智能信息處理課程概述演示文稿

智能信息處理課程概述演示文稿當(dāng)前第1頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)優(yōu)選智能信息處理課程概述ppt當(dāng)前第2頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)目錄1.1智能信息處理的產(chǎn)生及發(fā)展

1.1.2智能計(jì)算的產(chǎn)生與發(fā)展1.2智能信息處理的主要技術(shù)1.3智能技術(shù)的綜合集成當(dāng)前第3頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)1.1智能信息處理的產(chǎn)生及發(fā)展

圖1.1信息技術(shù)的四個(gè)組成部分及其信息鏈測(cè)量技術(shù)傳感技術(shù)網(wǎng)絡(luò)技術(shù)智能技術(shù)智能感知智能行為可靠傳遞智能思維當(dāng)前第4頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)信息信息（Information），一般可理解為消息、情報(bào)或知識(shí)。例如，語(yǔ)言文字是社會(huì)信息；商品報(bào)導(dǎo)是經(jīng)濟(jì)信息；遺傳密碼是生物信息等。從物理學(xué)觀點(diǎn)出發(fā)來(lái)考察，信息是物質(zhì)所固有的，是其客觀存在或運(yùn)動(dòng)狀態(tài)的特征。信息本身不是物質(zhì)，不具有能量，但信息的傳輸卻依靠物質(zhì)能量。一般來(lái)說(shuō)，傳輸信息的載體稱(chēng)為信號(hào)（Signal），信息蘊(yùn)涵于信號(hào)之中。當(dāng)前第5頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)智能智能就是智慧和能力，是個(gè)體有目的的行為，合理的思維，以及有效的適應(yīng)環(huán)境的綜合性能力個(gè)體認(rèn)識(shí)客觀事務(wù)和運(yùn)用知識(shí)解決問(wèn)題的能力。人們常把傳感器比作人的感官，計(jì)算機(jī)比作人的大腦。從信息化角度出發(fā)，“智能”應(yīng)體現(xiàn)在三個(gè)方面，即：感知，信息的獲取；思維，信息的處理；行為，信息的利用。當(dāng)前第6頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)智能ABC生物智能(BiologicalIntelligence,BI)人工智能(ArtificalIntelligence,AI)計(jì)算智能(ComputationalIntelligence，CI）由數(shù)學(xué)方法和計(jì)算機(jī)實(shí)現(xiàn)的，CI的來(lái)源是數(shù)值計(jì)算和傳感器是非物質(zhì)的，是人造的，常用符號(hào)表示，AI的來(lái)源是人的知識(shí)精華和傳感器數(shù)據(jù)）由人腦的物理化學(xué)過(guò)程反映出來(lái),人腦是有機(jī)物,它是智能的物質(zhì)基礎(chǔ)B(有機(jī)）A(符號(hào)）C(數(shù)值）當(dāng)前第7頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)智能計(jì)算目前國(guó)際上提出智能計(jì)算就是以人工神經(jīng)網(wǎng)絡(luò)為主導(dǎo)，與模糊邏輯系統(tǒng)、進(jìn)化計(jì)算以及信號(hào)與信息處理學(xué)科的綜合集成。新一代的智能計(jì)算信息處理技術(shù)是神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)、進(jìn)化計(jì)算、混沌動(dòng)力學(xué)、分形理論、小波變換、人工生命等交叉學(xué)科的綜合集成。當(dāng)前第8頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)智能計(jì)算的兩個(gè)重要特征1）智能計(jì)算與傳統(tǒng)人工智能不同，主要依賴(lài)的是生產(chǎn)者提供的數(shù)字材料，而不是依賴(lài)于知識(shí)；它主要借助數(shù)學(xué)計(jì)算方法(特別是與數(shù)值相聯(lián)系的計(jì)算方法)的使用。

