freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

模式識(shí)別、人工智能與醫(yī)學(xué)專家系統(tǒng)(參考版)

2025-02-24 13:43本頁面
  

【正文】 演講完畢,謝謝觀看! 。神經(jīng)網(wǎng)絡(luò)工作時(shí),對(duì)于某一輸入模式,網(wǎng)絡(luò)中與該模式最相近的學(xué)習(xí)輸入模式相對(duì)應(yīng)的競爭層神經(jīng)元將有最大的輸出值,即以競爭層獲勝神經(jīng)元來表示分類結(jié)果。有時(shí)競爭層各神經(jīng)元之間還存在橫向連接。它一般是由輸入層 (模擬視網(wǎng)膜神經(jīng)元 )和競爭層 (模擬大腦皮層神經(jīng)元,也叫輸出層 )構(gòu)成的兩層網(wǎng)絡(luò)。競爭型神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)規(guī)則與其它類型的神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)規(guī)則相比,有其自己的鮮明特點(diǎn)。許多輸入模式,在輸出層中將激活許多個(gè)神經(jīng)元,從而形成一個(gè)反映輸入數(shù)據(jù) 競爭型神經(jīng)網(wǎng)絡(luò)是一種以無教師方式進(jìn)行網(wǎng)絡(luò)訓(xùn)練的網(wǎng)絡(luò)。神經(jīng)生物學(xué)的研究結(jié)果表明:生物視網(wǎng)膜中,有許多特定的細(xì)胞,對(duì)特定的圖形(輸入模式 )比較敏感,并使得大腦皮層中的特定細(xì)胞產(chǎn)生大的興奮,而其相鄰的神經(jīng)細(xì)胞的興奮程度被抑制。但 BP網(wǎng)并不是十分的完善,它存在以下一些主要缺陷:學(xué)習(xí)收斂速度太慢、網(wǎng)絡(luò)的學(xué)習(xí)記憶具有不穩(wěn)定性,即:當(dāng)給一個(gè)訓(xùn)練好的網(wǎng)提供新的學(xué)習(xí)記憶模式時(shí),將使已有的連接權(quán)值被打亂,導(dǎo)致已記憶的學(xué)習(xí)模式的信息的消失。特別是其數(shù)學(xué)意義明確、步驟分明的學(xué)習(xí)算法,更使其具有廣泛的應(yīng)用前景。通過此學(xué)習(xí)過程,確定下來各層間的連接權(quán)值之后就可以工作了。隨著“模式順傳播”和“誤差逆?zhèn)鞑ァ边^程的交替反復(fù)進(jìn)行。按照誤差平方最小這一規(guī)則,由輸出層往中間層逐層修正連接權(quán)值,此過程稱為“誤差逆?zhèn)鞑ァ薄H缓髮?duì)網(wǎng)絡(luò)輸入實(shí)際的學(xué)習(xí)記憶模式,并由輸入層經(jīng)中間層向輸出層傳播 (稱為“模式順傳播” )。 學(xué)習(xí)規(guī)則及過程:它以一種有教師示教的方式進(jìn)行學(xué)習(xí)。它與多種科學(xué)領(lǐng)域的發(fā)展密切相關(guān),縱觀當(dāng)代新興科學(xué)技術(shù)的發(fā)展歷史,人類在征服宇宙空間、基本粒子、生命起源等科學(xué)領(lǐng)域的進(jìn)程之中歷經(jīng)了崎嶇不平之路。迄今為止,在人工神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域中,有代表性的網(wǎng)絡(luò)模型已達(dá)數(shù)十種,而學(xué)習(xí)算法的類型更難以統(tǒng)計(jì)其數(shù)量。他利用非線性動(dòng)力學(xué)系統(tǒng)理論中的能量函數(shù)方法研究反饋人工神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性,并利用此方法建立求解優(yōu)化計(jì)算問題的系統(tǒng)方程式。所以一旦輸出層中的某個(gè)輸出神經(jīng)元損壞,則導(dǎo)致該神經(jīng)元所代表的該模式信息全部丟失。