高级人工智能课件4.pptx

Artificial Intelligence;第四章 计算智能;4.1 概述;什么是计算智能 ;计算智能与人工智能的区别和关系 ;计算智能与人工智能的区别和关系 ;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）接近人的速度； （4）误差率与人相近， 则该系统就是计算智能系统。 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。 ;1960年威德罗和霍夫率先把神经网络用于自动控制研究。 60年代末期至80年代中期，神经网络控制与整个神经网络研究一样，处于低潮。 80年代后期以来，随着人工神经网络研究的复苏和发展，对神经网络控制的研究也十分活跃。这方面的研究进展主要在神经网络自适应控制和模糊神经网络控制及其在机器人控制中的应用上。;人工神经网络的特性;4.2.2 人工神经网络的结构; 图4.2中的神经元单元由多个输入xi，i=1,2,...,n和一个输出y组成。中间状态由输入信号的权和表示，而输出为 （4.1） 式中，?j为神经元单元的偏置，wji为连接权系数。 n为输入信号数目，yj为神经元输出，t为时间，f( )为输出变换函数，如图4.3。;(a);人工神经网络的基本特性和结构;递归（反馈）网络:在递归网络中，多个神经元互连以组织一个互连神经网络，如图4.4。;前馈网络:前馈网络具有递阶分层结构，由同层神经元间不存在互连的层级组成，如图4.5。;人工神经网络的主要学习算法;人工神经网络的典型模型;续前表：;4.2.5 基于神经网络的知识表示与推理 ;基于神经网络的推理 ;定义4.1 模糊集合(Fuzzy Sets);定义4.2 模糊集的截集、支集和核;定义4.3 模糊集的运算;定义4.4 直积（笛卡儿乘积，代数积）;4.3.2 模糊逻辑推理;广义拒式(否定结论)假言推理法(GMT, Generalized Modus Tollens) 的推理规则可表示为： 前提1：y为B 前提2：若x为A，则y为B 结 论：x为A’ 模糊变量的隐含函数基本上可分为三类，即模糊合取、模糊析取和模糊蕴涵。;4.3.3 模糊判决方法; 重心法就是取模糊隶属函数曲线与横坐标轴围成面积的重心作??代表点。理论上应该计算输出范围内一系列连续点的重心，即 (4.40) 但实际上是计算输出范围内整个采样点的重心，用足够小的取样间隔来提供所需要的精度，即：; 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。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）。;3. 系数加权平均法;4.4 粗糙集理论;4.4 粗糙集理论;4.4 粗糙集理论;4.4 粗糙集理论;4.4.1 粗糙集理论的基本概念和特点;4.4.1 粗糙集理论的基本概念和特点;4.4.1 粗糙集理论的基本概念和特点;4.4.1 粗糙集理论的基本概念和特点;4.4.1 粗糙集理论的基本概念和特点;4.4.1 粗糙集理论的基本概念和特点;4.5 遗传算法 ;4.5.1 遗传算法的基本机理 ;4.5.1 遗传算法的基本机理 ;4.5.1 遗传算法的基本机理 ;4.5.1 遗传算法的基本机理 ;4.5.1 遗传算法的基本机理 ;4.5.2 遗传算法的求解步骤 ; 一般遗传算法的主要步骤如下： (1) 随机产生一个由确定长度的特征字符串组成的初始群体。 (2)?对该字符串群体迭代的执行下面的①和②步，直到满足停止标准： ① 计算群体中每个个体字符串的适应值； ② 应用复制、交叉和变异等遗传算子产生下一代群体。 (3)?把在后代中出现的最好的个体字符串指定为遗传算法的执行结果，这个结果可以表示问题的一个解。 ;2. 遗传算法的流程图(图4.18) ;;;3. 遗传算法求解举例;遗传算法归纳为五个基本组成部分 ;4.6 进化策略;4.6.1 进化策略的算法模型 ;4.6.2 进化策略和遗传算法的区别 ;4.7 进化编程;4.7.1 进化编程的机理与表示;4.7.2 进化编程的步骤 ;变异和创造子代;4.8 人工生命 ;4.8.1 人工生命研究的起源和发展 ;4.8.2 人工生命的定义和研究意义 ;人工生命系统 ;自然生命的共同特征和现象 ;研究人工生命的意义 ;4.8.3 人工生命的研究内容和方法 1. 人工生命的研究内容;人工生命的科学框架 ;2. 人工生命的研究方法 ;人工生命的研究技术途径 (1) 工程技术