一方面，具有明顯的數(shù)值計(jì)算信息處理特征；另一方面，強(qiáng)調(diào)用“計(jì)算”的方法來(lái)研究和處理智能問(wèn)題。CI中計(jì)算的概念在內(nèi)涵上已經(jīng)加以拓廣和加深。一般地，在解空間進(jìn)行搜索的過(guò)程都被稱(chēng)為計(jì)算。當(dāng)前第9頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)智能計(jì)算的兩個(gè)重要特征2）智能計(jì)算的積極意義在于：促進(jìn)基于計(jì)算的或基于計(jì)算和基于符號(hào)物理相結(jié)合的各種智能理論、模型、方法的綜合集成，以便在智能計(jì)算這個(gè)主題下發(fā)展思想更先進(jìn)、功能更強(qiáng)大、能夠解決更復(fù)雜問(wèn)題的大系統(tǒng)的智能科學(xué)成果。當(dāng)前第10頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)兩類(lèi)智能信息處理基于傳統(tǒng)計(jì)算機(jī)的智能信息處理基于神經(jīng)計(jì)算的智能信息處理當(dāng)前第11頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)基于傳統(tǒng)計(jì)算機(jī)的智能信息處理包括智能儀器、自動(dòng)跟蹤監(jiān)測(cè)儀器系統(tǒng)、自動(dòng)控制制導(dǎo)系統(tǒng)、自動(dòng)故障診斷系統(tǒng)等。在人工智能系統(tǒng)中，它們具有模仿或代替與人的思維有關(guān)的功能，通過(guò)邏輯符號(hào)處理系統(tǒng)的推理規(guī)則來(lái)實(shí)現(xiàn)自動(dòng)診斷、問(wèn)題求解以及專(zhuān)家系統(tǒng)的智能。這種智能實(shí)際上體現(xiàn)了人類(lèi)的邏輯思維方式，主要應(yīng)用串行工作程序按照一些推理規(guī)則一步一步進(jìn)行計(jì)算和操作，目前應(yīng)用領(lǐng)域很廣。其發(fā)展速度已不太適應(yīng)社會(huì)信息數(shù)量增長(zhǎng)速度的需求，因而促使人們注意到新型智能信息處理系統(tǒng)的研究。當(dāng)前第12頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)基于神經(jīng)計(jì)算的智能信息處理ANN是模仿延伸人腦認(rèn)知功能的新型智能信息處理系統(tǒng)。構(gòu)造具有腦智能的人工智能信息處理系統(tǒng)，可以解決傳統(tǒng)方法所不能或難以解決的問(wèn)題（大腦是人的智能、思維、意識(shí)等一切高級(jí)活動(dòng)的物質(zhì)基礎(chǔ)）。以聯(lián)接機(jī)制為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)具有大量的并行性、巨量的互連性、存儲(chǔ)的分布性、高度的非線性、高度的容錯(cuò)性、結(jié)構(gòu)的可變性、計(jì)算的非精確性等特點(diǎn)?；谏窠?jīng)計(jì)算的智能信息處理是模擬人類(lèi)形象思維、聯(lián)想記憶等高級(jí)精神活動(dòng)的人工智能信息處理系統(tǒng)。能聯(lián)想記憶和從部分信息中獲得全部信息。分布式存儲(chǔ)和自組織性，而使系統(tǒng)連接線即使被破壞了50％，它仍能處在優(yōu)化工作狀態(tài)，這在軍事電子系統(tǒng)設(shè)備中有著特別重要的意義。