第四章计算智能 41概述 47进化编程 42神经计算 48人工生命 43模糊计算 49粒群优化 44粗糙集理论 4.10蚂群算法 45遗传算法 411自然计算 46进化策略 4.12免疫算法
第四章 计算智能 4.1 概述 4.2 神经计算 4.3 模糊计算 4.4 粗糙集理论 4.5 遗传算法 4.6 进化策略 4.7 进化编程 4.8 人工生命 4.9 粒群优化 4.10 蚂群算法 4.11 自然计算 4.12 免疫算法
4.1概述 信息科学与生命科学的相互交叉、相互 渗透和相互促进是现代科学技术发展的 个显著特点 ■计算智能涉及神经网络、模糊逻辑、进 化计算和人工生命等领域,它的研究和 发展正反映了当代科学技术多学科交叉 与集成的重要发展趋势。 2021/12/14
4.1 概述 ◼ 信息科学与生命科学的相互交叉、相互 渗透和相互促进是现代科学技术发展的 一个显著特点。 ◼ 计算智能涉及神经网络、模糊逻辑、进 化计算和人工生命等领域，它的研究和 发展正反映了当代科学技术多学科交叉 与集成的重要发展趋势。 2021/12/14 2
什么是计算智能 把神经网络(NN)归类于传统人工智能(AI 可能不大合适,而归类于计算智能(CI)更 能说明问题实质。进化计算、人工生命和模 糊逻辑系统的某些课题,也都归类于计算智 计算智能取决于制造者( manufacturers)提 供的数值数据,不依赖于知识;另一方面 传统人工智能应用知识精品( knowled tidbits)。人工神经网络应当称为计算神经 网络。 2021/12/14
什么是计算智能 ◼ 把神经网络（NN）归类于传统人工智能（AI） 可能不大合适，而归类于计算智能（CI）更 能说明问题实质。进化计算、人工生命和模 糊逻辑系统的某些课题，也都归类于计算智 能。 ◼ 计算智能取决于制造者（manufacturers）提 供的数值数据，不依赖于知识；另一方面， 传统人工智能应用知识精品（knowledge tidbits）。人工神经网络应当称为计算神经 网络。 2021/12/14 3
计算智能与人工智能的区别和关系 A- Artificial,表示人工的(非生物的); B- Biological,表示物理的十化学的+ (?)=生物的; C- Computational,表示数学十计算机 计算智能是一种智力方式的低层认知, 与传统人工智能的区别只是认知层次从中 层下降至低层而已。中层系统含有知识 (精品),低层系统则没有。 2021/12/14
计算智能与人工智能的区别和关系 ◼ A－Artificial，表示人工的（非生物的）； B－Biological，表示物理的＋化学的＋ （？）＝生物的； C－Computational，表示数学＋计算机 ◼ 计算智能是一种智力方式的低层认知，它 与传统人工智能的区别只是认知层次从中 层下降至低层而已。中层系统含有知识 （精品），低层系统则没有。 2021/12/14 4
计算智能与人工智能的区别和关系 输入 复杂性 层次 人粪知识 BNN->BPR BI B一生物的 (+)传感輪入 知识 复(+)传感数据\AN→AP→A/A-符号的 杂 性 计算 (+)传感暴\ CNN CPR CI C-数值的 2021/12/14
计算智能与人工智能的区别和关系 输入 人类知识 (＋)传感输入 知识 (＋)传感数据 计算 (＋)传感器 C－数值的 A－符号的 B－生物的 复杂性 层次 复 杂 性 BNN BPR BI ANN APR AI CNN CPR CI 2021/12/14 5
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 2021/12/14
◼ 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。 2021/12/14 6
4,2神经计算 42.1人工神经网络研究的进展 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。 2021/12/14
◼ 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。 4.2 神经计算 4.2.1 人工神经网络研究的进展 2021/12/14 7
人工神经网络的特性 并行分布处理 非线性映射 通过训练进行学习 适应与集成 硬件实现 2021/12/14
人工神经网络的特性 ◼ 并行分布处理 ◼ 非线性映射 ◼ 通过训练进行学习 ◼ 适应与集成 ◼ 硬件实现 2021/12/14 8
4.2.2人工神经网络的结构 X1 j1 j2 2 f( n 图42神经元模型 2021/12/14
4.2.2 人工神经网络的结构 -1 W j 1 X1 X2 Wj2 X n W j n · ·· Σ ( ) Yi 图4.2 神经元模型 2021/12/14 9
图42中的神经元单元由多个输入x,i1,2,,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 y()=f(∑vnx-0) (4.1) 式中,为神经元单元的偏置,w为连接权系 数。n为输入信号数目,y为神经元输出,为 时间,f)为输出变换函数,如图43。 2021/12/14
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。 = = − n i j j i i j y t f w x 1 ( ) ( ) 2021/12/14 10
