智能計算概述

智能計算概述AshikagaInst.ofTech.HuazhongNormalUniversity第1頁，課件共100頁，創(chuàng)作于2023年2月智·能所以知之在人者，謂之知。知有所合，謂之智。所以能之在人者，謂之能。能有所合，謂之能。

——荀況《荀子·正名》IntelligentSys.Lab2AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第2頁，課件共100頁，創(chuàng)作于2023年2月課程目的系統(tǒng)地講授智能計算的有關(guān)基礎(chǔ)理論、技術(shù)及其主要應(yīng)用。通過本課程的學習，要求學生系統(tǒng)地掌握智能計算的基本內(nèi)容與方法，了解智能計算的主要應(yīng)用領(lǐng)域。將智能計算方法與學生未來研究方向相結(jié)合，培養(yǎng)學生獨立科研思維能力。介紹智能計算研究的前沿領(lǐng)域與最新進展，培養(yǎng)學生科研興趣。IntelligentSys.Lab3AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第3頁，課件共100頁，創(chuàng)作于2023年2月開課基礎(chǔ)學習本課程之前，要求已經(jīng)選修過《高等數(shù)學》、《計算機基礎(chǔ)與算法》《人工智能基礎(chǔ)》等課程。IntelligentSys.Lab4AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第4頁，課件共100頁，創(chuàng)作于2023年2月課程性質(zhì)與考核課程性質(zhì)：學位專業(yè)課（公共必修）教學方式：課堂講授為主，專題討論為輔（學生）考試方式：

1）筆試

2）課程實驗

3）課程研究論文IntelligentSys.Lab5AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第5頁，課件共100頁，創(chuàng)作于2023年2月要求：

博學之，審問之、慎思之、明辨之，篤行之?！端臅?禮記》IntelligentSys.Lab6AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第6頁，課件共100頁，創(chuàng)作于2023年2月本課程的主要內(nèi)容第一部分：智能計算概述第二部分：演化計算第三部分：神經(jīng)計算第四部分：群智能計算第五部分：模糊計算第六部分：其它智能計算（選）IntelligentSys.Lab7AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第7頁，課件共100頁，創(chuàng)作于2023年2月主要參考書籍1）《智能學簡史》馮天瑾科學出版社2）《計算智能——理論、技術(shù)與應(yīng)用》丁永生編著，科學出版社3）《計算智能中的仿生學：理論與算法》徐宗本，張講社，編著，科學出版社4）《計算智能的數(shù)學基礎(chǔ)》褚蕾蕾、陳綏陽編著，科學出版社5）《智能信息處理》熊和金國防工業(yè)出版社6）《軟計算方法》張穎劉艷秋科學出版社7）《演化計算》潘正君、康立山清華大學出版社8）《遺傳算法-理論、應(yīng)用與軟件實現(xiàn)》王小平西安交通大學出版社9）《遺傳算法原理及應(yīng)用》周明、孫樹棟國防工業(yè)出版社IntelligentSys.Lab8AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第8頁，課件共100頁，創(chuàng)作于2023年2月主要參考書籍10）《神經(jīng)計算科學》阮曉鋼國防工業(yè)出版社11）《人工神經(jīng)網(wǎng)絡(luò)教程》韓力群北京郵電大學出版社12）《模糊數(shù)學教程》蔣澤軍國防工業(yè)出版社13）《智能計算-關(guān)于粗集理論、模糊邏輯、神經(jīng)網(wǎng)絡(luò)的理論及其應(yīng)用》曾黃麟重慶大學出版社14）《群智能算法及其應(yīng)用》15）《微粒群算法》

曾建潮、介婧科學出版社16）《蟻群優(yōu)化》[意]MarcoDorigo著張軍胡曉敏等譯17）《如何求解問題——現(xiàn)代啟發(fā)式方法》ZbigniewMichalewicz[著]曹宏慶李艷等譯中國水利水電出版社IntelligentSys.Lab9AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第9頁，課件共100頁，創(chuàng)作于2023年2月智能學智能學：

即研究生物智能、人類智能以及人造智能的科學。

21世紀的科學技術(shù)，已經(jīng)向我們展示了一個豐富多彩的智能世界：人類智能、生物智能、智能機器人、生物信息系統(tǒng)；人工智能、計算智能、機器學習、智能儀器、智能機器人、機器翻譯、人機對弈、人工生命、人工免疫系統(tǒng)、人造昆蟲、機器人足球賽…。IntelligentSys.Lab10AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第10頁，課件共100頁，創(chuàng)作于2023年2月

智能計算是信息科學、生命科學、認知科學等不同學科相互交叉的產(chǎn)物。它主要借鑒仿生學和擬物的思想，基于人們對生物體智能機理和某些自然規(guī)律的認識，采用數(shù)值計算的方法去模擬和實現(xiàn)人類的智能、生物智能、其它社會和自然規(guī)律。智能計算的主要研究領(lǐng)域包括：神經(jīng)計算、演化計算、群智能計算、模糊計算、免疫計算、DNA計算和人工生命等。本課程主要學習內(nèi)容包括神經(jīng)計算、演化計算、群智能計算和模糊計算等。智能計算IntelligentSys.Lab11AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第11頁，課件共100頁，創(chuàng)作于2023年2月計算

一切思維不過就是計算。

——霍布斯

作為一般的智能行為，物質(zhì)符號系統(tǒng)具有的計算手段，既是必要的也是充分的。人類認知和智能活動，經(jīng)編碼成符號系列，都可以通過計算機進行模擬。

