人工智能建模方法(ppt30頁)(完整版)
【正文】 建模就是采用基于知識的人工智能方法對實際系統(tǒng)或系統(tǒng)的某一部分進行描述和表達的一種方法。 ? 黑箱性。競爭網絡通過同層神經元之間的競爭可以實現(xiàn)輸入模式的自動分類。 ? 理論依據(jù) ： ? 人的大腦由大量神經元細胞高度互連而成，每個神經元可以對從樹突輸入的信號進行融合和簡單的加工，然后由軸突輸出； ? 神經元細胞之間通過樹突與軸突相互接觸而形成的突觸相連，神經元之間的連接方式和連接強度決定了大腦的功能，而神經元之間的連接方式和連接強度可以通過后天的學習而發(fā)生改變，神經元之間的連接方式和連接強度顯示了人類對知識的記憶過程。 ? 缺點： 1） 知識獲取的困難。 ? 模糊性是由于語言表達時詞語所對應的概念內涵和外延的不確定性決定的。 舉例 ——“如果是合金鋼，應該進行熱處理”這一推理用產生式規(guī)則可以表示為： IF 合金鋼 THEN 熱處理； ? 框架表示 適用場合 ——表達多方面多層次結構知識 舉例 ——桌子可以用框架表示為： {桌面，桌腿 桌腿 桌腿 桌腿 桌面與桌腿的連接 }。 ? 人工智能建模 ：通過模擬人認識客觀事物和解決實際問題的方法對實際系統(tǒng)或系統(tǒng)的某一部分進行描述和表達的過程。 ? 關鍵問題 1 ： 知識的表示 ? 如何把專家知識轉化為機器所能識別、存儲和使用的形式 。 ? 研究熱點 ： 知識表示和推理中的不確定性和模糊性問題。知識的存放和推理過程相互獨立的，通過知識的修改和擴充，系統(tǒng)可以適應新的需求。 由于知識獲取的困難和“組合爆炸”問題的存在，常導致知識的不完備，從而降低了系統(tǒng)的精度。 有反饋但無橫向連接的 反饋網絡 。 ? 存儲的分布性、運行的并行性。對于神經元網絡結構的設計仍然依靠設計者的經驗，尚無成熟的設計理論作為指導。 ④ 知識表達 。 ⑧ 模型的應用 。另一方面，通過長期工業(yè)生產實踐經驗的積累，現(xiàn)場工藝人員建立了工藝參數(shù)與電流效率之間的定性關系和經驗公式，因此，很容易建立基于知識的人工智能模型。由于上述知識實質上是基于因果關系的推理，可以采用產生式規(guī)則表示。帶入隸屬度函數(shù)后，計算得到各語言變量對應的隸屬度如表 3所示。 ? 適用于無法根據(jù)系統(tǒng)機理建立模型，但積累了大量實踐或實驗數(shù)據(jù)，且系統(tǒng)輸入輸出之間呈現(xiàn)明顯非線性特性的場合。 根據(jù)神經元網絡類型，選擇合適的學習方法。具體運用時，保持網絡權值不變，將現(xiàn)場各影響因素的數(shù)值直接輸入神經元網絡，神經元網絡的輸出即為模型的輸出。建模對象為最優(yōu)鉆壓與影響因素之間的定量關系。其中輸入節(jié)點數(shù)取因素數(shù) 7，輸出層由于只有鉆壓一個參數(shù)，因此取 1，根據(jù)經驗公式，隱藏層節(jié)點數(shù)取輸入層的 2～ 3倍，這里取 14。等所有樣本訓練結束后，整個訓練過程結束。 人工智能建模發(fā)展趨勢 ? 人工智能混合建模是指同時使用兩種或兩種以上的建模方法完成實際系統(tǒng)的建模過程，其中，這些建模方法中至少有一種為人工智能建模方法。 演講完畢，謝謝觀看！ 。 人工智能建模發(fā)展趨勢 ? 目前常見的混合建模方法 ? 松耦合方法 ? 將要建模的系統(tǒng)根據(jù)其特點劃分為多個子系統(tǒng)，每個子系統(tǒng)采用不同方式建立模型，然后將各子系統(tǒng)連接在一起形成原系統(tǒng)的模型。 ? 模型檢驗 。對該神經網絡可以直接采用高級語言進行模擬。 ? 選擇影響因素 。目前的自動送鉆技術以恒鉆壓送鉆為主。 ? 模型的驗證。 ? 選擇影響因素。 6） 模型的建立 。由于在工藝參數(shù)的實時優(yōu)化過程中，一般是得到一對具體的工藝參數(shù)，來預測電流效率，因此，可以 采用正向推理 方法。建模的目的是實現(xiàn)工藝參數(shù)的優(yōu)化，從而提高電流效率，降低能源消耗。 ? 鋅電解過程電流效率模型 ? 問題描述 ? 鋅的電解是鋅的濕法冶煉技術中最關鍵的一道工序。 ⑤ 選擇推理方式 。主要表現(xiàn)在需要反
試題試卷相關推薦
鄂ICP備17016276號-1