人工智能技術(shù)在分析化學中的應用-在線瀏覽
2025-03-24 16:14本頁面
【正文】 邏輯學派、行為主義學派和連接主義學派。基于物理符號系統(tǒng)假設，將任何信息加工系統(tǒng)看成是一個具體的物理系統(tǒng)。主要工作 1） Newell的 Logic Theorist，模擬人證明數(shù)學定理的思維過程 2） GPS，模擬人的解題過程 (擬定初步解題計劃 ?利用公理、定理和規(guī)則，按規(guī)則實施解題過程 ?不斷進行 “目的 — 手段 “分析，修訂解題計劃。符號是模式。 邏輯學派 （以 McCarthy和 Nilsson等為代表 )基本思想用邏輯來研究人工智能，用形式化的方法（統(tǒng)一的邏輯框架）描述客觀世界。智能只是在與環(huán)境的交互作用中表現(xiàn)出來?；居^點1）神經(jīng)網(wǎng)絡以分布式方式存儲信息2）神經(jīng)網(wǎng)絡以并行方式處理信息3）神經(jīng)網(wǎng)絡具有自組織、自學習能力主要工作人工神經(jīng)網(wǎng)絡BNN BPR BIANN APR AICNN CPR CI知識獲取難度及計算量3 知識的獲取過程知識系統(tǒng)知識工程已成為人工智能應用最顯著的特點。使用計算機等工具，模擬、延伸或擴展人的智能。n 世界上第一個專家系統(tǒng)（ DENDRAL）誕生于化學領(lǐng)域，應用 MS、 NMR解釋有機化合物的結(jié)構(gòu)。n 生物神經(jīng)元網(wǎng)絡n 感覺神經(jīng)元（傳入神經(jīng)元），與感受器相連n 中間神經(jīng)元n 運動神經(jīng)元（傳出神經(jīng)元），與效應起相連六個基本特征1） 神經(jīng)元及其聯(lián)接 ；2） 神經(jīng)元之間的聯(lián)接強度決定信號傳遞的強弱；3）神經(jīng)元之間的聯(lián)接強度是可以隨訓練改變的；4）信號可以是起刺激作用的，也可以是起抑制作用的；5）一個神經(jīng)元接受的信號的累積效果決定該神經(jīng)元的狀態(tài)；6) 每個神經(jīng)元可以有一個 “閾值 ”。Neural簡單地講，它是一個 數(shù)學模型 ，可以用 電子線路 來實現(xiàn)，也可以用 計算機程序 來模擬，是人工智能研究的一種方法。n 局限：n 對全局性判斷、模糊信息處理、多粒度的視覺信息處理等是非常困難的。 ——“ 抽象 ”功能。? 普化（ Generalization）能力與抽象能力 信息的分布存放n 信息的分布存提供容錯功能n 由于信息被分布存放在幾乎整個網(wǎng)絡中，所以，當其中的某一個點或者某幾個點被破壞時，信息仍然可以被存取。n 并不是說可以任意地對完成學習的網(wǎng)絡進行修改。 適應性 (Applicability)問題n 擅長兩個方面：n 對大量的數(shù)據(jù)進行分類，并且只有較少的幾種情況；n 必須學習一個復雜的非線性映射。n 在數(shù)據(jù)壓縮、模式匹配、系統(tǒng)建模、模糊控制、求組合優(yōu)化問題的最佳解的近似解（不是最佳近似解）等方面也有較好的應用。n 人工神經(jīng)元模型應該具有生物神經(jīng)元的六個基本特性。n 輸入： X=（ x1， x2， … ， xn）n 聯(lián)接權(quán)： W= （ w1， w2， … ， wn） Tn 網(wǎng)絡輸入： =∑xiwin 向量形式： =XWxnwn∑x1w1x2w2=XW…激活函數(shù) (ActivationFunction） f（ ） =k*+c ooc非線性斜面函數(shù) (Ramp ifk* if≤θ 非線性斜面函數(shù)（ Rampγθ Function）階躍函數(shù) β if≤θf（ ） =0 ifθ雙極形式：1 if≤Function）階躍函數(shù)β γθo0 S形函數(shù) 壓縮函數(shù)（ SquashingFunction）。它的飽和值為 a和 a+b。1/(1+exp(d*)) 函數(shù)的飽和值為 0和 1。從這些數(shù)據(jù)中分別隨機抽取 1/4的數(shù)據(jù)各 52組作為檢驗樣本和測試樣本 ,其余的 104組 (占 50%)數(shù)據(jù)作為訓練樣本。以浮游植物作為輸出因子。這使得它特別適合于求解內(nèi)部機制復雜的問題；② 網(wǎng)絡能通過學習帶正確答案的實例集自動提取 “合理的”求解規(guī)則，即具有自學習能力；③ 網(wǎng)絡具有一定的推廣、概括能力。② 網(wǎng)絡訓練失敗的可能性較大，其原因有：a 從數(shù)學角度看， BP算法為一種局部搜索的優(yōu)化方法，但它要解決的問題為求解復雜非線性函數(shù)的全局極值，因此，算法很有可能陷入局部極值，使訓練失??；b 網(wǎng)絡的逼近、推廣能力同學習樣本的典型性密切相關(guān)，而從問題中選取典型樣本實例組成訓練集是一個很困難的問題。這涉及到網(wǎng)絡容量的可能性與可行性的關(guān)系問題，即學習復雜性問題；④ 網(wǎng)絡結(jié)構(gòu)的選擇尚無一種統(tǒng)一而完整的理論指導，一般只能由經(jīng)驗選定。而網(wǎng)絡的結(jié)構(gòu)直接影響網(wǎng)絡的逼近能力及推廣性質(zhì)。一般情況下，訓練能力差時，預測能力也差，并且一定程度上，隨訓練能力地提高，預測能力也提高。此時，網(wǎng)絡學習了過多的樣本細節(jié)，而不能反映樣本內(nèi)含的規(guī)律。 InterNet被稱為萬維網(wǎng)、國際互聯(lián)網(wǎng)或因特網(wǎng)，是由美國 ARPNet發(fā)展起來的，采用TCP/IP協(xié)議通訊，是世界上最大的開放性全球信息網(wǎng)絡。搜索引擎的索引數(shù)據(jù)庫，以萬維網(wǎng)資源為主，有的還包括電子郵件地址、新
研究報告相關(guān)推薦
鄂ICP備17016276號-1