——西蒙IntelligentSys.Lab12AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第12頁，課件共100頁，創(chuàng)作于2023年2月夢想機器具有智能—計算機科學家的夢想

什么是智能？能感知、能學習、能思維、能記憶、能決策、能行動……，智能的核心是思維。

IntelligentSys.Lab13AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第13頁，課件共100頁，創(chuàng)作于2023年2月圖靈測試怎樣判斷機器具有智能—圖靈測試

1950年AlanTuring的文章“ComputingMachineryandIntelligence.”（Mind,Vol.59,No.236）提出圖靈測試，檢驗一臺機器或電腦是否具有如人一樣的思維能力和智能電腦和人分別封閉在不同的房間，測試者不知道哪個房間是人，哪個房間是電腦，他向雙方提出測試問題，電腦和人給出各自的答案，如果一系列的測試問題之后，測試者分不出哪些是電腦的答案，哪些是人的答案，則電腦通過測試，確實具有與人一樣的智能。我是人哦！我是誰？如實回答

？IntelligentSys.Lab14AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第14頁，課件共100頁，創(chuàng)作于2023年2月測試悖論公平性問題圖靈測試的出發(fā)點顯然是刁難電腦，要求電腦模仿人回答問題，公平嗎？反過來要求人模仿電腦回答問題，公平嗎？標準性問題在怎樣的智能水平下對電腦進行測試？天才、普通人還是嬰幼兒，或者說怎樣認定電腦的智力水平？全面性問題怎樣全面地測試電腦的智能，喜、怒、哀、樂和表情等有關(guān)情感的測試如何進行？測試邊界怎樣確定？欺騙性問題電腦如果有意欺騙測試者，測試者能判斷出來嗎？在一定的范圍內(nèi)進行測試還是可行的

IntelligentSys.Lab15AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第15頁，課件共100頁，創(chuàng)作于2023年2月困惑哲學問題

（1）規(guī)則與規(guī)律：規(guī)則是制定的，規(guī)律是客觀存在的，從規(guī)則能自動發(fā)現(xiàn)規(guī)律嗎？（2）生命與非生命：智能是高等生命體獨有的能力，非生命體內(nèi)能產(chǎn)生智能嗎？（3）物質(zhì)與意識：唯物主義和唯心主義都承認二元論，只是在何者起決定作用上爭論不休，智能能在機器內(nèi)產(chǎn)生將導致一元論—物質(zhì)生成一切？（4）智能的本質(zhì)：理性與感性、思考與行動、社會性與個體性倫理問題（1）電腦與人腦：能否互換？（2）機器人與人：機器能否融入人類社會？（3）情感與役使：機器是人制造并使用的工具，一旦機器人具有了智能和情感，人類還能當奴隸一樣地役使嗎？（4）機器人叛亂：機器人群體有可能叛亂而反過來役使人類嗎？IntelligentSys.Lab16AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第16頁，課件共100頁，創(chuàng)作于2023年2月現(xiàn)實的夢比爾·蓋茨預測：智能計算發(fā)展前景乃是機器最終“能看會想，能聽會講”。無論是人工智能，還是智能人工，只要能夠殊途同歸，造福于人類，那么所有的努力便都是有價值的。未來，智能機器作為真正意義上的工作助手和生活良伴，將使我們的生活完全改觀。“聰明機器”的出現(xiàn)，也決不會成為人類的災(zāi)難，在智慧與創(chuàng)造力方面，永遠是人類最有發(fā)言權(quán)。IntelligentSys.Lab17AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第17頁，課件共100頁，創(chuàng)作于2023年2月人工智能（artificialintelligence，簡稱AI）人工智能：用人工的方法和技術(shù)，模仿、延伸和擴展人的智能,實現(xiàn)機器智能。人工智能的五個基本問題

(1)知識與概念化是否是人工智能的核心？

(2)認知能力能否與載體分開來研究？

(3)認知的軌跡是否可用類自然語言來描述？

(4)學習能力能否與認知分開來研究？

(5)所有的認知是否有一種統(tǒng)一的結(jié)構(gòu)？學科交叉

與生命科學、認知科學、物理學等眾多學科高度交叉，共同研究智能行為的基本理論和實現(xiàn)技術(shù)。三大學派符號主義（Symbolism）、連接主義(Connectionism)、行為主義（Behaviorism）——從不同側(cè)面模擬人的智能和智能行為。IntelligentSys.Lab18AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第18頁，課件共100頁，創(chuàng)作于2023年2月符號主義代表人物

1956年，美國Dartmouth會議，幾個年輕的美國學者McCarthy、Simon、Minsky、Newell等首次提出人工智能的術(shù)語基本思想（1）認知的本質(zhì)就是計算，可稱為認知可計算主義—與圖靈機理論一脈相承（2）思維的基本單元是符號，智能的核心是利用知識以及知識推理進行問題求解（3）智能活動的基礎(chǔ)是物理符號運算，人腦和電腦都是物理符號系統(tǒng)（4）人的智能可以通過建了基于符號邏輯的智能理論體系模擬（5）理論基礎(chǔ)是符號數(shù)學、謂詞演算和歸結(jié)原理IntelligentSys.Lab19AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第19頁，課件共100頁，創(chuàng)作于2023年2月符號主義-續(xù)智能表示

