人工智能第四章

《人工智能第四章》由会员分享，可在线阅读，更多相关《人工智能第四章（122页珍藏版）》请在金锄头文库上搜索。

1、人 工 智 能 原 理Artificial Intelligence Principle 信息工程学院张永梅第四章 计算智能(1)神经计算 模糊计算第四章 计算智能(1)作业：4-4，4-9 ， 4-10实验：编写一个神经网络程序，实现简单的 分类。第四章 计算智能(1)4.1 概述 4.2 神经计算 4.3 模糊计算 l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。4.1 概述l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，它的研究和发展反映了当代科 学技术多学科交叉与集成的重要发展趋势。 l计算智能是借鉴仿生学的思想，基于人们对生物 体智

2、能机理的认识，采用数值计算的方法去模拟和 实现人类的智能。什么是计算智能 v把神经网络（Neural Network, NN）归类于人工智 能（Artificial Intelligence, AI）可能不大合适，而 归类于计算智能（Computational Intelligence, 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。4.1 概述v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，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。 所谓的专家系

3、统实质上是某一专门知识，例如 某种疾病的诊断、处方，某些矿物的资源勘探数据 分析等的计算机咨询系统(软件)。专家系统的基础是专家知识。专家知识可以分 成两大类，一类是已经总结在书本上的定律、定理 和公式等，另一类是专家们在实际工作中长期积累 的经验、教训。这后一类知识往往难以总结成书面 的规律或条文，但这类知识却是十分宝贵的，它们 在专家做出决策、指导工作和解决疑难问题等方面 起着重要作用。v 什么是专家系统：“专家系统”(Expert System)是指具有相当于专家的知识和经验水 平，以及解决专门问题能力的计算机系统， 通常指计算机软件。v MYCIN系统研制发起人EHShortiffe(

4、爱德华 持肖持利夫)是哈佛大学数学系毕业生，他获得 了斯坦福大学面向医学的计算机应用方面的奖学 金，到斯坦福大学当研究生。他在计算机科学和 医学之间的边缘领域一一医疗诊断的研究中，进 行了开创性的工作。v当他在一九七一年完成MYCIN系统时，他只是一 名研究生，到了一九七九年成为斯坦福大学的内 科副教授。一九八零年召开第二届医疗中的人工 智能(AIM)学术会议时，他成为大会的组织委员 会主席。v MYCIN是有关传染病诊断和治疗的咨询系 统。它能教会不擅长诊治传染病的医生， 怎样从患者症状出发，确定病的种类及相 应的治疗方法。v我们知道，传染病种类繁多，与其相应的 抗生素种类也不少。要在限定的

5、时间内确 定病症，选择出恰当的治疗方法，决非易 事。这似乎就是开发MYCIN系统的着眼点 。人工智能大师-费根鲍姆 他的重大贡献在于：通过实验和研究，证 明了实现智能行为 的主要手段在于知识，在多 数实际情况下是特定领域的知识。 1994年度的图灵奖由两位人工智能专家分 享，其一是声名卓著的爱德华费根鲍姆 (EdwardAlbert Feigenbaum)；另一位是后起之 秀的雷伊雷蒂(RajReddy)。 费根鲍姆的重大贡献在于： 通过实验和研究，证明 了实现智能行为的主要手段在于知识，在 多数实际情况 下是特定领域的知识，从而最早倡导了“知识工程” (Knowledge engineeri

6、ng)，并使知识工程成为人工智能领 域中取得实际 成果最丰富、影响也最大的一个分支。 费根鲍姆本人，作为知识工程的倡导者 和实践者， 于1965年和遗传学系主任、诺贝尔奖得主莱德伯格 (Joshua Lederberg)等人合作，开发出了世界上第一个专 家系统程序 DENDRAL。DENDRAL中保存着化学家的 知识和质谱仪的知识，可以 根据给定的有机化合物的分 子式和质谱图，从几千种可能的分 子结构中挑选出一个 正确的分子结构。DENDRAL的成功不仅验证了费根鲍姆 关于知 识工程的理论的正确性，还为专家系统软件的发展和 应 用开辟了道路，逐渐形成具有相当规模的市场，其 应用遍及各个 领域、