當(dāng)前第13頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)1.2智能信息處理的主要技術(shù)神經(jīng)計(jì)算技術(shù)神經(jīng)網(wǎng)絡(luò)(ArtificalNeuralNetwork,ANN)主元分析(PrincipalComponentAnalysis,PCA)支持向量機(jī)(SupportVectorMachine,SVM)模糊計(jì)算技術(shù)模糊理論(FuzzySets,FuzzyTheory)粗糙集理論(RoughSetTheory)進(jìn)化計(jì)算技術(shù)遺傳算法(GeneticAlgorithm)進(jìn)化策略(EvolutionStrategy)進(jìn)化規(guī)劃(EvolutionaryProgramming)蟻群優(yōu)化(AntColonyOptimization,ACO)微粒群算法(ParticleSarmOptimization，PSO)當(dāng)前第14頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—腦神經(jīng)系統(tǒng)腦神經(jīng)系統(tǒng)是以離子電流機(jī)構(gòu)為基礎(chǔ)的由神經(jīng)細(xì)胞組成的非線性的(Nonlinear)、適應(yīng)的(Adaptive)、并行的(Parallel)和模擬的(Analog)網(wǎng)絡(luò)(Network)，簡(jiǎn)稱(chēng)NAPAN。在腦神經(jīng)系統(tǒng)中，信息的收集、處理和傳送都在細(xì)胞上進(jìn)行。各個(gè)細(xì)胞基本上只有興奮與抑制兩種狀態(tài)。神經(jīng)細(xì)胞的響應(yīng)速度是毫秒級(jí)，比半導(dǎo)體器件要慢得多。當(dāng)前第15頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是對(duì)真實(shí)腦神經(jīng)系統(tǒng)構(gòu)造和功能予以極端簡(jiǎn)化的模型。神經(jīng)網(wǎng)絡(luò)的主要特征是大規(guī)模的并行處理、分布式的信息存儲(chǔ)、良好的自適應(yīng)性、自組織性以及很強(qiáng)的學(xué)習(xí)功能、聯(lián)想功能和容錯(cuò)功能。與馮·諾依曼計(jì)算機(jī)相比，神經(jīng)網(wǎng)絡(luò)的信息處理模式更加接近人腦。主要表現(xiàn)在以下幾個(gè)方面：當(dāng)前第16頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—神經(jīng)網(wǎng)絡(luò)能夠處理連續(xù)的模擬信號(hào)(例如連續(xù)變換的圖像信號(hào))。能夠處理不精確的、不完全的模糊信息。馮·諾依曼計(jì)算機(jī)給出的是精確解，神經(jīng)網(wǎng)絡(luò)給出的是次最優(yōu)的逼近解。神經(jīng)網(wǎng)絡(luò)并行分布工作，各組成部分同時(shí)參與運(yùn)算；單個(gè)神經(jīng)元的動(dòng)作速度不快，但網(wǎng)絡(luò)總體的處理速度極快。當(dāng)前第17頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)具有魯棒性，即信息分布于整個(gè)網(wǎng)絡(luò)各個(gè)權(quán)重變換之中，某些單元的障礙不會(huì)影響網(wǎng)絡(luò)的整體信息處理功能。神經(jīng)網(wǎng)絡(luò)具有較好的容錯(cuò)性，即在只有部分輸入條件，甚至包含了錯(cuò)誤輸入條件的情況下，網(wǎng)絡(luò)也能給出正確的解。神經(jīng)網(wǎng)絡(luò)在處理自然語(yǔ)言理解、圖像識(shí)別、智能機(jī)器人控制等疑難問(wèn)題方面具有獨(dú)到的優(yōu)勢(shì)。當(dāng)前第18頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)以聯(lián)接主義為基礎(chǔ)，是人工智能研究領(lǐng)域的一個(gè)分支。它從微觀出發(fā)，認(rèn)為符號(hào)是不存在的，認(rèn)知的基本元素就是神經(jīng)細(xì)胞。認(rèn)知過(guò)程是大量神經(jīng)細(xì)胞的連接引起神經(jīng)細(xì)胞不同興奮狀態(tài)和系統(tǒng)表現(xiàn)出的總體行為。當(dāng)前第19頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—神經(jīng)網(wǎng)絡(luò)傳統(tǒng)的符號(hào)主義與其不同。