（1）1959年McCarthy開發(fā)了著名的LISP語言（LIStProcessingLanguage，表處理語言），基于函數(shù)的語言，通過符號（不是數(shù)值）運算進行推理，也是邏輯程序設(shè)計語言（LogicProgramming）（2）1972年P(guān)ROLOG語言（PROgrammingLOGic）問世，被稱為演繹推理機，接口豐富，非常適合于專家系統(tǒng)開發(fā)，曾有人試圖發(fā)明PROLOG機器，以模擬人的智能，但未獲成功知識工程與專家系統(tǒng)—典型代表（1）產(chǎn)生式規(guī)則表示知識（2）產(chǎn)生式規(guī)則系統(tǒng)將領(lǐng)域?qū)＜业闹R進行整理、存儲構(gòu)建知識庫（3）專家系統(tǒng)運用知識庫進行推理、問題求解等智能活動推理方法知識表示與推理、歸納推理、基于事例的推理等IntelligentSys.Lab20AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第20頁，課件共100頁，創(chuàng)作于2023年2月連接主義代表人物（1）1943年生理學家McCulloch和Pitts提出神經(jīng)元的數(shù)學模型，神經(jīng)元模型結(jié)合成多層結(jié)構(gòu)成為神經(jīng)網(wǎng)絡(luò)（2）1959年，Rosenblatt提出感知機模型（Perceptron)，具有輸入層、中間聯(lián)系層和效驗輸出層的三層結(jié)構(gòu)

（3）1982年，Hopfield提出全互連的神經(jīng)網(wǎng)絡(luò)模型，成功求解TSP問題，掀起神經(jīng)網(wǎng)絡(luò)研究高潮，對符號主義也產(chǎn)生了巨大沖擊（4）1987年，戴維.努梅爾哈特和杰弗里.欣頓提出誤差反向傳播（Back-Propgation）神經(jīng)網(wǎng)絡(luò)學習算法基本思想（1）人類認知活動主要基于大腦神經(jīng)元的活動，人類思維的基本單元是神經(jīng)元而不是符號，智能是互連神經(jīng)元競爭與協(xié)作的結(jié)果（2）模擬人的智能要依靠仿生學，特別是模擬人腦，建立腦模型（3）電腦模擬人腦應(yīng)著重于結(jié)構(gòu)模擬，即人的生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，功能、結(jié)構(gòu)和行為密切相關(guān)，不同的結(jié)構(gòu)表現(xiàn)出不同的功能行為（4）分布式信息存儲和大規(guī)模并行處理，自適應(yīng)和自組織特性，學習和容錯能力（5）理論基礎(chǔ)是神經(jīng)生理學與腦科學IntelligentSys.Lab21AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第21頁，課件共100頁，創(chuàng)作于2023年2月神經(jīng)元與神經(jīng)網(wǎng)絡(luò)

IntelligentSys.Lab22AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第22頁，課件共100頁，創(chuàng)作于2023年2月連接主義-續(xù)智能表示（1）神經(jīng)元狀態(tài)值、連接權(quán)值、閾值和激勵函數(shù)決定輸出值--隱式表示方法

（2）通過學習算法修正神經(jīng)元之間的連接權(quán)值，達到更精確的知識表示，學習算法包括有導師和無導師學習算法兩類模式識別—典型代表（1）建立樣本庫（2）特征提取與特征庫（3）學習算法進行神經(jīng)網(wǎng)絡(luò)訓練，模式的聚類、分類和識別學習算法提高學習和訓練速度，保證全局收斂，網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計和自適應(yīng)調(diào)整IntelligentSys.Lab23AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第23頁，課件共100頁，創(chuàng)作于2023年2月行為主義代表人物

1988年，Brooks等人提出無需知識、知識表示和推理的智能系統(tǒng)，智能來自于系統(tǒng)的“感知-動作”模式，基于這樣的思路，他發(fā)明了六足行走機器，一個模擬昆蟲行為的控制器?；舅枷耄?）智能是一個系統(tǒng)行為，智能行為可以通過與周圍環(huán)境的的交互作用表現(xiàn)出來（2）智能的基礎(chǔ)是“感知-動作”模式，類似于心理學的“刺激-反應(yīng)”，它也決定系統(tǒng)的結(jié)構(gòu)和參量（3）系統(tǒng)的智能行為決定于系統(tǒng)的結(jié)構(gòu)和參量（4）自組織、自學習、自適應(yīng)是智能系統(tǒng)得基本特征（5）理論基礎(chǔ)是控制論、系統(tǒng)科學和心理學IntelligentSys.Lab24AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第24頁，課件共100頁，創(chuàng)作于2023年2月行為主義-續(xù)智能表示（1）系統(tǒng)模型、模型結(jié)構(gòu)和參量--隱式表示方法（2）學習就是一次又一次地從外界接受條件和結(jié)果，即“感知-動作”，積累知識的過程（3）自學習是指：當一個新的輸入條件決定后，能根據(jù)經(jīng)驗的積累，給出相應(yīng)結(jié)果的過程，或者當一個新的條件和結(jié)果給出后，能夠調(diào)整結(jié)構(gòu)和參量的過程。智能控制與智能機器人—典型代表（1）建立系統(tǒng)模型（2）行為（感知-動作）模擬，積累知識，形成基本控制策略（3）學習與自學習進行自適應(yīng)調(diào)整與優(yōu)化，形成新的控制策略學習算法自適應(yīng)、自學習、自組織、自尋優(yōu)等智能化方法IntelligentSys.Lab25AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第25頁，課件共100頁，創(chuàng)作于2023年2月面臨困境源于復雜性

