模式識(shí)別、人工智能與醫(yī)學(xué)專家系統(tǒng)之間的關(guān)系

1、人工智能、模式識(shí)別與醫(yī)學(xué)專家系統(tǒng),第一節(jié) 人工智能,“智能化”是當(dāng)前新技術(shù)、新產(chǎn)品、新產(chǎn)業(yè)的重要發(fā)展方向、開(kāi)發(fā)策略和顯著標(biāo)志，例如：智能控制（Intelligent Control）、智能自動(dòng)化（Intelligent Automation）、智能管理（Intelligent Management）、……。因此，人工智能具有廣泛的用途?？梢哉f(shuō)，哪里有計(jì)算機(jī)應(yīng)用，哪里就在用人工智能；哪里需要自動(dòng)化或半自動(dòng)化，哪里就在應(yīng)用人工智能的理論、方

2、法和技術(shù)。,一.人工智能概述什么是智能智能（Intelligence)即智力功能，是人類大腦所具有的感知、認(rèn)識(shí)、學(xué)習(xí)、理解、分析、綜合、判斷、推理、創(chuàng)造……等局部功能的總和與它們的有機(jī)綜合的統(tǒng)稱；因此，完善的智能中不能不包含有人類的情感、意識(shí)、意志等這種高級(jí)因素。,智能究竟是什么？    智能是解決感性問(wèn)題的能力。所謂感性就是個(gè)別的、特殊的、隨機(jī)的、模糊的、感官的、情緒化的、個(gè)人意志的。

3、解決這類問(wèn)題需要經(jīng)驗(yàn)的積累和歸納推理并形成新的經(jīng)驗(yàn)。也就是具有自動(dòng)學(xué)習(xí)、經(jīng)驗(yàn)積累和應(yīng)用知識(shí)的能力。對(duì)電腦而言，智能就是必須具有優(yōu)化、擴(kuò)展和改變主體已有程序和創(chuàng)建新程序的能力，即具有我們過(guò)去常說(shuō)的主觀能動(dòng)性。智能可以利用一般經(jīng)驗(yàn)或理論解決特殊問(wèn)題，也可以歸納總結(jié)個(gè)別的經(jīng)驗(yàn)使之上升到普遍的理論。,人的行為可分為社會(huì)行為和個(gè)人行為。智能在人的社會(huì)行為中的作用主要是制定社會(huì)規(guī)則、探索和發(fā)現(xiàn)自然規(guī)則以及選擇和套用這些規(guī)則。而智能在人的個(gè)人行

4、為中主要是通過(guò)個(gè)人情感和意志起作用以處理新鮮感受。,什么是人工智能 人工智能（Artificial Intelligence) 是利用設(shè)備或機(jī)器，用人工的方法，對(duì)人腦的思維活動(dòng)過(guò)程進(jìn)行模擬；當(dāng)使得設(shè)備或機(jī)器的功能與腦功能大體等價(jià)時(shí)，這種設(shè)備或機(jī)器的功能就可以認(rèn)為是具有某種程度的人工智能。人工智能應(yīng)該以平均智力商為評(píng)定標(biāo)準(zhǔn)，并在與對(duì)比者（人）同等條件狀況下進(jìn)行全面地綜合測(cè)試或進(jìn)行某幾種局部功能的單項(xiàng)測(cè)試；當(dāng)測(cè)試結(jié)果不低于規(guī)定的智力商數(shù)時(shí)

5、，應(yīng)當(dāng)承認(rèn)該設(shè)備或機(jī)器具有某種程度或某種意義的人工智能。,所謂人工智能，又稱為智能模擬，是計(jì)算機(jī)技術(shù)的一個(gè)分支，它研究如何利用計(jì)算機(jī)來(lái)完成用人的智慧才能完成的工作。 人工智能問(wèn)題是一個(gè)古老的但又是十分新穎的研究課題。近十多年來(lái)，各國(guó)研究人員在人工智能的研究上都已經(jīng)獲得巨大的進(jìn)展。然而各種傳統(tǒng)的或新穎的智能模型迄今還不能完全而圓滿地對(duì)大腦思維活動(dòng)的過(guò)程進(jìn)行解釋和模擬，人們還不十分了解信息在大腦中的底層結(jié)構(gòu)和編碼方法；其中特

