信号处理的智能方法分析.ppt

Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,Click to edit Master title style,西电通院,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,Click to edit Master title style,*,内 容,问题的提出,1,人脑的信息处理,2,现有智能方法及其局限性,3,解决途径,4,1,问题的提出,在信息处理中，人脑具有明显的优越性,，,如,:,人脸识别,信号功率谱估计,信号带宽的分析等,1,问题的提出,信息获取,通信,信息处理,2,人脑信息处理,两个信息处理中心,2.1,两个中心的处理机制,2.2,人脑信息处理的特点,2.3,2.1,人脑信息处理的特点,大脑的思维过程实质上是信息处理过程,，复杂而多样，难给出精确的描述,分布存储与冗余性,并行处理,信息处理与存储合一,可塑性与自组织性,鲁棒性,2.2,两个信息处理中心,快速脑,非逻辑脑,图像脑,右脑,人脑,慢速脑,逻辑脑,学术脑,左脑,2.2,两个信息处理中心,快速脑,非凡的学习能力,过目不忘的记忆能力,超级,(,快速,),计算能力,拥有本能和直觉的反应,2.2,两个信息处理中心,快速脑采用潜意识和直觉的方式学习和记忆，信息存储量,极大,，可以不假思索地掌握知识；,主要用图像的方式来处理问题；,非逻辑,处理,。,2.2,两个信息处理中心,慢速脑,记忆容量和学习速度有限,用符号和逻辑的方式处理问题,记忆效率低下,意义：依靠它，人类才具有分析和逻辑能力，知识才可以传递和学习！人类的文明才可以发展！,2.2,两个信息处理中心,左脑和右脑,的称谓,不完全准确,左脑,：,低速的逻辑脑（意识脑）,右脑,：,高速的图像脑（潜意识脑）,2.2,两个中心的处理机制,成年人的大脑，习惯了主要使用逻辑脑,。,所谓思考的功能，一般都是由低速脑来完成！,具有良好的逻辑记忆功能，负责逻辑判断和推理，具有短时记忆，总体记忆容量比较小,。,经常出现,的,信息，逻辑脑就会把它转移到,图像脑,，深层记忆中保存下来！,2.2,两个中心的处理机制,逻辑脑主宰人的思维，人们最重视的就是这个大脑！,长期以来，以为,人,只有这个大脑存在，它代表理性和思维。,逻辑脑容易遗忘！,2.3,两个中心的处理机制,对非逻辑脑的研究,始于,弗,洛伊,德,(Sigmund Freud),的潜意识理论，目前已经是一门很重要的学科！,研究表明：信息量特别大的图像，如运动，音乐和快速的信息处理，必然是由高速脑,、,也就是非逻辑脑来完成的！,2.3,两个中心的处理机制,高速脑具有庞大而快速的记忆能力，可以过目不忘，在不经意中完成学习和记忆！,非逻辑脑很难通过有意识的控制来学习知识；,大多数人都不善于使用自己的快速脑；,有些人经过训练，可以用高速脑来完成普通人用低速脑做的事情，感觉他们就是天才,。,“不假思索”,3,现有智能方法及其局限性,人工智能,(Artificial Intelligence,，,AI),，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。,基于人的慢速脑,研究,；,思维观点,:AI,不仅限于逻辑思维，还应考虑形象思维、灵感思维，才能促进,AI,的突破性的发展。,3,现有智能方法及其局限性,人工智能,神经网络,小波分析,模式识别,模糊聚类,专家系统,遗传算法,3.1,神经网络的方法,人工神经元网络是由大量神经元通过极其丰富和完善的连接而构成的自适应非线性动态系统。,人工神经元网络是生物神经网络的一种模拟和近似，它从结构、实现机理和功能上模拟生物神经网络。,3.1,神经网络的方法,神经网络优点,(1),强的鲁棒性和容错性,，,并行处理方法；,(2),自学习、自组织、自适应性，可以处理不确定或不知道的系统；,(3),充分逼近任意复杂的非线性关系；,(4),强的信息综合能力，能同时处理定量和定性的信息，协调多种输入信息关系,。,3.1,神经网络的方法,神经网络缺点,(1),难于精确分析神经网络的各项性能指标；,(2),不宜用来求解必须得到正确答案的问题：自发的集体行为；,(3),不宜用来求解用数字计算机解决得很好问题；,(4),体系结构的通用性差。,3.1,神经网络的方法,神经网络主要应用：,如,自动控制领域,、,处理组合优化问题,、,模式识别,、,图像处理,、,传感器信号处理,、,机器人控制,、,信号处理,、,数据挖掘,等,。