知識的復雜性，知識表示的組合爆炸不完整知識的表達問題推理的時空爆炸性

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復雜學習、訓練低效難以全局收斂

能力限制復雜行為模擬不能用精確的數(shù)學模型描述的問題

IntelligentSys.Lab26AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第26頁，課件共100頁，創(chuàng)作于2023年2月信息時代的呼喚工業(yè)時代能量資源-創(chuàng)造動力的工具-獲得能量物理學、化學創(chuàng)造動力工具的理論基礎(chǔ)信息時代信息資源-創(chuàng)造智能的工具-獲得智能智能計算理論創(chuàng)造智能工具的理論基礎(chǔ)IntelligentSys.Lab27AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第27頁，課件共100頁，創(chuàng)作于2023年2月什么是智能計算智能計算（ComputationalIntelligence，CI）目前還沒有一個統(tǒng)一的的定義，使用較多的是美國科學家貝慈德克（J.C.Bezdek）從智能計算系統(tǒng)角度所給出的定義:如果一個系統(tǒng)僅處理低層的數(shù)值數(shù)據(jù)，含有模式識別部件，沒有使用人工智能意義上的知識，且具有計算適應(yīng)性、計算容錯力、接近人的計算速度和近似于人的誤差率這4個特性，則它是智能計算的。從學科范疇看，智能計算是在神經(jīng)網(wǎng)絡(luò)（NeuralNetworks,NN）、演化計算（EvolutionaryComputation,EC）及模糊系統(tǒng)（FuzzySystem,FS）這3個領(lǐng)域發(fā)展相對成熟的基礎(chǔ)上形成的一個統(tǒng)一的學科概念。

IntelligentSys.Lab28AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第28頁，課件共100頁，創(chuàng)作于2023年2月智能計算與人工智能的關(guān)系目前，對智能計算與人工智能的關(guān)系有2種不同觀點，一種點認為智能計算是人工智能的一個子集，另一種觀點認為智能計算和人工智能是不同的范疇。第一種觀點的代表人物是貝慈德克。他把智能（Intelligence，I）和神經(jīng)網(wǎng)絡(luò)（NeuralNetwork，NN）都分為計算的（Computational，C）、人工的（Artificial，A）和生物的（Biological,B）3個層次，并以模式識別（PR）為例，給出了下圖所示的智能的層次結(jié)構(gòu)。在該圖中，底層是計算智能（CI），它通過數(shù)值計算來實現(xiàn)，其基礎(chǔ)是CNN；中間層是人工智能（AI），它通過人造的符號系統(tǒng)實現(xiàn)，其基礎(chǔ)是ANN；頂層是生物智能（BI），它通過生物神經(jīng)系統(tǒng)來實現(xiàn)，其基礎(chǔ)是BNN。按照貝慈德克的觀點，CNN是指按生物激勵模型構(gòu)造的NN，ANN是指CNN+知識，BNN是指人腦，即ANN包含了CNN，BNN又包含了ANN。對智能也一樣，貝慈德克認為AI包含了CI，BI又包含了AI，即智能計算是人工智能的一個子集。IntelligentSys.Lab29AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第29頁，課件共100頁，創(chuàng)作于2023年2月CNNCPRCIANNAPRAIBNNBPRBI人類知識(+)傳感輸入知識(+)傳感數(shù)據(jù)計算(+)傳感器B~生物的A~符號的C~數(shù)值的復雜性復雜性輸入層次

貝慈德克的智能的3個層次IntelligentSys.Lab30AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第30頁，課件共100頁，創(chuàng)作于2023年2月第二種觀點是大多數(shù)學者所持有的觀點，其代表人物是艾伯哈特（R.C.Eberhart）。他們認為：雖然人工智能與智能計算之間有重合，但智能計算是一個全新的學科領(lǐng)域，無論是生物智能還是機器智能，智能計算都是其最核心的部分，而人工智能則是外層。事實上，CI和傳統(tǒng)的AI只是智能的兩個不同層次，各自都有自身的優(yōu)勢和局限性，相互之間只應(yīng)該互補，而不能取代。大量實踐證明，只有把AI和CI很好地結(jié)合起來，才能更好地模擬人類智能，才是智能科學技術(shù)發(fā)展的正確方向。智能計算與人工智能的關(guān)系IntelligentSys.Lab31AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第31頁，課件共100頁，創(chuàng)作于2023年2月智能計算的產(chǎn)生與發(fā)展1992年，貝慈德克在《ApproximateReasoning》學報上首次提出了“智能計算”的概念。1994年6月底到7月初，IEEE在美國佛羅里達州的奧蘭多市召開了首屆國際智能計算大會(簡稱WCCI’94)。會議第一次將神經(jīng)網(wǎng)絡(luò)、演化計算和模糊系統(tǒng)這三個領(lǐng)域合并在一起，形成了“智能計算”這個統(tǒng)一的學科范疇。在此之后，WCCI大會就成了IEEE的一個系列性學術(shù)會議，每4年舉辦一次。1998年5月，在美國阿拉斯加州的安克雷奇市又召開了第2屆智能計算國際會議WCCI’98。2002年5月，在美國州夏威夷州首府火奴魯魯市又召開了第3屆智能計算國際會議WCCI’02。此外，IEEE還出版了一些與智能計算有關(guān)的刊物。目前，智能計算的發(fā)展得到了國內(nèi)外眾多的學術(shù)組織和研究機構(gòu)的高度重視，并已成為智能科學技術(shù)一個重要的研究領(lǐng)域。IntelligentSys.Lab32AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第32頁，課件共100頁，創(chuàng)作于2023年2月智能計算-回歸自然自下而上的研究思路傳統(tǒng)人工智能研究思路是自上而下，現(xiàn)代智能計算方法強調(diào)通過計算實現(xiàn)生物內(nèi)在的智能行為，也稱為智能計算從簡單到復雜的演化進程智能的獲得不是一蹴而就，是漸進式的積累過程，簡單中孕育復雜，平凡中蘊含智慧在傳統(tǒng)學科中尋找算法

