人工智能导入.pptx

《人工智能导入.pptx》由会员分享，可在线阅读，更多相关《人工智能导入.pptx（23页珍藏版）》请在课桌文档上搜索。

1、人工智能导入,对智能还没有确切的定义，智能是知识与智力的总和 人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人们使机器具有类似于人的智能。图灵测试：1950年图灵发表的计算机与智能中设计了一个测试，用以说明人工智能的概念。1956年正式提出人工智能（artificial intelligence,AI）这个术语并把它作为一门新兴科学的名称。人工智能学科：一门研究如何构造智能机器（智能计算机）或智能系统，使它能模拟、延伸、扩展人类智能的学科。,知识是一切智能行为的基础,获取知识并应用知识求解问题的能力,人工智能研究的基本内容,知识表示 机器感知 机器思维机器学习 机器行为,人工智能

2、的主要研究领域,自动定理证明博弈模式识别机器视觉 自然语言理解智能信息检索 数据挖掘与知识发现专家系统 自动程序设计 机器人 组合优化问题智能网络系统 人工生命,人工神经网络 分布式人工智能与多智能体 智能控制 智能仿真 智能CAD 智能CAI 智能管理与智能决策 智能多媒体系统 智能操作系统 智能计算机系统 智能通信,人工神经网络及其应用,生物神经网络(natural neural network,NNN):由中枢神经系统（脑和脊髓）及周围神经系统（感觉神经、运动神经等）所构成的错综复杂的神经网络，其中最重要的是脑神经系统。人工神经网络(artificial neural networks,

3、ANN):模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统。,神经网络方法：隐式的知识表示方法,工作状态：兴奋状态：细胞膜电位 动作电位的阈值 神经冲动 抑制状态：细胞膜电位 动作电位的阈值 学习与遗忘：由于神经元结构的可塑性，突触的传递作用可增强和减弱。,（输入）,（输出）,神经冲动,：第 个神经元的输出。：第 个神经元的阈值。：外部输入。：权值。,加权求和：其矩阵形式：,8,工作过程:从各输入端接收输入信号 uj(j=1,2,n)根据连接权值求出所有输入的加权和 用非线性激励函数进行转换，得到输出,1.BP 网络结构,10,2.输入输出变换关系,11,3.工

4、作过程,第一阶段或网络训练阶段：N 组输入输出样本：xi=xi1,xi2,xip1T di=di1,di2,dipmT i=1,2,N 对网络的连接权进行学习和调整，以使该网络实现给定样本的输入输出映射关系。第二阶段或称工作阶段：把实验数据或实际数据输入到网络，网络在误差范围内预测计算出结果。,12,（1）是否存在一个BP神经网络能够逼近给定的样本或者函数。,两个问题：,（2）如何调整BP神经网络的连接权，使网络的输入与输出与给定的样本相同。1986年，鲁梅尔哈特（D.Rumelhart）等提出BP学习算法。,13,8.2.2 BP学习算法,目标函数：,约束条件：,连接权值的修正量：,1.基本

5、思想,14,BP学习算法,记,先求,（1）对输出层的神经元,（2）对隐单元层，则有,15,8.2.2 BP学习算法,2.学习算法,16,8.2.2 BP学习算法,正向传播：输入信息由输入层传至隐层，最终在输出层输出。反向传播：修改各层神经元的权值，使误差信号最小。,2.学习算法,17,8.2.2 BP学习算法,2.学习算法,18,8.2.3 BP算法的实现,（1）隐层数及隐层神经元数的确定：目前尚无理论指导。（2）初始权值的设置：一般以一个均值为0的随机分布设置网络的初始权值。（3）训练数据预处理：线性的特征比例变换，将所有的特征变换到0，1或者-1，1区间内，使得在每个训练集上，每个特征的均

6、值为0，并且具有相同的方差。（4）后处理过程：当应用神经网络进行分类操作时，通常将输出值编码成所谓的名义变量，具体的值对应类别标号。,1.BP算法的设计,19,8.2.3 BP算法的实现,（1）初始化：对所有连接权和阈值赋以随机任意小值；（2）从 N 组输入输出样本中取一组样本：x=x1,x2,xp1T,d=d1,d2,dpmT,把输入信息x=x1,x2,xp1T输入到BP网络中（3）正向传播：计算各层节点的输出：（4）计算网络的实际输出与期望输出的误差：,2.BP算法的计算机实现流程,20,8.2.3 BP算法的实现,（5）反向传播：从输出层方向计算到第一个隐层，按连接权值修正公式向减小误差

7、方向调整网络的各个连接权值。（6）让t+1t，取出另一组样本重复（2）（5），直到 N 组输入输出样本的误差达到要求时为止。,2.BP算法的计算机实现流程,21,8.2.3 BP算法的实现,BP学习算法的程序框图,22,1.特点,BP网络：多层前向网络（输入层、隐层、输出层）。连接权值：通过Delta学习算法进行修正。神经元传输函数：S形函数。学习算法：正向传播、反向传播。层与层的连接是单向的，信息的传播是双向的。,BP算法的特点分析,23,2.BP网络的主要优缺点,很好的逼近特性。具有较强的泛化能力。具有较好的容错性。,优点,收敛速度慢。局部极值。难以确定隐层和隐层结点的数目。,缺点,BP算法的特点分析,