這種方法常常用于圖象邊緣處理,解決圖象邊緣的缺陷問題。 ? 除了競爭的方法外,還有通過抑制手段獲取勝利的方法,即網(wǎng)絡(luò)競爭層各神經(jīng)元抑制所有其它神經(jīng)元對(duì)輸入模式的響應(yīng)機(jī)會(huì),從而使自己“脫穎而出”,成為獲勝神經(jīng)元。典型的多層感知網(wǎng)絡(luò)是三層、前饋的階層網(wǎng)絡(luò),即:輸入層 I、隱含層 (也稱中間層 ) J、輸出層 K。 幾種典型神經(jīng)網(wǎng)絡(luò)簡介 (1)多層感知網(wǎng)絡(luò) (誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò) ):在1986年以 Rumelhart和 McCelland為首的科學(xué)家出版的《 Parallel Distributed Processing》一書中,完整地提出了誤差逆?zhèn)鞑W(xué)習(xí)算法,并被廣泛接受。 ? 第三,具有高速尋找優(yōu)化解的能力。如果有人和你提起你幼年的同學(xué)張某某,你就會(huì)聯(lián)想起張某某的許多事情。 ? 第二,具有聯(lián)想存儲(chǔ)功能。自學(xué)習(xí)功能對(duì)于預(yù)測有特別重要的意義。 ? 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和優(yōu)越性,主要表現(xiàn)在三個(gè)方面: ? 第一,具有自學(xué)習(xí)功能。當(dāng)網(wǎng)絡(luò)再次遇到其中任何一個(gè)模式時(shí),能夠作出迅速、準(zhǔn)確的判斷和識(shí)別。如此操作調(diào)整,當(dāng)給網(wǎng)絡(luò)輪番輸入若干個(gè)手寫字母“ A”、“ B”后,經(jīng)過網(wǎng)絡(luò)按以上學(xué)習(xí)方法進(jìn)行若干次學(xué)習(xí)后,網(wǎng)絡(luò)判斷的正確率將大大提高。 這時(shí)如果輸出為 “ 1” (結(jié)果正確 ), 則使連接權(quán)值增大 , 以便使網(wǎng)絡(luò)再次遇到 “ A” 模式輸入時(shí) , 仍然能作出正確的判斷 。 首先 , 給網(wǎng)絡(luò)的各連接權(quán)值賦予 (0, 1)區(qū)間內(nèi)的隨機(jī)值 , 將 “ A”所對(duì)應(yīng)的圖象模式輸入給網(wǎng)絡(luò) , 網(wǎng)絡(luò)將輸入模式加權(quán)求和 、 與門限比較 、 再進(jìn)行非線性運(yùn)算 , 得到網(wǎng)絡(luò)的輸出 。 現(xiàn)以人工神經(jīng)網(wǎng)絡(luò)對(duì)手寫 “ A” 、“ B” 兩個(gè)字母的識(shí)別為例進(jìn)行說明 , 規(guī)定當(dāng) “ A”輸入網(wǎng)絡(luò)時(shí) , 應(yīng)該輸出 “ 1” , 而當(dāng)輸入為 “ B” 時(shí) ,輸出為 “ 0” 。 ? 大腦之所以能夠處理極其復(fù)雜的分析、推理工作,一方面是因?yàn)槠渖窠?jīng)元個(gè)數(shù)的龐大,另一方面還在于神經(jīng)元能夠?qū)斎胄盘?hào)進(jìn)行非線性處理。 神經(jīng)元細(xì)胞體將接受到的所有信號(hào)進(jìn)行簡單地處理 (如:加權(quán)求和 , 即對(duì)所有的輸入信號(hào)都加以考慮且對(duì)每個(gè)信號(hào)的重視程度體現(xiàn)在權(quán)值上有所不同 )后由軸突輸出 。 其末端的許多神經(jīng)末梢使得興奮可以同時(shí)傳送給多個(gè)神經(jīng)元 。 每個(gè)神經(jīng)元都由一個(gè)細(xì)胞體 ,一個(gè)連接其他神經(jīng)元的軸突和一些向外伸出的其它較短分支 ——樹突組成 。