如生命科學（遺傳算法）、物理學（模擬退火算法）和化學（DNA計算）等從自然與社會系統(tǒng)中獲得靈感

如螞蟻算法、禁忌搜索和粒子群優(yōu)化方法，模糊計算及模糊系統(tǒng)、粗造集及其系統(tǒng)IntelligentSys.Lab33AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第33頁，課件共100頁，創(chuàng)作于2023年2月相互關(guān)系智能計算與人工智能的界限并非十分明顯，1992年Bezdek給出了一個有趣的關(guān)系圖，其中

NN—神經(jīng)網(wǎng)絡(luò)，PR—模式識別，I—智能A－Artificial，表示人工的（非生物的），即人造的B－Biological，表示物理的＋化學的＋（？？）＝生物的C－Computational，表示數(shù)學＋計算機ABC的關(guān)系圖智能計算是一種智力方式的低層認知，傳統(tǒng)人工智能是中層認知，中層系統(tǒng)含有知識，當一個智能計算系統(tǒng)以非數(shù)值方式加上知識值，則為人工智能系統(tǒng)

IntelligentSys.Lab34AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第34頁，課件共100頁，創(chuàng)作于2023年2月自然計算自然計算的含義

學習、運用自然規(guī)律，模擬自然系統(tǒng)乃至社會系統(tǒng)的演變過程的智能計算方法，借鑒自然科學學科的原理和理論進行問題的求解方法自然計算方法

演化計算、蟻群算法、粒子群優(yōu)化方法、人工免疫系統(tǒng)、模糊計算IntelligentSys.Lab35AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第35頁，課件共100頁，創(chuàng)作于2023年2月演化計算演化計算的概念：（EvolutionaryComputation,EC）是在達爾文（Darwin）的進化論和孟德爾（Mendel）的遺傳變異理論的基礎(chǔ)上產(chǎn)生的一種在基因和種群層次上模擬自然界生物進化過程與機制，進行問題求解的自組織、自適應(yīng)的隨機搜索技術(shù)。它以達爾文進化論的“物竟天擇、適者生存”作為算法的進化規(guī)則，并結(jié)合孟德爾的遺傳變異理論，將生物進化過程中的繁殖、變異、競爭和選擇引入到了算法中，是一種對人類智能的演化模擬方法。演化計算的主要分支：遺傳算法、演化策略、演化規(guī)劃和遺傳規(guī)劃四大分支。其中，遺傳算法是演化計算中最初形成的一種具有普遍影響的模擬演化優(yōu)化算法。遺傳算法的基本思想：(美國密執(zhí)安大學霍蘭德教授1962提出)是使用模擬生物和人類進化的方法來求解復雜問題。它從初始種群出發(fā)，采用優(yōu)勝略汰、適者生存的自然法則選擇個體，并通過雜交、變異產(chǎn)生新一代種群，如此逐代進化，直到滿足目標為止。IntelligentSys.Lab36AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第36頁，課件共100頁，創(chuàng)作于2023年2月演化計算（進化計算）

人傾向于線性地思考問題，而進化（Evolution）則常常以人們意象不到的方式解決問題。

——弗格《什么是進化計算》IntelligentSys.Lab37AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第37頁，課件共100頁，創(chuàng)作于2023年2月

演化計算是一種模擬自然界生物進化過程與機制進行問題求解的自組織、自適應(yīng)的隨機搜索技術(shù)。它以達爾文進化論的“物竟天擇、適者生存”作為算法的進化規(guī)則，并結(jié)合孟德爾的遺傳變異理論，將生物進化過程中的繁殖（Reproduction）變異（Mutation）競爭（Competition）選擇（Selection）引入到了算法中。演化計算概述

(1)什么是演化計算IntelligentSys.Lab38AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第38頁，課件共100頁，創(chuàng)作于2023年2月

(2)演化計算的生物學基礎(chǔ)

自然界的生物進化過程是演化計算的生物學基礎(chǔ)，它主要包括遺傳（Heredity）、變異（Mutation）和演化（Evolution）理論。

①遺傳理論所謂遺傳是指父代（或親代）利用遺傳基因?qū)⒆陨淼幕蛐畔鬟f給下一代（或子代），使子代能夠繼承其父代的特征或性狀的這種生命現(xiàn)象。正是由于遺傳的作用，人們才能“種瓜得瓜，種豆得豆”，自然界才能有穩(wěn)定的物種。在自然界，構(gòu)成生物基本結(jié)構(gòu)與功能的單位是細胞（Cell）。細胞中含有一種包含著所有遺傳信息的復雜而又微小的絲狀化合物，人們稱其為染色體（Chromosome）。在染色體中，遺傳信息由基因（Gene）所組成，基因決定著生物的性狀，是遺傳的基本單位。染色體的形狀是一種雙螺旋結(jié)構(gòu)，構(gòu)成染色體的主要物質(zhì)叫做脫氧核糖核酸（DeoxyribonucleicAcid，DNA），每個基因都在DNA長鏈中占有一定的位置。一個細胞中的所有染色體所攜帶的遺傳信息的全體稱為一個基因組（Genome）。細胞在分裂過程中，其遺傳物質(zhì)DNA通過復制轉(zhuǎn)移到新生細胞中，從而實現(xiàn)了生物的遺傳功能。IntelligentSys.Lab39AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第39頁，課件共100頁，創(chuàng)作于2023年2月②變異理論

