人工智能导入.pptx

单击此处编辑母版标题样式,编辑母版文本样式,第二级,第三级,第四级,第五级,2018/9/9,#,人工智能导入,人工智能导入,第1页,对智能还没有确切定义，,智能是,知识,与,智力,总和,人工智能,：用人工方法在机器（计算机）上实现智能；或者说是大家使机器含有类似于人智能,。,图灵,测试,：,1950,年图灵发表,计算机与智能,中设计了一个测试，用以说明人工智能概念,。,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名称。,人工智能学科,：一门研究怎样结构智能机器（智能计算机）或智能系统，使它能模拟、延伸、扩展人类智能学科。,知识是一切智能行为基础,获取知识并应用知识求解问题能力,智者,问询者,人工智能导入,第2页,人工智能研究基础内容,知识表示,机器感知,机器思维,机器学习,机器行为,人工智能导入,第3页,人工智能主要研究领域,自动,定理证实,博弈,模式识别,机器视觉,自然语言了解,智能信息检索,数据挖掘与知识发觉,教授系统,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,智能管理与智能决议,智能多媒体系统,智能操作系统,智能计算机系统,智能通信,人工智能导入,第4页,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）所组成错综复杂神经网络，其中最主要是,脑神经系统,。,人工神经网络,(artificial neural networks,ANN):,模拟,人脑神经系统,结构和功效，利用大量简单处理单元经广泛连接而组成人工网络系统。,神经网络方法：,隐式,知识表示方法,人工智能导入,第5页,工作状态：,兴奋状态,：细胞膜电位,动作电位阈值,神经冲动,抑制状态,：,细胞膜电位,动作电位阈值,学习与遗忘：,因为神经元结构可塑性，突触传递作用可增强和减弱,。,（,输入,）,（,输出,）,神经冲动,人工智能导入,第6页,：,第 个神经元输出,。,：,第 个神经元阈值,。,：,外部输入,。,：,权值。,加权求和：,其矩阵形式：,人工智能导入,第7页,8,工作过程,:,从各输入端接收输入信号,u,j,(,j,=1,2,n,),依据连接权值求出全部输入加权和,用非线性激励函数进行转换，得到输出,人工智能导入,第8页,1.BP,网络结构,人工智能导入,第9页,10,2.,输入输出变换关系,人工智能导入,第10页,11,3.,工作过程,第一阶段或网络训练阶段,：,N,组输入输出样本：,x,i,=,x,i,1,x,i,2,x,ip,1,T,d,i,=,d,i,1,d,i,2,d,ipm,T,i,=1,2,N,对网络连接权进行学习和调整，以使该网络实现给定样本输入输出映射关系。,第二阶段或称工作阶段,：把试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。,人工智能导入,第11页,12,（,1,）是否存在一个,BP,神经网络能够迫近给定样本或者函数。,两个问题：,（,2,）怎样调整,BP,神经网络连接权，使网络输入与输出与给定样本相同。,1986,年，鲁梅尔哈特（,D.Rumelhart,）等提出,BP,学习算法。,人工智能导入,第12页,13,8.2.2 BP,学习算法,目标函数：,约束条件：,连接权值修正量：,1.,基础思想,人工智能导入,第13页,14,BP,学习算法,记,先求,（,1,）对输出层神经元,（,2,）对隐单元层，则有,人工智能导入,第14页,15,8.2.2 BP,学习算法,2.,学习算法,人工智能导入,第15页,16,8.2.2 BP,学习算法,正向传输：输入信息由输入层传至隐层，最终在输出层输出。,反向传输：修改各层神经元权值，使误差信号最小。,2.,学习算法,人工智能导入,第16页,17,8.2.2 BP,学习算法,2.,学习算法,人工智能导入,第17页,18,8.2.3 BP,算法实现,（,1,）隐层数及隐层神经元数确实定：当前尚无理论指导。,（,2,）初始权值设置：普通以一个均值为,0,随机分布设置网络初始权值。,（,3,）训练数据预处理：线性特征百分比变换，将全部特征变换到,0,，,1,或者,-1,，,1,区间内，使得在每个训练集上，每个特征均值为,0,，而且含有相同方差。,（,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,值编码成所谓名义变量，详细值对应类别标号。,1.BP,算法设计,人工智能导入,第18页,19,8.2.3 BP,算法实现,（,1,）初始化：对全部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,=,x,1,x,2,x,p,1,T,d,=,d,1,d,2,d,pm,T,把输入信息,x,=,x,1,x,2,x,p,1,T,输入到,BP,网络中,（,3,）正向传输：计算各层节点输出：,（,4,）计算网络,实际输出与期望输出误差：,2.BP,算法计算机实现流程,人工智能导入,第19页,20,8.2.3 BP,算法实现,（,5,）反向传输：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方向调整网络各个连接权值。,（,6,）让,t,+1,t,，取出另一组样本重复（,2,）（,5,），直到,N,组输入输出样本误差到达要求时为止。,2.BP,算法计算机实现流程,人工智能导入,第20页,21,8.2.3 BP,算法实现,BP,学习算法程序框图,人工智能导入,第21页,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：经过,Delta,学习算法进行修正。,神经元传输函数：,S,形函数。,学习算法：正向传输、反向传输。,层与层连接是单向，信息传输是双向。,BP,算法特点分析,人工智能导入,第22页,23,2.BP,网络主要优缺点,很好迫近特征。,含有较强泛化能力。,含有很好容错性。,优点,收敛速度慢。,局部极值。,难以确定隐层和隐层结点数目。,缺点,BP,算法特点分析,人工智能导入,第23页,