符號(hào)主義認(rèn)為，認(rèn)知的基本元素是符號(hào)，認(rèn)知過(guò)程是對(duì)符號(hào)表示的運(yùn)算。人類(lèi)的語(yǔ)言、文字、思維均可用符號(hào)來(lái)描述，而且思維過(guò)程只不過(guò)是這些符號(hào)的存儲(chǔ)、變換和輸入、輸出而已。以這種方法實(shí)現(xiàn)的系統(tǒng)具有串行、線性、準(zhǔn)確、易于表達(dá)的特點(diǎn)，體現(xiàn)了邏輯思維的基本特性。20世紀(jì)70年代的專(zhuān)家系統(tǒng)和80年代日本的第五代計(jì)算機(jī)研制計(jì)劃就體現(xiàn)了典型的符號(hào)主義思想。當(dāng)前第20頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—神經(jīng)網(wǎng)絡(luò)基于符號(hào)主義的傳統(tǒng)人工智能和基于聯(lián)接主義的神經(jīng)網(wǎng)絡(luò)分別描述了人腦左、右半腦的功能(邏輯思維、形象思維)，反映了人類(lèi)智能的兩重性：一方面是精確處理，對(duì)應(yīng)認(rèn)知過(guò)程的理性方面。另一方面是非精確處理，對(duì)應(yīng)認(rèn)知過(guò)程的感性方面。兩者的關(guān)系是互補(bǔ)的，不能相互替代。理想的智能系統(tǒng)及其表現(xiàn)的智能行為應(yīng)是兩者相互結(jié)合的結(jié)果。當(dāng)前第21頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—主元分析主元分析（principalcomponentanalysis,PCA）就是這樣的一種降維技術(shù)。是神經(jīng)計(jì)算中近些年來(lái)發(fā)展的一種方法，通過(guò)把數(shù)據(jù)投影到能夠準(zhǔn)確表征過(guò)程狀態(tài)的低維空間，降維技術(shù)可以簡(jiǎn)化和改進(jìn)過(guò)程監(jiān)控過(guò)程。它以某種方式產(chǎn)生低維表示，這種方式保留了過(guò)程變量間的關(guān)系結(jié)構(gòu)，按獲取數(shù)據(jù)的變化度來(lái)說(shuō)是最優(yōu)的。當(dāng)前第22頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)計(jì)算技術(shù)—支持向量機(jī)支持向量機(jī)（supportvectormachine,SVM）是建立統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的一種新型的神經(jīng)網(wǎng)絡(luò)。統(tǒng)計(jì)學(xué)習(xí)理論是針對(duì)小樣本情況研究統(tǒng)計(jì)學(xué)習(xí)規(guī)律的理論，是傳統(tǒng)統(tǒng)計(jì)學(xué)的重要發(fā)展和補(bǔ)充，為研究有限樣本情況下機(jī)器學(xué)習(xí)的理論和方法提供了理論框架，其核心思想是通過(guò)控制學(xué)習(xí)機(jī)器的容量實(shí)現(xiàn)對(duì)推廣能力的控制。在這一理論中發(fā)展出的支持向量機(jī)方法是一種新的通用學(xué)習(xí)機(jī)器，較以往方法表現(xiàn)出很多理論和實(shí)踐上的優(yōu)勢(shì)。當(dāng)前第23頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)模糊計(jì)算技術(shù)—模糊集合和模糊理論1965年，美國(guó)加州大學(xué)伯克萊分校L．Zadeh教授發(fā)表了著名的論文“FuzzySets”(模糊集)，開(kāi)創(chuàng)了模糊理論。經(jīng)歷近三十年的曲折，這一領(lǐng)域已取得長(zhǎng)足的進(jìn)步，Zadeh也被國(guó)際上譽(yù)為“模糊之父”。最近十年來(lái)，模糊理論又在實(shí)際應(yīng)用中獲得重大突破，作為一種高新技術(shù)還在迅速發(fā)展，預(yù)計(jì)21世紀(jì)它將成為信息科學(xué)中的核心技術(shù)之一。