个神经元都有一条轴突，其最大长度可达1m以上。在轴突的末端形成了许多很细的分枝，这些分支叫神经末梢。 每一条神经末梢可以与其它神经元形成功能性接触，该接触部位称为突触。所谓功能性接触，是指非永久性的接触，这正是神经元之间传递信息的奥秘之处 树突是指由细胞体向外延伸的除轴突以外的其它所有分支。树突的长度一般较短，但数量很多，它是神经元的输入端，用于接受从其它神经元的突触传来的信号。;(2) 生物神经元的功能;(3) 人脑神经系统的联结机制; 人工神经网络是由大量的人工神经元经广泛互联所形成的一种人工网络系统，用以模拟人类神经系统的结构和功能。 (1) 人工神经元的结构 (2) 常用的人工神经元模型 ;人工神经元的结构;常用的人工神经元模型;5.2.2 人工神经网络的互联结构; 包括单层前馈网络和多层前馈网络。 单层前馈网络是指那种只拥有单层计算节点的前向网络。它仅含有输入层和输出层，且只有输出层的神经元是可计算节点，如下图所示 其中，输入向量为X=(x1,x2,…,xn)；输出向量为Y=(y1,y2,…,ym)；输入层各个输入到相应神经元的连接权值分别是wij，i=1,2,..,n，j=1,2,.., m。; 若假设各神经元的阈值分别是θj，j=1,2,…,m，则各神经元的输出yj, j=1,2,..,m分别为： 其中，由所有连接权值wij构成的连接权值矩阵W为： 在实际应用中，该矩阵是通过大量的训练示例学习而形成的。; 多层前馈网络是指那种除拥有输入、输出层外，还至少含有一个、或更多个隐含层的前馈网络。 隐含层是指由那些既不属于输入层又不属于输出层的神经元所构成的处理层,也被称为中间层。隐含层的作用是通过对输入层信号的加权处理，将其转移成更能被输出层接受的形式。 多层前馈网络的输入层的输出向量是第一隐含层的输入信号，而第一隐含层的输出则是第二隐含层的输入信号，以此类推，直到输出层。 多层前馈网络的典型代表是BP网络。;5.2.2 人工神经网络的互联结构 2. 反馈网络; 人工神经网络的模型是指对网络结构、联结权值和学习能力的总括。 常用的网络模型已有数十种。例如： 传统的感知机模型， 具有误差反向传播功能的反向传播网络模型， 采用多变量插值的径向基函数网络模型， 建立在统计学习理论基础上的支撑向量机网络模型， 采用反馈联接方