變異是指子代和父代之間，以及子代的各個不同個體之間產(chǎn)生差異的現(xiàn)象。變異是生物進化過程中發(fā)生的一種隨機現(xiàn)象，它是一種不可逆過程。變異在生物多樣性方面具有不可替代的作用，其選擇和積累是生物多樣性的根源。引起變異的主要原因有兩種，一種是雜交，另一種是復制差錯。所謂雜交是指有性生殖生物在繁殖下一代時兩個同源染色體之間的交配重組，即兩個染色體在某一相同處的DNA被切斷后再進行交配重組，形成兩個新的染色體。所謂復制差錯是指在細胞復制過程中因DNA上某些基因結(jié)構(gòu)的隨機改變而產(chǎn)生出新的染色體。

③進化論進化是指在生物延續(xù)生存過程中，逐漸適應(yīng)其生存環(huán)境，使得其品質(zhì)不斷得到改良的這種生命現(xiàn)象。遺傳和變異是生物進化的兩種基本現(xiàn)象，優(yōu)勝劣汰、適者生存是生物進化的基本規(guī)律。達爾文的自然選擇（NaturalSelection）學說認為：在生物進化中，一種基因有可能發(fā)生變異而產(chǎn)生出另一種新的生物基因。這種新基因?qū)⒁罁?jù)其與生存環(huán)境的適應(yīng)性而決定其增殖能力。一般情況下，適應(yīng)性強的基因會不斷增多，而適應(yīng)性差的基因則會逐漸減少。通過這種自然選擇，物種將逐漸向適應(yīng)于生存環(huán)境的方向進化，甚至會演變成為另一個新的物種，而那些不適應(yīng)于環(huán)境的物種將會逐漸被淘汰。IntelligentSys.Lab40AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第40頁，課件共100頁，創(chuàng)作于2023年2月2.演化計算的產(chǎn)生與發(fā)展

演化計算自20世紀50年代以來，其發(fā)展過程大致可三個階段。

①萌芽階段

這一階段是從20世紀50年代后期到70年代中期。20世紀50年代后期，一些生物學家在研究如何用計算機模擬生物遺傳系統(tǒng)中，產(chǎn)生了遺傳算法的基本思想，并于1962年由美國密執(zhí)安（Michigan）大學霍蘭德（Holland）教授提出。1965年德國數(shù)學家雷切伯格（Rechenberg）等人提出了一種只有單個個體參與演化，并且僅有變異這一種演化操作的演化策略。同年，美國學者弗格爾（Fogel）提出了一種具有多個個體和僅有變異一種演化操作的演化規(guī)劃。1969年美國密執(zhí)安（Michigan）大學的霍蘭德（Holland）教授提出了系統(tǒng)本身和外部環(huán)境相互協(xié)調(diào)的遺傳算法。至此，演化計算的三大分支基本形成。

②成長階段

這一階段是從20世紀70年代中期到80年代后期。1975年，霍蘭德教授出版專著《自然和人工系統(tǒng)的適應(yīng)性（AdaptationinNaturalandArtificialSystem）》，全面介紹了遺傳算法。同年，德國學者施韋費爾（Schwefel）在其博士論文中提出了一種由多個個體組成的群體參與演化的，并且包括了變異和重組（Recombination）這兩種演化操作的更加完善的演化策略。1989年，霍蘭德教授的學生戈爾德伯格（Goldberg）博士出版專著《遺傳算法----搜索、優(yōu)化及機器學習（GeneticAlgorithm----inSearchOptimizationandMachineLearning）》，使遺傳算法得到了普及與推廣。IntelligentSys.Lab41AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第41頁，課件共100頁，創(chuàng)作于2023年2月

這一階段是從20世紀90年代至今。1989年，美國斯坦福（Stanford）大學的科扎（Koza）提出了遺傳規(guī)劃的新概念，并于1992年出版了專著《遺傳規(guī)劃----應(yīng)用自然選擇法則的計算機程序設(shè)計（GeneticProgramming:ontheProgrammingofComputerbyMeansofNaturalSelection）》該書全面介紹了遺傳規(guī)劃的基本原理及應(yīng)用實例，標志著遺傳規(guī)劃作為智能計算的一個分支已基本形成。

進入20世紀90年代以來，演化計算得到了眾多研究機構(gòu)和學者的高度重視，新的研究成果不斷出現(xiàn)、應(yīng)用領(lǐng)域不斷擴大。目前，演化計算已成為人工智能領(lǐng)域的又一個新的研究熱點。

③發(fā)展階段IntelligentSys.Lab42AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第42頁，課件共100頁，創(chuàng)作于2023年2月

3.演化計算的基本結(jié)構(gòu)

演化計算盡管有多個重要分支，并且不同分支的編碼方案、選擇策略和演化操作也有可能不同，但它們卻有著共同的演化框架。若假設(shè)P為種群(Population，或稱為群體)，t為演化代數(shù)，P(t)為第t代種群,則演化計算的基本結(jié)構(gòu)可粗略描述如下：{

確定編碼形式并生成搜索空間；初始化各個演化參數(shù)，并設(shè)置演化代數(shù)t=0；初始化種群P(0);

對初始種群進行評價（即適應(yīng)度計算）；

while（不滿足終止條件）do{t=t+1;

利用選擇操作從P(t-1)代中選出P(t)代群體；對P(t)代種群執(zhí)行演化操作；對執(zhí)行完演化操作后的種群進行評價（即適應(yīng)度計算）；