當(dāng)前第24頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)模糊計(jì)算技術(shù)—模糊集合和模糊理論Zadeh教授當(dāng)初曾提出過(guò)一個(gè)著名的不相容原理：“隨著系統(tǒng)復(fù)雜性增加，人們對(duì)系統(tǒng)進(jìn)行精確而有效地描述的能力會(huì)降低，直至一個(gè)閾值，精確和有效成為互斥”。其實(shí)質(zhì)在于：真實(shí)世界中的問(wèn)題，概念往往沒(méi)有明確的界限，而傳統(tǒng)數(shù)學(xué)的分類(lèi)總試圖定義清晰的界限，這是一種矛盾，一定條件下會(huì)變成對(duì)立的東西。模糊理論的基本出發(fā)點(diǎn)：從而引出一個(gè)極其簡(jiǎn)單而又重要的思想：任何事情都離不開(kāi)隸屬程度這樣一個(gè)概念。當(dāng)前第25頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)模糊計(jì)算技術(shù)—模糊集合和模糊理論模糊理論源于美國(guó)，但長(zhǎng)期以來(lái)受學(xué)派之爭(zhēng)的束縛，實(shí)際應(yīng)用進(jìn)展緩慢。到20世紀(jì)80年代后期，在日本以家用電器廣泛使用模糊控制作為突破口，使模糊邏輯的實(shí)際應(yīng)用獲得迅速發(fā)展。20世紀(jì)90年代初，美國(guó)已醒悟到“美國(guó)人的理論卻讓日本人賺錢(qián)”的教訓(xùn)，工業(yè)界也已行動(dòng)起來(lái)。美國(guó)IEEE分別自1992年和1993年開(kāi)始，專(zhuān)門(mén)針對(duì)“模糊系統(tǒng)”主題定期舉行國(guó)際會(huì)議和出版學(xué)術(shù)期刊。中國(guó)從事模糊數(shù)學(xué)的研究比較早，并處于國(guó)際前列。但由于眾所周知的原因，應(yīng)用仍有一定差距。模糊技術(shù)有許多誘人的優(yōu)越性，應(yīng)用前景看好，但畢竟還是新興技術(shù)，尚不成熟，有許多問(wèn)題需要研究和解決。當(dāng)前第26頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)模糊計(jì)算技術(shù)—粗糙集理論粗糙集理論是一種新的處理模糊和不確定性知識(shí)的數(shù)學(xué)工具。其主要思想就是在保持分類(lèi)能力不變的前提下，通過(guò)知識(shí)約簡(jiǎn)，導(dǎo)出問(wèn)題的決策或分類(lèi)規(guī)則。當(dāng)今社會(huì)已經(jīng)進(jìn)入了網(wǎng)絡(luò)信息時(shí)代，計(jì)算機(jī)與網(wǎng)絡(luò)信息技術(shù)的飛速發(fā)展使得各個(gè)領(lǐng)域的數(shù)據(jù)和信息急劇增加（信息爆炸），并且由于人類(lèi)的參與使數(shù)據(jù)與信息系統(tǒng)中的不確定性更加顯著（復(fù)雜系統(tǒng)）。如何從大量的、雜亂無(wú)章的、強(qiáng)干擾的數(shù)據(jù)（海量數(shù)據(jù)）中挖掘潛在的、有利用價(jià)值的信息（有用知識(shí)）,這給人類(lèi)的智能信息處理能力提出了前所未有的挑戰(zhàn)。當(dāng)前第27頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)進(jìn)化計(jì)算技術(shù)進(jìn)化計(jì)算是智能計(jì)算的重要組成部分，受到眾多學(xué)科的高度重視。20世紀(jì)50年代中期創(chuàng)立了仿生學(xué)。許多科學(xué)家從生物中尋求新的用于人造系統(tǒng)的靈感。一些科學(xué)家分別獨(dú)立地從生物進(jìn)化的機(jī)理中發(fā)展出適合于現(xiàn)實(shí)世界復(fù)雜問(wèn)題優(yōu)化的模擬進(jìn)化算法，主要有：Holland，Bremermann等創(chuàng)立的遺傳算法，Rechenberg和Schwfel等創(chuàng)立的進(jìn)化策略,Fogel，Owens，Walsh等創(chuàng)立的進(jìn)化規(guī)則。Fraser，Baricelli等做了生物系統(tǒng)進(jìn)化的計(jì)算機(jī)仿真。