6、別是象人們的概念、意識(shí)、情感和創(chuàng)造性思維過(guò)程等，還根本無(wú)從著手；同時(shí)關(guān)于這一方面，在哲學(xué)上、自然科學(xué)上還有很大的爭(zhēng)論，還不能得到哲學(xué)界和自然科學(xué)界的一致認(rèn)同。,人工智能與計(jì)算機(jī) 人們?cè)缫蚜?xí)慣于把計(jì)算機(jī)稱之為“電腦”，但是人們忽略了這樣一個(gè)事實(shí)∶無(wú)論電腦的功能有多么強(qiáng)大，用途有多么廣泛，它也不過(guò)是個(gè)具有超級(jí)能力的白癡。    嚴(yán)格地講，電腦只能執(zhí)行特定的指令，而人腦則是處理所有感受到的信息。所謂“特定

7、的指令”是指電腦程序可接受的或可執(zhí)行的外部輸入。顯然執(zhí)行指令與處理信息有著本質(zhì)的不同。    這并不是否認(rèn)電腦具有處理信息的能力，這里說(shuō)的電腦處理信息與人腦處理信息是不同的概念。其實(shí)電腦處理信息過(guò)程也是在執(zhí)行外部指令或給定程序中的指令。,電腦的軟硬件都不是自發(fā)進(jìn)化而成的。電腦程序是人根據(jù)自然規(guī)律、法則和社會(huì)經(jīng)驗(yàn)的歸納總結(jié)，是由人編制的。 電腦程序集中的是人的經(jīng)驗(yàn)總結(jié)，其本質(zhì)是理性的。所謂理性就是理論

8、的、有序的、精確的、數(shù)字化的、結(jié)論性的、有規(guī)律的、普遍性的、公共的、合乎邏輯的。簡(jiǎn)單類比就如同是一本操作手冊(cè)，人們只要照它去做就是了。顯然智能不是被用來(lái)解決這類理性化的問(wèn)題的。（智能是解決感性問(wèn)題的能力。）因?yàn)楫?dāng)一切都規(guī)定好了、程序化了，就根本不需要智能了。由此我們得出一個(gè)結(jié)論∶無(wú)論電腦的功能有多么強(qiáng)大，只要它只能按給定的程序來(lái)工作，它就不能算作具有智能。,記憶、歸納推理與信息處理 通常記憶內(nèi)容包括兩個(gè)部分∶一是記錄所接受或感受到的

9、信息，這主要是指外部進(jìn)來(lái)的信息。二是自動(dòng)記錄主體自身的活動(dòng)過(guò)程。電腦只能記憶前者，而不能記憶后者。而人腦則兩者都可以做到。電腦的記憶過(guò)程是被動(dòng)地執(zhí)行指令，它所能記住的東西僅僅是工作所需的程序和要處理的數(shù)據(jù)。而人腦所記錄的東西不僅僅是感受到的信息，而且最重要的是能夠記錄處理信息的過(guò)程，或者說(shuō)能夠記錄大腦自身有意識(shí)的活動(dòng)內(nèi)容。記憶內(nèi)容第二部分所指的過(guò)程是自動(dòng)的、不受控的，而第一部分則是可以被控制的。,記憶、歸納推理與信息處理利用已有的經(jīng)驗(yàn)

10、來(lái)解決新的問(wèn)題需要?dú)w納和推理。人的這種能力是由人腦的記憶構(gòu)造決定的。人腦在發(fā)育的早期階段記憶過(guò)程主要是素材和基本經(jīng)驗(yàn)塊堆的建立和積累，即機(jī)械記憶。人腦在成熟階段記憶過(guò)程主要是經(jīng)驗(yàn)塊堆的關(guān)聯(lián)和重組，即關(guān)聯(lián)記憶。由關(guān)聯(lián)記憶形成的人腦活動(dòng)使人的思維模式天生具有歸納推理能力。經(jīng)驗(yàn)的重組使人得到了新的經(jīng)驗(yàn)，獲得了進(jìn)步。人腦的這種記憶構(gòu)造的優(yōu)點(diǎn)是具有模糊識(shí)別和記憶修補(bǔ)能力，缺點(diǎn)是老的關(guān)聯(lián)成分會(huì)因打散而消退, 即產(chǎn)生忘卻。,記憶、歸納推理與信息處理

11、人記住一張臉至少不比記住一個(gè)外語(yǔ)單詞要難，而電腦恰恰相反，它寧愿去記一個(gè)城市的電話簿。電腦幾乎完全靠機(jī)械般的精確記憶，而且不能利用記憶進(jìn)行歸納推理，因而無(wú)法實(shí)現(xiàn)智能所必須的利用自身經(jīng)驗(yàn)之功能。電腦雖能記憶，但不能具有經(jīng)驗(yàn)。    電腦在記憶時(shí)會(huì)把所有的素材都記錄下來(lái)。嚴(yán)格地講，電腦中的磁盤并不完全屬于它的"腦子"，磁盤中的數(shù)據(jù)部分就象人的筆記本和資料庫(kù)那樣，是腦外之物。而我們?nèi)四X中已經(jīng)

