20xx年醫(yī)學(xué)專題—神經(jīng)網(wǎng)絡(luò)與數(shù)據(jù)融合1-展示頁
2024-11-15 13:23本頁面
【正文】 網(wǎng)絡(luò)在人工智能領(lǐng)域的研究達(dá)成了共識(shí)，對(duì)其巨大潛力也毋庸置疑，但是須知，人類對(duì)自身大腦的研究，尤其是對(duì)其中智能信息處理機(jī)制的了解，還十分膚淺。ngy242。 同時(shí)，相應(yīng)的神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議和神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)刊物的大量出現(xiàn)，給神經(jīng)網(wǎng)絡(luò)的研究者們提供了許多討論交流的機(jī)會(huì)。nɡ)信息處理能力的神經(jīng)網(wǎng)絡(luò)已被提出來并應(yīng)用于許多信息處理領(lǐng)域，如模式識(shí)別、自動(dòng)控制、信號(hào)處理、決策輔助、人工智能等方面。,許多具備不同(b249。 1986年，Rumelhart等人在多層神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，提出了多層神經(jīng)網(wǎng)絡(luò)模型的反向傳播學(xué)習(xí)算法—BP（Back propagation）算法，解決了多層前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)問題，證明了多層神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的學(xué)習(xí)能力，它可以完成許多學(xué)習(xí)任務(wù)，解決許多實(shí)際問題。 1984年， J．Hopfield研制了后來被人們稱為“Hopfield網(wǎng)”的電路，物理實(shí)現(xiàn)為神經(jīng)計(jì)算機(jī)的研究奠定了基礎(chǔ)，解決了著名的TSP問題。n j249。,1982年，美國加州理工學(xué)院物理學(xué)家J．Hopfield提出了一種新的神經(jīng)網(wǎng)絡(luò)—循環(huán)神經(jīng)網(wǎng)絡(luò)。,第二次高潮(gāoch225。因此，具有并行分布處理模式的神經(jīng)網(wǎng)絡(luò)理論又重新受到人們的重視。i)、聯(lián)想記憶以及運(yùn)動(dòng)控制等方面，傳統(tǒng)的計(jì)算機(jī)和人工智能技術(shù)面臨著重重困難。nɡ xi224。,進(jìn)入80年代，首先是基于“知識(shí)庫”的專家系統(tǒng)的研究和運(yùn)用，在許多方面取得了較大成功。)對(duì)大腦的計(jì)算原理、對(duì)神經(jīng)網(wǎng)絡(luò)計(jì)算的優(yōu)點(diǎn)、缺點(diǎn)、可能性及其局限性等還很不清楚，使對(duì)神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了低潮。再者，當(dāng)時(shí)(d224。,60年代末，美國著名人工智能專家Minsky和Papert對(duì)Rosenblatt的工作進(jìn)行了深人研究，出版了有較大影響的《Perceptron》一書，指出感知機(jī)的功能和處理能力的局限性，同時(shí)也指出如果在感知器中引入隱含神經(jīng)元，增加神經(jīng)網(wǎng)絡(luò)的層次，可以提高神經(jīng)網(wǎng)絡(luò)的處理能力，但是卻無法給出相應(yīng)的網(wǎng)絡(luò)學(xué)習(xí)算法。,第一次高潮(gāoch225。 在60代掀起了神經(jīng)網(wǎng)絡(luò)研究的第一次高潮。x237。感知機(jī)雖然比較簡單，卻已具有神經(jīng)網(wǎng)絡(luò)的一些基本性質(zhì)，如分布式存貯、并行處理、可學(xué)習(xí)性、連續(xù)計(jì)算等。ngōng)神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展,第三頁，共五十二頁。Hebb學(xué)習(xí)規(guī)的基本思想至今在神經(jīng)網(wǎng)絡(luò)的研究中仍發(fā)揮著重要作用。ngd249。,萌芽期 40年代初，美國Mc Culloch和Pitts從信息處理的角度，研究神經(jīng)細(xì)胞行為的數(shù)學(xué)模型表達(dá)．提出了閾值加權(quán)和模型—MP模型。)融合,第6講,第一頁，共五十二頁。神經(jīng)網(wǎng)絡(luò)與多傳感器數(shù)據(jù)(sh249。j249。,知識(shí)(zhī shi)基礎(chǔ) 激勵(lì)函數(shù)（階躍函數(shù)、非線性函數(shù)、 連續(xù)函數(shù)、單調(diào)函數(shù)）、函數(shù)收斂 偏微分、梯度、方差與均方差 向量與矩陣 最優(yōu)解與解空間 Matlab使用 人工智能基礎(chǔ),第二頁，共五十二頁。 1949年，心理學(xué)家Hebb提出著名的Hebb學(xué)習(xí)規(guī)則，即由神經(jīng)元之間結(jié)合強(qiáng)度(qi225。)的改變來實(shí)現(xiàn)神經(jīng)學(xué)習(xí)的方法。,一、人工(r233。,50年代末期，Rosenblatt提出感知機(jī)模型(Perceptron)。這些神經(jīng)網(wǎng)絡(luò)的特性與當(dāng)時(shí)流行(ling)串行的、離散的、符號(hào)處理的電子計(jì)算機(jī)及其相應(yīng)的人工智能技術(shù)有本質(zhì)上的不同，由此引起許多研究者的興趣。但是，當(dāng)時(shí)人們對(duì)神經(jīng)網(wǎng)絡(luò)研究過于樂觀，認(rèn)為只要將這種神經(jīng)元互連成一個(gè)網(wǎng)絡(luò)，就可以解決人腦思維的模擬問題，然而，后來的研究結(jié)果卻又使人們走到另一個(gè)極端上。o),第四頁，共五十二頁。 另一方面，以為串行信息處理及以它為基礎(chǔ)的傳統(tǒng)人工智能技術(shù)的潛力是無窮的，這就暫時(shí)掩蓋了發(fā)展新型計(jì)算機(jī)和尋找新的人工智能途徑的必要性和迫切性。ngsh237。,反思(fǎn sī)期,第五頁，共五十二頁。但在一段時(shí)間以后，實(shí)際情況表明專家系統(tǒng)并不像人們所希望的那樣高明，特別是在處理視覺、聽覺、形象思維(x237。nɡ sī w233。 模擬人腦的智能信息處理過程，如果僅靠串行邏輯和符號(hào)處理等傳統(tǒng)的方法來濟(jì)決復(fù)雜的問題，會(huì)產(chǎn)生計(jì)算量的組合爆炸。對(duì)神經(jīng)網(wǎng)絡(luò)的研究又開始復(fù)興，掀
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1