}}

可以看出，上述基本結(jié)構(gòu)包含了生物演化中所必需的選擇操作、演化操作和適應(yīng)度評價等過程。IntelligentSys.Lab43AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第43頁，課件共100頁，創(chuàng)作于2023年2月遺傳算法遺傳算法（GeneticAlgorithm）模擬達爾文的遺傳選擇和自然淘汰的生物進化過程1975年首先由Holland提出用于自然和人工系統(tǒng)的自適應(yīng)行為研究(AdaptationinNaturalandArtificialSystems)組成：個體與群體、適應(yīng)值函數(shù)、遺傳操作、終止條件特點：隱含并行性、過程性、非確定性、群體性、內(nèi)在學習、統(tǒng)計性、穩(wěn)健性、整體優(yōu)化

IntelligentSys.Lab44AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第44頁，課件共100頁，創(chuàng)作于2023年2月神經(jīng)計算

麥克卡洛和匹茨把生物腦神經(jīng)系統(tǒng)研究、數(shù)理邏輯思想以及圖靈的計算理論相結(jié)合，將其成果轉(zhuǎn)向人造物，這是有一次科學飛躍，可視為人工智能（計算智能）的起步。能不能造出有智能的機器？在這方面取得重大突破的，就是繼萊布尼茨、巴貝奇、圖靈之后的馮.諾依曼。IntelligentSys.Lab45AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第45頁，課件共100頁，創(chuàng)作于2023年2月神經(jīng)計算

神經(jīng)計算是以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的一種智能計算方法。它。它是智能計算的重要基礎(chǔ)和核心，也是智能計算乃至智能科學技術(shù)的一個重要研究領(lǐng)域。

IntelligentSys.Lab46AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第46頁，課件共100頁，創(chuàng)作于2023年2月

生物神經(jīng)系統(tǒng)簡介

生物神經(jīng)系統(tǒng)是人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。人工神經(jīng)網(wǎng)絡(luò)是對人腦神經(jīng)系統(tǒng)的簡化、抽象和模擬，具有人腦功能的許多基本特征。

IntelligentSys.Lab47AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第47頁，課件共100頁，創(chuàng)作于2023年2月(1)生物神經(jīng)元的結(jié)構(gòu)神經(jīng)末梢突觸軸突樹突細胞核細胞體它由細胞體(Soma)、軸突(Axon)和樹突(Dendrite)三個主要部分組成

細胞體由細胞核、細胞質(zhì)和細胞膜等組成，其直徑大約為0.5--100μm，大小不等。細胞體是神經(jīng)元的主體，用于處理由樹突接受的其它神經(jīng)元傳來的信號,其內(nèi)部是細胞核，外部是細胞膜，細胞膜的外面是許多向外延伸出的纖維。

IntelligentSys.Lab48AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第48頁，課件共100頁，創(chuàng)作于2023年2月

軸突是由細胞體向外延伸出的所有纖維中最長的一條分枝，用來向外傳遞神經(jīng)元產(chǎn)生的輸出電信號。每個神經(jīng)元都有一條軸突，其最大長度可達1m以上。在軸突的末端形成了許多很細的分枝，這些分支叫神經(jīng)末梢。每一條神經(jīng)末梢可以與其它神經(jīng)元形成功能性接觸，該接觸部位稱為突觸。所謂功能性接觸，是指非永久性的接觸，這正是神經(jīng)元之間傳遞信息的奧秘之處。

樹突是指由細胞體向外延伸的除軸突以外的其它所有分支。樹突的長度一般較短，但數(shù)量很多，它是神經(jīng)元的輸入端，用于接受從其它神經(jīng)元的突觸傳來的信號。IntelligentSys.Lab49AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第49頁，課件共100頁，創(chuàng)作于2023年2月(2)生物神經(jīng)元的功能

根據(jù)神經(jīng)生理學的研究，生物神經(jīng)元的2個主要功能是:神經(jīng)元的興奮與抑制，神經(jīng)元內(nèi)神經(jīng)沖動的傳導。

①神經(jīng)元的抑制與興奮

抑制狀態(tài)是指神經(jīng)元在沒有產(chǎn)生沖動時的工作狀態(tài)。興奮狀態(tài)是指神經(jīng)元產(chǎn)生沖動時的工作狀態(tài)。通常情況下，神經(jīng)元膜電位約為-70毫伏，膜內(nèi)為負，膜外為正，處于抑制狀態(tài)。當神經(jīng)元受到外部刺激時，其膜電位隨之發(fā)生變化，即膜內(nèi)電位上升、膜外電位下降，當膜內(nèi)外的電位差大于閾值電位（約+40毫伏）時，神經(jīng)元產(chǎn)生沖動而進入興奮狀態(tài)。

說明:神經(jīng)元每次沖動的持續(xù)時間大約1毫秒左右，在此期間即使刺激強度再增加也不會引起沖動強度的增加。神經(jīng)元每次沖動結(jié)束后，都會重新回到抑制狀態(tài)。如果神經(jīng)元受到的刺激作用不能使細胞膜內(nèi)外的電位差大于閾值電位，則神經(jīng)元不會產(chǎn)生沖動，將仍處于抑制狀態(tài)。