7、各个部门。因此，DENDRAL的 研究成功被认为是人工智能研 究的一个历史性突破。费根鲍姆领导的研究小组后来又为医学、 工程和 国防等部门研制成功一系列实用的专家系统，其中尤 以 医学专家系统方面的成果最为突出，最负盛名。例 如，用于帮助医 生诊断传染病和提供治疗建议的著名 专家系统MYCIN等。目前，学 术界公认，在将人工 智能技术应用于医学方面，斯坦福大学处于 世界领先 地位，这和费根鲍姆是分不开的。 v MYCIN系统研制发起人EHShortiffe(爱德华 持肖持利夫)是哈佛大学数学系毕业生，他获得 了斯坦福大学面向医学的计算机应用方面的奖学 金，到斯坦福大学当研究生。他在计算机科学和

8、 医学之间的边缘领域一一医疗诊断的研究中，进 行了开创性的工作。v当他在一九七一年完成MYCIN系统时，他只是一 名研究生，到了一九七九年成为斯坦福大学的内 科副教授。一九八零年召开第二届医疗中的人工 智能(AIM)学术会议时，他成为大会的组织委员 会主席。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生物的输入复杂性复杂性BNNBPRBIANNAPRAICNNCPRCI4.1 概述模式识别（ Pattern Recognition, PR）;神经网络（Neural Network, NN）;智能（ Intelligence, I）

9、。图4.1 ABC的交通关系图 vAArtificial，表示人工的（非生物的），即人造的； vBBiological，表示物理的化学的（？）生物的；CComputational，表示数学计算机 第一个对计算智能的定义是由贝兹德克（Bezdek） 于1992年提出的。他给出有趣的ABC：v计算智能是一种智力方式的低层认知，它与人工智 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。4.1 概述什么是计算智能l 计算智能目前还没有一个统一的的定义，使用较多 的是美国科学家贝慈德克从计算智能系统角度所给 出的定义。n从学科范畴看，计算智能是在神经网络（Neur

10、al Networks, NN）、进化计算（Evolutionary Computation, EC）及模糊系统（Fuzzy System, FS） 这3个领域发展相对成熟的基础上形成的一个统一的 学科概念。 4.1 概述l神经网络是一种对人类智能的结构模拟方法，它是通过对大 量人工神经元的广泛并行互联，构造人工神经网络系统去模 拟生物神经系统的智能机理的。l进化计算是一种对人类智能的演化模拟方法，它是通过对生 物遗传和演化过程的认识，用进化算法去模拟人类智能的进 化规律的。l模糊计算是一种对人类智能的逻辑模拟方法，它是通过对人 类处理模糊现象的认知能力的认识，用模糊逻辑去模拟人类 的智能行为

11、的。l 从中，可看出2点： 第一，它借鉴仿生学的思想，基于生物神经系统的结构、进 化和认知对自然智能进行模拟的。 第二，计算智能是一种以模型（计算模型、数学模型）为基 础，以分布、并行计算为特征的自然智能模拟方法。4.1 概述v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。4.1 概述v当一个计算智能系统以非数值方式加上知 识（精品）值，即成为人工智能系统。 4.1 概述模式识别的基本概念模式识别的基本定义 模式(pattern)

