《14-第八章人工智能58精编版》由会员分享，可在线阅读，更多相关《14-第八章人工智能58精编版（59页珍藏版）》请在金锄头文库上搜索。
1、第八章 人工智能,高等医药院校药学类规划教材计算机在药学中的应用,第一节 人工智能基础,目 录,第二节 人工神经网络,第三节 生物医药机器人,第一节 人工智能基础,第一节 人工智能基础,大学计算机基础沈阳药科大学,一、人工智能的概念和由来,生命科学群和信息科学群是当今世界最具有发展力的两大学科群，而人工智能（Artificial Intelligence, AI）则是这两个学科群中最重要、最具前景的交叉领域。人工智能是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。,大学计算机基础沈阳药科大学,人工智能的核心在于“智能”，我们
2、可以将智能理解为记忆与思维的能力、感知的能力、行为能力和具有学习和适应的能力。从“能力”的角度上讲，人工智能是相对于人的自然智能而言的，是指用人工的方法在计算机上实现的智能。从科学的角度来讲，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟，延伸和扩展人类智能的学科。,大学计算机基础沈阳药科大学,二、人工智能的发展历程,1.孕育期（1956年以前） 1946年，在美国诞生了世界上第一台电子数字计算机ENIAC。在同一时代，控制论和信息论创立，生物学家设计了脑模型。这些成果都为人工智能学科的诞生奠定了理论与实验基础。 2.形成期（1956年1970年） 1956年，人工智能的研究取得了两
3、项重大突破。第一项是纽厄尔、肖（Shaw）和西蒙研究组编制的逻辑理论程序LT（Logic Theory Machine），可以模拟人们用数理逻辑证明定理的思想。第二项是IBM工程研究组的塞缪尔研制的西洋跳棋程序。这个程序可以像一个优秀棋手那样，向前看几步来下棋，并且能在下棋过程中积累经验，不断提高棋艺。1959年，这个程序战胜了设计者本人，1962年它又击败了美国一个州的跳棋冠军。,大学计算机基础沈阳药科大学,3.知识应用期（1970年20世纪80年代末） 进入二十世纪70年代后，人工智能转向了以知识为中心的研究。专家系统实现了人工智能从理论研究走向实际应用的突破。是人工智能发展历程中的一次重
4、大转折。 4.从学派分离走向综合（20世纪80年代末本世纪初） 人工智能技术被更广泛的应用到各个领域并取得了卓越的成绩。人工智能技术开始被用于导弹系统和其它先进武器，同时它也进入了我们的个人计算机，能够进行自然语言处理，机器翻译和语音识别的智能电脑的增加吸引了公众的兴趣。,大学计算机基础沈阳药科大学,三、人工智能的主要研究学派,大学计算机基础沈阳药科大学,四、我国人工智能研究的历史,人工智能研究在我国起步相对较晚，纳入国家计划的“智能模拟”研究始于1978年；1984年召开了智能计算机及其系统的全国学术讨论会；1986年起把智能计算机系统、智能机器人和智能信息处理等重大项目列入国家高技术研究计
5、划； 1981年起，相继成立了中国人工智能学会（CAAI）等学术团体；1989年首次召开的中国人工智能联合会议（CJCAI）；1993年起，又把智能控制和智能自动化等项目列入国家科技攀登计划。进入21世纪后，已有更多的人工智能与智能系统研究获得各种基金计划支持。,大学计算机基础沈阳药科大学,五、人工智能技术与实现方法,人工智能在计算机上实现时有2种不同的方式。 一种是工程学方法（Engineering approach），它采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。工程学方法已在一些领域取得了一定的成果，如文字识别、 电脑下棋等。采用这种方法，