很遺憾，他們沒(méi)有引入到人工系統(tǒng)。遺傳算法、進(jìn)化策略及進(jìn)化規(guī)則均來(lái)源于達(dá)爾文的進(jìn)化論，但側(cè)重進(jìn)化層次不同，而遺傳算法研究最為深入、持久，應(yīng)用面也最廣。當(dāng)前第28頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)進(jìn)化計(jì)算技術(shù)—遺傳算法從20世紀(jì)60年代開(kāi)始，密歇根大學(xué)教授Holland開(kāi)始研究自然和人工系統(tǒng)的自適應(yīng)行為。在這些研究中，他試圖發(fā)展一種用于創(chuàng)造通用程序和機(jī)器的理論。通用程序和機(jī)器具有適應(yīng)任意環(huán)境的能力。他意識(shí)到用群體方法搜索以及選擇、交換等等操作策略的重要性，并開(kāi)創(chuàng)與目前類(lèi)似的復(fù)制、交換、突變、顯性、倒位等基因操作，提出了重要的模式理論，建議采用二進(jìn)制編碼。當(dāng)前第29頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)進(jìn)化計(jì)算技術(shù)—蟻群算法蟻群優(yōu)化（antcolonyoptimization，ACO）是一種針對(duì)難解的離散優(yōu)化問(wèn)題的元啟發(fā)式算法，它利用一群人工螞蟻的協(xié)作來(lái)尋找好的解。協(xié)作是ACO算法設(shè)計(jì)中的關(guān)鍵要素：主要部分是把計(jì)算資源分配到一群相對(duì)簡(jiǎn)單的智能體（agent）上，這些agent之間通過(guò)媒介質(zhì)（stigmergy）進(jìn)行間接通信，也就是說(shuō)，agent之間進(jìn)行的是一種以環(huán)境的變化為媒介的間接通信形式。好的解就是通過(guò)agent之間的相互協(xié)作而得到的。當(dāng)前第30頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)進(jìn)化計(jì)算技術(shù)—微粒群算法微粒群算法是由美國(guó)社會(huì)心理學(xué)家JamesKennedy和電器工程師RussenEberhart在1995年共同提出的，是繼蟻群算法之后又一種新的群體智能算法，目前已成為進(jìn)化算法的一個(gè)重要分支。微粒群算法自提出以來(lái)，在國(guó)外得到了相關(guān)領(lǐng)域眾多學(xué)者的關(guān)注與研究。CEC國(guó)際年會(huì)上，微粒群算法被作為一個(gè)獨(dú)立的研究分支，與遺傳算法、進(jìn)化規(guī)劃等進(jìn)化算法相提并論。當(dāng)前第31頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)進(jìn)化計(jì)算技術(shù)—微粒群算法微粒群優(yōu)化(particleswarmoptimization,PSO)實(shí)際上是一種模仿鳥(niǎo)類(lèi)群體行為的進(jìn)化算法。這種算法體現(xiàn)著一種簡(jiǎn)單樸素的智能思想：鳥(niǎo)類(lèi)使用簡(jiǎn)單的規(guī)則來(lái)確定自己的飛行方向和速度，試圖停落在鳥(niǎo)群中而不致相互碰撞。這種思想產(chǎn)生了一個(gè)數(shù)學(xué)上的優(yōu)化算法：與其他進(jìn)化類(lèi)優(yōu)化算法相類(lèi)似，也采用“群體”和“進(jìn)化”的概念，同樣也是依據(jù)個(gè)體的適應(yīng)值大小進(jìn)行操作，所不同的是把每個(gè)個(gè)體視為在搜索空間中的一個(gè)沒(méi)有重量和體積的微粒，并在搜索空間中以一定的速度飛行。該飛行速度則由個(gè)體和群體的飛行經(jīng)驗(yàn)進(jìn)行動(dòng)態(tài)調(diào)整，從而獲得一個(gè)很好的尋優(yōu)方案。這種算法正顯示著巨大的潛在用途。