②神經(jīng)元內(nèi)神經(jīng)沖動的傳導

神經(jīng)沖動在神經(jīng)元內(nèi)的傳導是一種電傳導過程，神經(jīng)沖動沿神經(jīng)纖維傳導的速度卻在3.2---320km/s之間，且其傳導速度與纖維的粗細、髓鞘的有無有一定關(guān)系。一般來說，有髓鞘的纖維的傳導速度較快，而無髓鞘的纖維的傳導速度較慢。IntelligentSys.Lab50AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第50頁，課件共100頁，創(chuàng)作于2023年2月(3)人腦神經(jīng)系統(tǒng)的聯(lián)結(jié)機制

1.人腦神經(jīng)系統(tǒng)的聯(lián)結(jié)規(guī)模

人腦大約由1011--1012個神經(jīng)元所組成，其中每個神經(jīng)元大約有3＊104個突觸。小腦中的每個神經(jīng)元大約有105個突觸，并且每個突觸都可以與別的神經(jīng)元的一個樹突相連。人腦神經(jīng)系統(tǒng)就是由這些巨量的生物神經(jīng)元經(jīng)廣泛并行互連所形成的一個高度并行性、非常復雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

2.人腦神經(jīng)系統(tǒng)的分布功能

人腦神經(jīng)系的記憶和處理功能是有機的結(jié)合在一起的，每個神經(jīng)元既具有存儲功能，同時又具有處理能力。從結(jié)構(gòu)上看，人腦神經(jīng)系統(tǒng)又是一種分布式系統(tǒng)統(tǒng)。人們通過對腦損壞病人所做的神經(jīng)生理學研究，沒有發(fā)現(xiàn)大腦中的哪一部分可以決定其余所有各部分的活動，也沒有發(fā)現(xiàn)在大腦中存在有用于驅(qū)動和管理整個智能處理過程的任何中央控制部分。人類大腦的各個部分是協(xié)同工作、相互影響的。在大腦中，不僅知識的存儲是分散的，而且其控制和決策也是分散的。

IntelligentSys.Lab51AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第51頁，課件共100頁，創(chuàng)作于2023年2月人工神經(jīng)網(wǎng)絡(luò)的工作原理根據(jù)一個簡化的統(tǒng)計，人腦由百億條神經(jīng)組成―每條神經(jīng)平均連結(jié)到其它幾千條神經(jīng)。通過這種連結(jié)方式，神經(jīng)可以收發(fā)不同數(shù)量的能量。神經(jīng)的一個非常重要的功能是它們對能量的接受并不是立即作出響應(yīng)，而是將它們累加起來，當這個累加的總和達到某個臨界閾值時，它們將它們自己的那部分能量發(fā)送給其它的神經(jīng)。大腦通過調(diào)節(jié)這些連結(jié)的數(shù)目和強度進行學習。盡管這是個生物行為的簡化描述。但同樣可以充分有力地被看作是神經(jīng)網(wǎng)絡(luò)的模型。IntelligentSys.Lab52AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第52頁，課件共100頁，創(chuàng)作于2023年2月人工神經(jīng)網(wǎng)絡(luò)的工作原理人的思維有邏輯性和直觀性兩種不同的基本方式。邏輯性的思維是指根據(jù)邏輯規(guī)則進行推理的過程；它先將信息化成概念，并用符號表示，然后，根據(jù)符號運算按串行模式進行邏輯推理；這一過程可以寫成串行的指令，讓計算機執(zhí)行。直觀性的思維是將分布式存儲的信息綜合起來，結(jié)果是忽然間產(chǎn)生想法或解決問題的辦法。這種思維方式的根本之點在于以下兩點:1）信息是通過神經(jīng)元上的興奮模式分布儲在網(wǎng)絡(luò)上;2）信息處理是通過神經(jīng)元之間同時相互作用的動態(tài)過程來完成的。

IntelligentSys.Lab53AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第53頁，課件共100頁，創(chuàng)作于2023年2月人工神經(jīng)網(wǎng)絡(luò)的工作原理人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的第二種方式。這是一個非線性動力學系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理。雖然單個神經(jīng)元的結(jié)構(gòu)極其簡單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實現(xiàn)的行為卻是極其豐富多彩的。

IntelligentSys.Lab54AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第54頁，課件共100頁，創(chuàng)作于2023年2月人工神經(jīng)網(wǎng)絡(luò)的工作原理人工神經(jīng)網(wǎng)絡(luò)首先要以一定的學習準則進行學習，然后才能工作。現(xiàn)以人工神經(jīng)網(wǎng)絡(luò)對手寫“A”、“B”兩個字母的識別為例進行說明，規(guī)定當“A”輸入網(wǎng)絡(luò)時，應(yīng)該輸出“1”，而當輸入為“B”時，輸出為“0”。

網(wǎng)絡(luò)學習的準則應(yīng)該是：如果網(wǎng)絡(luò)作出錯誤的的判決，則通過網(wǎng)絡(luò)的學習，應(yīng)使得網(wǎng)絡(luò)減少下次犯同樣錯誤的可能性。

IntelligentSys.Lab55AshikagaInst.ofTech.UNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPSUNIVERSITY,IPS第55頁，課件共100頁，創(chuàng)作于2023年2月人工神經(jīng)網(wǎng)絡(luò)的工作原理

首先，給網(wǎng)絡(luò)的各連接權(quán)值賦予(0，1)區(qū)間內(nèi)的隨機值，將“A”所對應(yīng)的圖象模式輸入給網(wǎng)絡(luò)，網(wǎng)絡(luò)將輸入模式加權(quán)求和、與門限比較、再進行非線性運算，得到網(wǎng)絡(luò)的輸出。在此情況下，網(wǎng)絡(luò)輸出為“1”和“0”的概率各為50%，也就是說是完全隨機的。這時如果輸出為“1”(結(jié)果正確)