6、需要我们详细规定程序逻辑，逻辑简单的时候很容易实现，一旦程序逻辑复杂繁琐，就很容易出现错误。 另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法（Generic Algorithm，简称GA）和人工神经网络（Artificial Neural Network，简称ANN）都属于这种方法。,大学计算机基础沈阳药科大学,六、人工智能的主要研究方向,人工智能的研究包括智能机器人、模式识别、自然语言处理和专家系统等方向。 1.问题求解：我们通过对人们求解问题的一般规律、求解问题的思路的研究，编制一个智能程序，让它依照人
7、类解决问题的方法与思维模式去解决问题。 2.自然语言处理：自然语言处理（Natural Language Processing，NLP）也是人工智能的早期研究领域之一，自然语言处理主要研究如何使计算机能够理解和生成自然语言。自然语言处理通常与模式识别，计算机视觉等技术相结合，应用在文字识别和语音识别等系统中。,大学计算机基础沈阳药科大学,3.模式识别：模式识别是研究如何从庞大的信息中提取特征，应用计算机对某一范畴内的事物依据特征进行自动的识别和分类。模式识别是人工智能的重要组成部分，它本身又分为文字识别、语音识别、生物特征识别、图像分析等许多分支。 4.智能数据库：智能数据库是研究利用人的推理
8、、想象、记忆原理，实现对数据库的存储、搜索和修改。智能数据库通过有效的组织，能够满足人们快速检索和修改数据库的要求。,大学计算机基础沈阳药科大学,5.智能机器人：机器人学是在电力学、人工智能、控制论、系统工程、精密机械、信息传感、仿生学以及心理学的多种学科的基础上形成的一门综合性技术学科。 6.博奕：博弈是研究使自己取胜、战胜对手的策略。在决策过程中要对形势做出恰当的估计，搜寻各种可能的策略组合，通过对比分析确定对自己最有利的策略。 7.程序自动设计：自动程序设计是将自然语言描述的程序自动转换成可执行的程序的技术。,大学计算机基础沈阳药科大学,8.逻辑推理与定理证明：逻辑推理是人工智能研究中最
9、持久的领域之一。计算机通过模仿人的推理和演绎过程，从最基本的公理出发，证明定理的正确性。 9.专家系统：专家系统是一个具有大量专门知识与经验的智能计算机程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家对复杂问题的决策过程。,大学计算机基础沈阳药科大学,七、 人工智能在医药领域的应用,医学人工智能是人工智能发展出来的一大分支，它为医学诊疗问题提供解决方案，成果最显著的是医学专家系统。1972 年de Domabl研发了“急性腹痛鉴别诊断系统”，1976 年费根鲍姆成功开发了MYCIN “传染性疾病鉴别诊断系统”。专家鉴定表明该系统对细菌血液
10、病、脑膜炎方面的诊断和提供治疗方案的水平已超过了这方面的专家。 80年代初期开始，中国中医界相关专家系统的研究也开展得如火如荼，大约有140个以经验为主的中医专家系统相继研发。医学专家系统可以解决的问题一般包括解释、预测、诊断、提供治疗方案等。,大学计算机基础沈阳药科大学,近年来，人工智能技术在药学领域也得以广泛的应用，尤其是在中药材的质量控制方面取得了卓越的研究成果。由于中药材质量的特殊性和复杂性，中药材的真伪鉴别和质量控制存在很大困难。为摆脱这一困境，将人工智能技术引入到中药材质量控制系统中，利用模式识别技术，建立了完整的中药材质量检测专家系统，实现了中药材的数字化、自动化检测，全面、客观
11、、准确、快捷的控制中药材质量；为建立安全有效，可操作，技术先进的国家质量标准提供了坚实可靠的基础；同时促进了中药国际化，提高了中医药产品在国际医药市场的竞争力。,大学计算机基础沈阳药科大学,此外，人工免疫算法、人工神经网络技术、遗传算法等人工智能技术在药品制剂过程的工艺参数优化，化合物毒性预测，药物渗透性能预测及生物制药等领域都发挥着重要的作用。,大学计算机基础沈阳药科大学,第二节人工神经网络,第二节人工神经网络,大学计算机基础沈阳药科大学,一、 人工神经网络的概念和发展,利用大脑的组织结构和运行机制的特点，从模仿人脑智能的角度出发，探寻新的信息处理方式，构造了一种更接近人类智能的信息处理系统
