計(jì)算智能ppt課件(完整版)
【正文】 。 ?每個神經(jīng)元的計(jì)算可以分為已知輸入加權(quán)和與未知輸入加權(quán)和，如果前者大于后者，則未知輸入的輸入不影響結(jié)果判斷，從而在信息不完全時，照樣可以進(jìn)行推理 25 定義 模糊集合 (Fuzzy Sets) 論域 U到 [0,1]區(qū)間的任一映射 ， 即 ，都確定 U的一個模糊子集 F； 稱為 F的隸屬函數(shù)或隸屬度。 20 例：圖 經(jīng)網(wǎng)絡(luò) 21 鄰接矩陣 22 ?如果用產(chǎn)生式規(guī)則描述，則該網(wǎng)絡(luò)代表下述四條規(guī)則： ?IF x1=0 AND x2=0 THEN y=0 ?IF x1=0 AND x2=1 THEN y=1 ?IF x1=1 AND x2=0 THEN y=1 ?IF x1=1 AND x2=1 THEN y=0 23 基于神經(jīng)網(wǎng)絡(luò)的推理 ?基于神經(jīng)網(wǎng)絡(luò)的推理是通過網(wǎng)絡(luò)計(jì)算實(shí)現(xiàn)的。 神經(jīng)計(jì)算 x1 x2 輸入層 輸出層 隱層 y1 yn w11 w1m 圖 前饋網(wǎng)絡(luò) 反向傳播 15 人工神經(jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)算法 ?指導(dǎo)式（有師）學(xué)習(xí)算法：能夠根據(jù)期望的和實(shí)際的網(wǎng)絡(luò)輸出（對應(yīng)于給定輸入）間的差來調(diào)整神經(jīng)元間連接的強(qiáng)度或權(quán)。 概述 6 ?當(dāng)一個系統(tǒng)只涉及數(shù)值 （ 低層 ） 數(shù)據(jù) ， 含有模式識別部分 ， 不應(yīng)用人工智能意義上的知識 ， 而且能夠呈現(xiàn)出： （ 1） 計(jì)算適應(yīng)性； （ 2） 計(jì)算容錯性； （ 3） 接近人的速度； （ 4） 誤差率與人相近 ， 則該系統(tǒng)就是計(jì)算智能系統(tǒng) 。第四章 計(jì)算智能 (1) 神經(jīng)計(jì)算 模糊計(jì)算 2 概述 ?信息科學(xué)與生命科學(xué)的相互交叉、相互滲透和相互促進(jìn)是現(xiàn)代科學(xué)技術(shù)發(fā)展的一個顯著特點(diǎn)。 ?當(dāng)一個智能計(jì)算系統(tǒng)以非數(shù)值方式加上知識 （ 精品 ） 值 ， 即成為人工智能系統(tǒng) 。 Σ ?( ) Yi 圖 神經(jīng)元模型 10 圖 xi， i=1,2,...,n和一個輸出 y組成。 ?非指導(dǎo)式（無師）學(xué)習(xí)算法：不需要知道期望輸出，輸入數(shù)據(jù)自動地適應(yīng)連接權(quán)，以便按相似特征把輸入模式分組聚集。把用戶提供的 初始證據(jù) 用作網(wǎng)絡(luò)的輸入，通過網(wǎng)絡(luò)計(jì)算最終得到輸出結(jié)果。在論域 U中，可把模糊子集表示為元素 u與其隸屬函數(shù) 的序偶集合，記為： () F?]1,0[: ?UF?)(uF?}|))(,{( UuuuF F ?? ? 模糊計(jì)算 模糊集合、模糊邏輯及其運(yùn)算 F?26 ?若模糊集是論域 U中所有滿足 的元素u構(gòu)成的集合，則稱該集合為模糊集 F的支集。 ),),(,( MGUxTx)(xT 模糊計(jì)算 31 模糊邏輯推理 ?模糊邏輯推理是建立在模糊邏輯基礎(chǔ)上的 不確定性 推理方法，是在二值邏輯 三段論 基礎(chǔ)上發(fā)展起來的。要求這種情況下其隸屬函數(shù)曲線一定是正規(guī)凸模糊集合（即其曲線只能是單峰曲線）。 ? ??? iii kxku / 模糊計(jì)算 37 用所確定的隸屬度值 α對隸屬度函數(shù)曲線進(jìn)行切割，再對切割后等于該隸屬度的所有元素進(jìn)行平均，用這個平均值作為輸出執(zhí)行量，這種方法就稱為隸屬度限幅元素平均法。已經(jīng)提出了 Zadeh法， Baldwin法、Tsukamoto法、 Yager法和 Mizumoto法等方法 ?廣義取式假言推理法 (GMP)推理規(guī)則可表
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1