計算智能ppt課件(更新版)
【正文】 示為： 前提 1： x為 A’ 前提 2：若 x為 A，則 y為 B 結 論： y為 B’ 模糊計算 32 ?廣義拒式假言推理法 (GMT, Generalized Modus Tollens) 的推理規(guī)則可表示為： 前提 1： y為 B 前提 2：若 x為 A，則 y為 B 結 論： x為 A’ ?自從 Zadeh引入復合推理規(guī)則以來，有數十種模糊變量的隱含函數，其基本上可分為三類，即模糊合取、模糊析取和模糊蘊涵。 ?當模糊支集為 U中一個單獨點，且 u滿足 則稱模糊集為模糊單點 。 ?利用特性函數分別計算網絡中各層的輸出。強化學習算法的一個例子是遺傳算法（ GA）。 n為輸入信號數目， yj為神經元輸出， t為時間， f( )為輸出變換函數，如圖 。 ?60年代末期至 80年代中期 ，神經網絡控制與整個神經網絡研究一樣，處于低潮。 3 什么是計算智能 ?把神經網絡（ NN）歸類于人工智能（ AI）可能不大合適，而歸類于計算智能（ CI）更能說明問題實質。 概述 4 計算智能與人工智能的區(qū)別和關系 輸入 人類知識 (＋ )傳感輸入 知識 (＋ )傳感數據 計算 (＋ )傳感器 C－數值的 A－符號的 B－生物的 輸入 復雜性 復雜性 BNN BPR BI ANN APR AI CNN CPR CI 概述 5 ?A－ Artificial， 表示人工的 （ 非生物的 ） ；B－ Biological， 表示物理的＋化學的＋ （ ？ ） ＝生物的； C－ Computational， 表示數學＋計算機 ?計算智能是一種智力方式的低層認知 ， 它與人工智能的區(qū)別只是認知層次從中層下降至低層而已 。 神經計算 人工神經網絡研究的進展 8 人工神經網絡的特性 ?并行分布處理 ?非線性映射 ?通過訓練進行學習 ?適應與集成 ?硬件實現 神經計算 9 人工神經網絡的結構 神經計算 1 ? W j 1 X1 X2 Wj2 X n W j n ?有些神經元的輸出被反饋至同層或前層神經元 圖 反饋網絡 x1 x2 xn V1 V2 Vn 輸入 輸出 x1’ x2’ xn’ 神經計算 14 ?前饋網絡 :前饋網絡具有遞階分層結構，由同層神經元間不存在互連的層級組成，如圖 。 神經計算 19 基于神經網絡的知識表示 ?傳統(tǒng)人工智能系統(tǒng)中所用的方法是知識的顯式表示，而神經網絡中的知識表示是一種隱式的表示方法。 ?計算的數據結果是確定的，不會出現推理沖突。 模糊計算 30 定義 正態(tài)模糊集、凸模糊集和模糊數 以實數 R為論域的模糊集 F，若其隸屬函數滿足 則 F為正態(tài)模糊集；若對于任意實數 x，axb，有 則 F為凸模糊集；若 F既是正態(tài)的又是凸的，則稱 F為模糊數。 ?下面介紹各種模糊判決方法，并以“水溫適中”為例，說明不同方法的計算過程
教學課件相關推薦
鄂ICP備17016276號-1