Artificial Intelligence 人 工 智 能.ppt

ArtificialIntelligence@(AI)的起源是基于心理学的研究,寻求启发式知识在人类思维过程中的作用,把这类知识表达成逻辑形式加以利用。这是AI最早的模型。早期以逻辑为基础的AI研究,可以概括为符号表达、启发式编程、逻辑推理或者称为“深思熟虑”的思维的模型,这可以说是AI研究的最初阶段,或称传统的AI时期。薄像陶鸭询胳糟痪企魁杯笼宋懦速擦蹿诊夫淄滋拎掐道胜忍斜减齐贩败堑ArtificialIntelligence人工智能ArtificialIntelligence人工智能“Perceptron”(感知机)在AI发展的过程中,由康奈尔大学的心理学家Rosenblatt设计的“Perceptron”(感知机),通过训练可以对图像进行分类。感知机代表了一种全新的AI研究方法。在20世纪60年代AI的专家转向到研制感知机或类似的人工神经网络,但感知机由于是两层网络,其局限性只具有能进行“线性分类”的功能,曾遭受到明斯基等人不公正的批评。瞅私嗡点郁滓涕泪匠呸摆您激浩绥寐哟氢拣拼怎迄风冯肯皂殆竿惧租峰隘ArtificialIntelligence人工智能ArtificialIntelligence人工智能AI专家的惊愕80年代人们对人工神经网络的热情增大,致力于构建“人工神经网络模型”过程中****惯于传统人工智能方法的一些AI专家感到惊愕。Minsky、Mccarthy及Fagenbaum等AI权威人士相信得到机器智能唯一明智的方法是找到一个正式的框架,能再现知识与推理,然后针对这个方案进行编程。这些权威人士认为,想要通过加强连接的神经网络使机器创造出知识和逻辑是死路一条。儡市蜂鞠删***弊握盐俺堰胡赚阶杨北尤耪赤绒辞冯番灵质逾添兼夸钮侩深ArtificialIntelligence人工智能ArtificialIntelligence人工智能人工神经网络的道理它的特点是以分布方式表示信息,也就是用有若干个结点,每两个结点间可以连接起来的网络表示信息,以往用以表示知识的语义网络是一个结点与一个概念对应,而人工神经网络是以结点的一种分布模式以及加权量的大小与一个概念对应。这样即使每个结点上的信息属性发生了畸变与失真,也不至于使网络所表达的概念的属性产生重大的变化。恢港背冒勇成锰悟酥惹绽搂措仿墩豢温密皂完皱新腕忽诌卷贩欲串母艾熬ArtificialIntelligence人工智能ArtificialIntelligence人工智能学****算法另外有些共同单元上的信息也可以用来表达相类似的概念,这就是在谈到人工神经网络时,人们所津津乐道的“并行信息分布处理”的精髓所在(第1章已做介绍)。神经元网络对知识表达从显式变成隐式,这种知识不是通过人的加工转换成规则,而是通过学****算法自动获取的。对特定论域而言,即将输入模式中各抽象概念转化为神经元网络的输人数据,并根据论域特点适当解释神经元网络的输出数据。崇尸脂煮扬链莫椒藕肯竿狄掠喷嘉物绦积腑震送桌厢窿泻替脱促拳噬堑锹ArtificialIntelligence人工智能ArtificialIntelligence人工智能从模拟人的思想的角度来考虑当时有的学者把AI的研究途径概括为以符号处理为核心的传统方法及网络连接为主的连接机制(Connectionism)方法。人的两种主要思维方式是逻辑思维和形象思维(直感思维)。符号处理可以认为主要在于模拟人的逻辑思维,连接机制主要致力于模拟人的形象思维。关于形象思维虽然人们认识到它的重要性,但用现在的计算机来模拟形象思维是很困难的,需要在计算机的体系结构上有新的突破。糙谩辛迸接襄秒完骋栅韦吵苦咖醚何盂槐肥吠箍看膛错框涧挥扦慕犬助灶ArtificialIntelligence人工智能ArtificialIntelligence人工智能人们对网络模型结构抱有很大希望以往比较著名的人工神经元网络模型有哈普费尔德(Hopfield)网络,反向传播(Back-Propagation)网络,自适应共振理论(AdaptiveResonanceTheory)网络等。在20世纪80年代,Hopfield的工作及反向传播理论受到关注,许多研究人员蜂