當(dāng)前第32頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)1.3智能技術(shù)的綜合集成隨著模糊邏輯、神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算、混沌與分形、小波分析、人工生命以及人工智能等交叉學(xué)科的綜合集成不斷深入和發(fā)展，用智能計(jì)算技術(shù)來(lái)解決復(fù)雜智能行為已成為智能模擬、智能信息處理、智能控制、智能建筑、智能制造、智能多媒體通信、智能機(jī)器人、智能計(jì)算機(jī)、智能管理系統(tǒng)、智能決策系統(tǒng)等領(lǐng)域研究的新興熱門(mén)話題，并將在推動(dòng)高度智能系統(tǒng)化的發(fā)展方面，起到重大的關(guān)鍵性作用。當(dāng)今智能計(jì)算信息處理技術(shù)正處于蓬勃發(fā)展階段，如何將模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算、混沌與分形、小波變換等有機(jī)結(jié)合起來(lái)，發(fā)揮各自的特點(diǎn)，顯然是智能計(jì)算信息處理中的一個(gè)核心問(wèn)題。當(dāng)前第33頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)1.3智能技術(shù)的綜合集成模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合神經(jīng)網(wǎng)絡(luò)和遺傳算法結(jié)合模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)和遺傳算法綜合集成當(dāng)前第34頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)各有自己的優(yōu)點(diǎn)：前者以模糊邏輯為基礎(chǔ)，抓住了人類(lèi)思維中的模糊特點(diǎn)，以模仿人的模糊綜合判斷推理來(lái)處理常規(guī)方法難以解決的模糊信息處理難題，使計(jì)算機(jī)應(yīng)用擴(kuò)大到了人文、社會(huì)和心理學(xué)等領(lǐng)域。后者以生物神經(jīng)網(wǎng)絡(luò)為模擬基礎(chǔ)，試圖在模擬推理及自動(dòng)學(xué)習(xí)等方面向前發(fā)展一步，使人工智能更接近人腦的自組織和并行處理等功能，它在模式識(shí)別、聚類(lèi)分析和專(zhuān)家系統(tǒng)等方面已顯示了新的前景和新的思路。如果將它們進(jìn)行綜合，即將符號(hào)邏輯推理方法與聯(lián)接機(jī)制方法進(jìn)行有機(jī)結(jié)合，可有效地發(fā)揮各自的優(yōu)勢(shì)并彌補(bǔ)其不足。模糊技術(shù)的特長(zhǎng)在于邏輯推理能力，容易進(jìn)行高層的信息處理，將模糊技術(shù)引入神經(jīng)網(wǎng)絡(luò)可大大地拓寬神經(jīng)網(wǎng)絡(luò)處理信息的范圍和能力，使其：不僅能處理精確信息，也能處理模糊信息和其他不精確信息，不僅能實(shí)現(xiàn)精確性聯(lián)想映射，還可以實(shí)現(xiàn)不精確性聯(lián)想映射，特別是模糊聯(lián)想及模糊映射。當(dāng)前第35頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)有很多共同點(diǎn)首先，它們都是著眼于模擬處理人的思維。其次，它們?cè)谛问缴弦灿胁簧傧嗨浦?，比如，模糊集合理論中的隸屬函數(shù)與神經(jīng)網(wǎng)絡(luò)的輸出特性之間，模糊邏輯推理中的max-min運(yùn)算與神經(jīng)元對(duì)其輸入的加權(quán)與運(yùn)算之間，這也使得它們的有機(jī)結(jié)合得以方便實(shí)現(xiàn)。當(dāng)前第36頁(yè)\共有40頁(yè)\編于星期五\1點(diǎn)神經(jīng)網(wǎng)絡(luò)和遺傳算法結(jié)合神經(jīng)網(wǎng)絡(luò)(NN)和遺傳算法(GA)都是將生物學(xué)原理應(yīng)用于科學(xué)研究的仿生學(xué)理論成果。但來(lái)源并不相同：GA是從自然界生物進(jìn)化機(jī)制獲得啟示的，而NN則是人腦若干基本特性的抽象和模擬。因此，它們?cè)谛畔⑻幚頃r(shí)間上存在較大的差異：神經(jīng)系統(tǒng)的變化只需