其后, 、 Widrow和 Hopf、 神經(jīng)系統(tǒng)的基本構(gòu)造是神經(jīng)元 (神經(jīng)細(xì)胞 ), 它是處理人體內(nèi)各部分之間相互信息傳遞的基本單元 。 人工神經(jīng)網(wǎng)絡(luò) ? 1 神經(jīng)元模型的提出 “人工神經(jīng)網(wǎng)絡(luò)” (ARTIFICIAL NEURAL NETWORK,簡稱 .)是在對(duì)人腦組織結(jié)構(gòu)和運(yùn)行機(jī)智的認(rèn)識(shí)理解基礎(chǔ)之上模擬其結(jié)構(gòu)和智能行為的一種工程系統(tǒng)。 當(dāng)系統(tǒng)獲得一個(gè)數(shù)據(jù)且與某個(gè) “ 如果 …” 相一致時(shí) (稱為匹配 ), 則相應(yīng)的 “ 那末 …”就代替了該數(shù)據(jù) , 再繼續(xù)搜尋是否存在與這個(gè)新數(shù)據(jù)匹配的 “ 如果 …” , 這樣一個(gè)過程含有 “ 產(chǎn)生 ” 、 “ 做出 ” 的含義 , 因此獲得 “ 產(chǎn)生式 ” 的名子 。 ? MYCIN系統(tǒng)存放有大量傳染病專家長期積累的知識(shí) , 它們是肖特利夫與許多著名的傳染病專家交談 , 推理和總結(jié)得到的 , 他把這些知識(shí)歸納成 200多條規(guī)則 (后擴(kuò)充至 500多條 )存放在計(jì)算機(jī)中 , 這些規(guī)則具有 “ 如果 …那么 …” 這種形式 , 稱為產(chǎn)生式規(guī)則 。 要在限定的時(shí)間內(nèi)確定病癥 , 選擇出恰當(dāng)?shù)闹委煼椒?, 決非易事 。 它能教會(huì)不擅長診治傳染病的醫(yī)生 ,怎樣從患者癥狀出發(fā) , 確定病的種類及相應(yīng)的治療方法 。 一九八零年召開第二屆醫(yī)療中的人工智能 (AIM)學(xué)術(shù)會(huì)議時(shí) ,他成為大會(huì)的組織委員會(huì)主席 。 他在計(jì)算機(jī)科學(xué)和醫(yī)學(xué)之間的邊緣領(lǐng)域一一醫(yī)療診斷的研究中 , 進(jìn)行了開創(chuàng)性的工作 。 ? MYCIN系統(tǒng)研制發(fā)起人 E. H. Shortiffe(愛德華持 此外 , 世界上比較著名的醫(yī)療診斷系統(tǒng)還有青光眼醫(yī)療診斷系統(tǒng) CASNET, 內(nèi)科病醫(yī)療診斷系統(tǒng)INTERNIST, 腎病醫(yī)療診斷系統(tǒng) PIP, 處理精神病的系統(tǒng) PARRY等 。 ? 專家系統(tǒng)的一個(gè)重要應(yīng)用領(lǐng)域就是醫(yī)療診斷系統(tǒng) 。因而許多研究人員力圖模擬神經(jīng)系統(tǒng)的工作原理來研制新一代的計(jì)算機(jī),這種計(jì)算機(jī)將與傳統(tǒng)計(jì)算機(jī)有完全不同的工作原理,它是全并行式運(yùn)行的具有分布式存儲(chǔ)能力,這就是在目前吸引了大量研究人員關(guān)注的人工神經(jīng)網(wǎng)絡(luò)。當(dāng)我們力圖用當(dāng)代最先進(jìn)的串行計(jì)算機(jī)來實(shí)現(xiàn)右腦的形象思維功能時(shí)遇到了極大困難。左腦主司讀、寫、聽、說這類文字、語言理解和生成的功能,專門處理邏輯推里、數(shù)學(xué)運(yùn)算等“串行”任務(wù)。 ? 在研究人工智能的過程中,神經(jīng)生理學(xué)和心理學(xué)等方面的研究也是一個(gè)重要的側(cè)面。 但是絕大多數(shù)的專家系統(tǒng)只能達(dá)到或接近專家水平 。 專門為專家系統(tǒng)設(shè)計(jì)的語言軟件 Lisp和 Prolog也已誕生 。 第三節(jié) 專家系統(tǒng) ? 什么是專家系統(tǒng):
點(diǎn)擊復(fù)制文檔內(nèi)容
醫(yī)療健康相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1