12、人工神经网络（Artificial Neural Networks，简称ANN）系统。如图8-1所示。,大学计算机基础沈阳药科大学,人工神经网络也称为神经网络（Neural Network, NN），是由大量处理单元广泛互联而成的网络，是对人脑的抽象、简化和模拟。它是植根于神经系统、数学、统计学、物理学、计算机科学及工程等学科的一种人工智能技术。,大学计算机基础沈阳药科大学,二、人工神经网络的学习方式,按人工神经网络的性能可分为连续型神经网络和离散型神经网络，又可分为确定型神经网络和随机型神经网络；按人工神经网络的结构可分为反馈型神经网络和前馈型神经网络；按学习方式可分为有导师学习网络和无导师
13、学习网络。 1.有导师学习 有导师学习又称为有监督学习，在学习时需要给出导师信号，也称为期望输出。学习的目的就是减少网络实际输出与导师信号之间的差异，使网络实际输出逐渐逼近导师信号。这一目标是通过逐步调整网络权值来实现的。,大学计算机基础沈阳药科大学,2.无导师学习 无导师学习也称为无监督学习。在无监督学习中没有外部导师信号或评价系统来统管学习过程，而是在网络内部对其性能进行自适应调节。它强调的是神经元之间的协调，如果外界输入激活了神经元中的某个结点，则整个神经元群的活性随之增加，相反引起整个神经元群的抑制效应。 3.强化学习 强化学习是利用某一“奖惩”的全局信号，衡量和强化与输入相关的权值和
14、神经元状态的变化。强化信号不同于导师信号，它很单一，只表示输出结果的“好”与“坏”。强化学习需要的外部信息很少，当不知道对于给定的输入模式应有何种相应的导师信号时，强化学习能够根据一些“奖惩”规则得出有益的结果。,大学计算机基础沈阳药科大学,三、 神经元模型和BP神经网络,1.神经元模型 人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但并不是自然神经网络的逼真描写，而只是它的某种简化抽象和模拟。经过对生物神经元的长期广泛研究，1943年美国心理学家麦卡洛克和数理学家皮茨提出了神经元的数学模型，即著名的MP模型。,大学计算机基础沈阳药科大学,2. BP神经网络 1
15、957年美国计算机科学家罗森布拉特（Roseblatt）提出了单层感知器（Perceptron）模型。它是一个具有单层神经元的网络，由线性阈值逻辑单元所组成。单层感知器在人工神经网络研究中有着重要的意义和地位。然而单层感知器由于只有一个神经元，功能单一，只能完成线性决策或实现 “与”，“或”，“非”等单一逻辑函数。为了解决这一问题，在其基础上创建了多层感知器（Multilayer Perceptron，MLP）模型。它是一种在输入层与输出层之间有一层或多层隐含结点的具有正向传播机制的人工神经网络模型。多层感知器克服了单层感知器的许多局限，它的优越性能主要来源于结点的非线性特性。,大学计算机基础
16、沈阳药科大学,BP网络的结构如图8-3所示由输入层，输出层和一个或多个中间层（隐含层）组成。中间层中的神经元均采用S型激活函数，输出层神经元采用线性传递函数。,大学计算机基础沈阳药科大学,3.BP网络的优点及局限性 非线性映射能力：BP网络实质上实现了一个从输入到输出的映射功能，三层的BP网络在理论上能够以任意精度逼近任何非线性连续函数。这使得其特别适合于求解内部机制复杂的问题，即BP网络具有较强的非线性映射能力。 自学习和自适应能力：BP网络在训练时，能够通过学习自动提取输出、输出数据间的“合理规则”，并自适应的将学习内容记忆于网络的权值中。即BP神经网络具有高度自学习和自适应的能力。,大学计算机基础沈阳药科大学,泛化能力：所谓泛化能力是指在设计模式分类器时，即要考虑网络在保证对所需分类对象进行正确分类，还要关心网络在经过训练后，能否对未见过的模式或有噪声污染的模式，进行正确的分类。也即BP神经网络具有将学习成果应用于新知识的能力。 容错能力：BP网络在其局部的或者部分的神经元受到破坏后对全局的训练结果不会造成很大的影响，也就是说