12、 - 存在于时间，空间中可观察的事物，具有时间或空间分布的信息。模式识别(Pattern Recognition) - 用计算机实 现人对各种事物或现象的分析,描述,判断,识别。模式识别是模拟人的某些功能 模拟人的视觉: 计算机+光学系统模拟人的听觉: 计算机+声音传感器模拟人的嗅觉和触觉: 计算机+传感器4.1 概述什么是模式？v广义地说，存在于时间和空间中可观察的物体 ，如果我们可以区别它们是否相同或是否相似 ，都可以称之为模式。v模式所指的不是事物本身，而是从事物获得的 信息，因此，模式往往表现为具有时间和空间 分布的信息。v模式的直观特性:可观察性可区分性相似性4.1 概述模式识别的概

13、念v模式识别 直观，无所不在，“人以类聚 ，物以群分”周围物体的认知：桌子、椅子人的识别：张三、李四声音的辨别：汽车、火车，狗叫、人语气味的分辩：炸带鱼、红烧肉v人的模式识别能力是极其平常的，但对 计算机来说却是非常困难的。4.1 概述模式识别的研究v目的：利用计算机对物理对象进行分类 ，在错误概率最小的条件下，使识别的 结果尽量与客观物体相符合。vY = F(X)X的定义域取自特征集Y的值域为类别的标号集F是模式识别的判别方法4.1 概述模式识别系统v信息的获取：是通过传感器，将光或声音等信 息转化为电信息。信息可以是二维的图像如文 字，图像等；可以是一维的波形如声波，心电 图，脑电图；也可

14、以是物理量与逻辑值。v预处理：包括AD，二值化，图像的平滑，变换 ，增强，恢复，滤波等, 主要指图像处理。4.1 概述邻邻域平均法中值滤值滤 波v特征抽取和选择：在模式识别中，需要 进行特征的抽取和选择，这种在测量空 间的原始数据通过变换获得在特征空间 最能反映分类本质的特征。这就是特征 提取和选择的过程。v分类器设计：分类器设计的主要功能是 通过训练确定判决规则，使按此类判决 规则分类时，错误率最低。把这些判决 规则建成标准库。v分类决策：在特征空间中对被识别对象 进行分类。4.1 概述模式识别系统组成单元v特征提取和选择：对原始数据进行变换，得到 最能反映分类本质的特征测量空间：原始数据组

15、成的空间特征空间：分类识别赖以进行的空间模式表示：维数较高的测量空间-维数较低的特征 空间 v分类决策：在特征空间中用模式识别方法把被 识别对象归为某一类别基本做法：在样本训练集基础上确定某个判决规则 ，使得按这种规则对被识别对象进行分类所造成的 错误识别率最小或引起的损失最小4.1 概述特征提取的概念 在数学上，特征提取就是从测量空间Rn 到特征空间Rm的映射。映射通常要遵守两个 准则，即特征空间必须保留测量空间中的主要 分类信息；特征空间的维数应大大低于测量空 间的维数。4.1 概述模式识别过程实例v在传送带上用光学传感器件对鱼按品种 分类 鲈鱼(Seabass) 品种 鲑鱼(Salmon

16、)4.1 概述识别过程v数据获取：架设一个摄像机，采集一些 样本图像，获取样本数据。v预处理：去噪声，用一个分割操作把鱼 和鱼之间以及鱼和背景之间分开。4.1 概述识别过程v特征提取和选择：对单个鱼的信息进行特征 选择，从而通过测量某些特征来减少信息量长度亮度宽度鱼翅的数量和形状嘴的位置，等等 v分类决策：把特征送入决策分类器4.1 概述4.1 概述4.1 概述4.1 概述4.1 概述训练和测试v训练集：是一个已知样本集，在监督学 习方法中，用它来开发出模式分类器。v测试集：在设计识别和分类系统时没有 用过的独立样本集。v系统评价原则：为了更好地对模式识别 系统性能进行评价，必须使用一组独立 于训练集的测试集对系统进行测试。4.1 概述实例：统计模式识别v19名男女同学进行体检，测量了身高和 体重，但事后发现其中有4人忘记填写 性别，试问（在最小错误的条件下）这 4人是男是女？体检数值如下：4.1 概述实例：统