計(jì)算智能ppt課件-在線瀏覽
2025-06-20 07:08本頁面
【正文】 修正 正向 實(shí)時(shí)分類 P er cept r on 有 誤差修正 正向 線性分類，預(yù)測 A dal i ne/ Madal i ne 有 誤差修正 反向 分類，噪聲抑制 BP 有 誤差修正 反向 分類 AVQ 有 誤差修正 反向 數(shù)據(jù)自組織 C P N 有 H ebb 律 反向 自組織映射 BM 有 H ebb/ 模擬退火 反向 組合優(yōu)化 CM 有 H ebb/ 模擬退火 反向 組合優(yōu)化 AHC 有 誤差修正 反向 控制 A RP 有 隨機(jī)增大 反向 模式匹配，控制 SN MF 有 H ebb 律 反向 語音 / 圖象處理 神經(jīng)計(jì)算 18 基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示與推理 ?基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示 在這里，知識(shí)并不像在產(chǎn)生式系統(tǒng)中那樣獨(dú)立地表示為每一條規(guī)則，而是將 某一問題的若干知識(shí)在同一網(wǎng)絡(luò)中表示 。 神經(jīng)計(jì)算 19 基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示 ?傳統(tǒng)人工智能系統(tǒng)中所用的方法是知識(shí)的顯式表示，而神經(jīng)網(wǎng)絡(luò)中的知識(shí)表示是一種隱式的表示方法。 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。 ?一般來說，正向網(wǎng)絡(luò)推理的步驟如下： ?把已知數(shù)據(jù)輸入網(wǎng)絡(luò)輸入層的各個(gè)節(jié)點(diǎn)。 ?用閾值函數(shù)對(duì)輸出層的輸出進(jìn)行判定，從而得到輸出結(jié)果。 ?計(jì)算的數(shù)據(jù)結(jié)果是確定的，不會(huì)出現(xiàn)推理沖突。 ?每個(gè)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(shí)，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(gè)模糊子集 F； 稱為 F的隸屬函數(shù)或隸屬度。 ?當(dāng) u滿足 ，稱為交叉點(diǎn)。 定義 模糊支集、交叉點(diǎn)及模糊單點(diǎn) 0)( ?uF??F??F? 模糊計(jì)算 27 ?設(shè) A和 B為論域 U中的兩個(gè)模糊集，其隸屬函數(shù)分別為 和 ，則對(duì)于所有 ，存在下列運(yùn)算： ?A與 B的并（邏輯或）記為 ，其隸屬函數(shù)定義為： () ?A與 B的交（邏輯與）記為 ，其隸屬函數(shù)定義為： () A的補(bǔ)（邏輯非）記為 ，其傳遞函數(shù)定義為： () A?B? Uu?BA?)()()( uuu BABA ??? ??? ? ?)(),(m a x uu BA ???)()()( uuu BABA ??? ??
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1