,神经网络与其他方法相结合，取长补短,：如,神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。,3.2,遗传算法,遗传算法（,Genetic Algorithm,）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型是一种通过模拟自然进化过程搜索最优解的方法。,遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。,3.2,遗传算法,遗传算法,的,特点：,(1),从问题解的串集开始,搜,索，覆盖面大，利于全局择优,；,(2),同时处理群体中的多个个体，减少了陷入局部最优解的风险，易于实现并行化,；,(3),采用概率的变迁规则来,指导它的,搜索方向,；,(4),具有自组织、自适应和自学习性。,3.3,小波分析,小波分析,：,数学显微镜，具有放大、缩小和平移功能，通过检查不同放大倍数下的变化来研究信号的动态特性。,小波,分析,是对,Fourier,分析方法的突破，不但在时域和频域同时具有良好的局部化性质，而且对低频信号在频域,和,高频信号在时域都有很好的分辨率，从而可以聚集到对象的任意细节,。,3.3,小波分析,小波分析两大优点：,(1),时频联合分析方法，自适应地调节时频窗口，同时具有时频域局部化的性能；,(2),小波函数可作为许多经典函数空间的无条件基，通过快速离散小波变换能够实现这些空间中的函数逼近。,3.4,局限性,本质而言，,AI,是对人的思维过程的模拟，人的思维模拟可以从两条路进行,:,1.,结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；,2.,功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。,3.4,局限性,(1),理论基点：思维即计算,(2),理论框架：演绎逻辑背景下的形式系统,(3),手,段：形式化方法,(4),执行环境：冯,诺依曼计算机系统,3.4,局限性,(1),思维,即,计算：,发展过程,图灵机,:,能模拟人类所能进行的任何计算过程,主要内涵是抽象思维，而人的思维有多种方式，即使是抽象思维，,不能完全,归结为计算。,数学中解题思想是如何产生的,?,这一思维过程能否通过计算实现,?,人脸识别中，特征信息的选取,3.4,局限性,(2),演绎逻辑背景下的形式系统,形式系统,形式系统的语义单一性,记忆的事物,可能不止,一个含义，一个意义,人的思维有极大的灵活性，能去伪存真、由表及里、广泛联想,仅仅依靠形式系统这一理论框架是不够的,3.4,局限性,(3),形式化方法,形式化方法要求首先将待处理的问题形式化，而这种转变本身有要求形式化，这就是一种无穷,递,归。,人在处理问题时，具有学习、适应的能力，不完全是形式化的。,3.4,局限性,(4),冯,诺依曼计算机系统,只有问题是可形式化的、可计算的，,并且具有,求解这一个计算问题的具体算法，计算机才有可能代替人去执行。,还存在,着,计算复杂性,问题,。,3.4,局限性,与人类思维相比，“机器思维”,1.AI,系无意识的机械的物理的过程，人类智能主要是生理和心理的过程；,2.AI,没有社会性；,3.AI,没有人类的意识所特有的能动性；,4.,人脑的思维在前，电脑的功能在后。,4,解决途径1,继承及改造,2,研究非形式系统,3,集成与互补,4,向物理科学、生物科学寻求新的计算或信息处理的原理。,4,解决途径,1,继承及改造,形式系统、形式化方法是从人的抽象思维中抽取的一种思维模型，是极为有效的工具，,赋予系统以学习、创造的功能,将形象信息引入形式系统,引入更多的开放性系统的特征,这种系统将更接近人的思维。,4,解决途径,2,研究非形式系统,在继续研究、改造现有的形式系统的同时，注意研究非形式系统的规律，对,AI,的发展将具有重大的理论意义。,未来的智能系统的理论基底很可能是改造过的新形式系统同非形式系统的结合体。,4,解决途径,3,集成与互补,思维层面,：,将逻辑（抽象）思维与形象（直感）思维结合起来，,理论模型层面,：,将,形式系统与非形式系统结合,技术层面,：,将多种技术手段方法综合起来，就有希望构造出新一代的更高级的智能系统。,4,解决途径,4.,向物理科学、生物科学寻求新的计算或信息处理的原理。,生命科学,:,特征信息的表征与提取,研究人高速脑工作机制,开发人的高速脑学习,