文档介绍：人工智能(9)
*
1
第九章人工神经网络
课程的基本内容及要求:
:
了解一些有关人工神经网络的概念——模型、结构及工作方式等
1-4节(学时)(4,5节可自学)
重点:2节,3节1,2小节
Date
2
第九章人工神经网络 神经网络概述
现代的计算机有很强的计算和信息处理能力,但是它解决像模式识别、感知、评判和决策等复杂问题的能力却远不如人,特别是它只能按人事先编好的程序机械地执行,缺乏向环境学****适应环境的能力
单个神经元的反应速度是在毫秒级,比起计算机的基本单元——逻辑门(反应时间在10-9s量级)慢5~6个数量级。由于人脑的神经元数量巨大(约为1010个),每个神经元可与几千个其它神经元连接(总连接数约为6×1013),对有些问题的处理速度反而比计算机快得多。它的能耗约为每一运算10-16J/s(计算机为每一运算10-6J/s),由此可见其性能要比现代计算机高得多
Date
3
第九章人工神经网络 神经网络概述
从模仿人脑智能的角度出发,来探寻新的信息表示、存储和处理方式,设计全新的计算处理结构模型,构造一种更接近人类智能的信息处理系统来解决传统的冯·诺依曼计算机难以解决的问题,必将大大促进科学进步,并会在人类生活的各个领域引起巨大的变化,人工神经网络(Artificial works,以下简写为NN)系统
Date
4
第九章人工神经网络 神经网络概述
所谓NN就是为模仿人脑工作方式而设计的一种机器,它可用电子或光电元件实现,也可用软件在常规计算机上仿真。或者说NN是一种具有大量连接的并行分布处理器,它具有通过学****获取知识并解决问题的能力,且知识是分布储存在连接权(对应于生物神经元的突触)中,而不是像常规计算机那样按地址存在特定的存储单元中
Date
5
第九章人工神经网络 神经网络概述
尽管目前人们对大脑神经网络的结构、运行机制,甚至单个神经细胞的工作原理了解还很肤浅,但是基于生物神经系统的分布式存储、并行处理、自适应学****这些现象,已经构造出具有一些低级智慧的人工神经网络系统
当然这种人工神经网络只是对大脑的粗略而简单的模仿,无论在功能上,还是在规模上都比真正的神经网络差得很远,但它在一些科学研究和实际工程领域中已显示了很大的威力
Date
6
第九章人工神经网络 神经网络概述
从80年代初神经网络的研究再次复苏并形成热点以来,发展非常迅速
在理论上,对它的计算能力、对任意连续映射的逼近能力、学****理论及动态网络的稳定性分析等都取得了丰硕的成果
在应用上已迅速扩展到许多重要领域
Date
7
第九章人工神经网络 神经网络概述
应用领域
(1)模式识别与图象处理
印刷体和手写体字符识别,语音识别,签字识别,指纹识别,人脸识别,癌细胞检测,心电图和脑电图分类,RNA和DNA识别,油气贮藏勘测,加速器事故检测,目标检测与识别,图象压缩,图象复原
(2)控制与优化
化工过程控制,机械手运动控制,电弧炉电极控制,半导体生产中掺杂控制,石油精炼和食品工业中优化控制,VLSI(超大规模集成电路)布线设计
(3)预测与管理
股市预测,有价证券管理,借贷风险分析,信用卡管理,机票管理
(4)通信
自适应均衡,回波抵消,路由选择,ATM网络中的呼叫接纳识别及控制
(5)其它应用
导航,光学望远镜聚焦,运载体轨迹控制,电机故障检测以及多媒体
Date
8
第九章人工神经网络 人工神经元模型
1 神经元模型
神经元模型的三个基本要素:
①一组连接权(对应于生物神经元突触)——连接强度由各连接上的权值表示,权值为正表示激励,为负表示抑制
②一个求和单元——用于求取各输入信息的加权和(线性组合)
③一个非线性激励函数——起到非线性映射作用并限制神经元输出幅度在一定的范围之内(一般限制在[0,1]或[-1,+1]之间)
此外还有一个阈值θk(或偏置bk= -θk)
…
Date
9
第九章人工神经网络 人工神经元模型
1 神经元模型
…
x1
xp
输入信号
x2
yk
…
wk1
wk2
wkp
Σ
(·)
Vk
激励函数
θk
域值
输出
求和
Date
10