12、固有了基本素材和經(jīng)驗(yàn)，記憶時(shí)只需要把已有的各個(gè)素材和經(jīng)驗(yàn)的關(guān)聯(lián)記錄下來(lái)。這里所說(shuō)的素材就是人對(duì)最基本物理感受的機(jī)械記憶。,記憶、歸納推理與信息處理其實(shí)這些素材的量并不是很多，當(dāng)出生的嬰兒一開(kāi)始感受這個(gè)世界，只需要不長(zhǎng)的時(shí)期就可以得到他一生所需的基本記憶素材。其他時(shí)間的記憶就是把這些素材關(guān)聯(lián)成塊，再把塊關(guān)聯(lián)成堆。塊塊堆堆之間的再關(guān)聯(lián)就構(gòu)成了我們腦袋里的復(fù)雜記憶。對(duì)人類大腦的解剖分析也支持這一論點(diǎn)，另外人的記憶和經(jīng)驗(yàn)的增加并沒(méi)有使大腦越長(zhǎng)

13、越大，這還可以解釋我們大腦在工作時(shí)為什么消耗很小的物理能量。關(guān)聯(lián)記憶使得我們成年人腦袋的大小并不與記憶的多少成正比。要是我們把所有的感受象錄音、錄像那樣全都記下來(lái)，要么把我們的腦子脹爆，要么我們的腦袋長(zhǎng)得比樓房還大。,記憶、歸納推理與信息處理人類的情感和智能都與我們大腦的記憶特性密切相關(guān)，我們大腦有意識(shí)的活動(dòng)在相當(dāng)程度上是記憶活動(dòng)。探索和認(rèn)識(shí)人腦的記憶原理是實(shí)現(xiàn)人工智能的重要一環(huán)，也是電腦模擬或?qū)崿F(xiàn)人腦智能的必經(jīng)之路。任何試圖逃避這一

14、關(guān)的做法都不會(huì)成功。    電腦科技的高速發(fā)展并未導(dǎo)致電腦在智能化方面有什么進(jìn)展，其重要原因之一就是電腦的記憶方式一直停留在它的初始階段。,二、人工智能的發(fā)展軌跡,(1) 模擬人類的思維規(guī)律，即推理方法的研究和程序化；　　(2) 正確的知識(shí)表示，運(yùn)用知識(shí)進(jìn)行推理，即知識(shí)的形式化；　　(3) 從大量已有的知識(shí)推出新的知識(shí)，即專家系統(tǒng)。,三、人工智能的基本方法,人工智能的基本方法有以下幾種：　　1、啟發(fā)

15、式搜索：人們解決問(wèn)題的基本方法是方案--試驗(yàn)法，對(duì)各種可能的方案進(jìn)行試驗(yàn)，直至找到正確的方案。搜索策略有盲目搜索、啟發(fā)式搜索之分。盲目搜索是對(duì)可能方案進(jìn)行順序的試驗(yàn)；啟發(fā)式搜索是依照經(jīng)驗(yàn)或某種啟發(fā)式信息，摒棄希望不大的搜索方向。啟發(fā)式搜索大大加快搜索過(guò)程，使得人們處理問(wèn)題效率得到提高。,2、規(guī)劃：人們待解決的問(wèn)題一般可以分解轉(zhuǎn)化為若干小問(wèn)題，對(duì)于每個(gè)小問(wèn)題還可以進(jìn)行分解。由于解決小問(wèn)題的搜索大為減少，使得原問(wèn)題的復(fù)雜度降低，問(wèn)題的解決得

16、到簡(jiǎn)化。規(guī)劃要依靠啟發(fā)式信息，成功與否，很大程度上決定于啟發(fā)信息的可靠程度?！　?、知識(shí)的表達(dá)技術(shù)：知識(shí)在計(jì)算機(jī)內(nèi)的表達(dá)方式是用計(jì)算機(jī)模擬人類智能必須解決的重要問(wèn)題。問(wèn)題解決的關(guān)鍵是如何把各類知識(shí)進(jìn)行編碼、存儲(chǔ)；如何快速尋找需要的知識(shí)；如何對(duì)知識(shí)進(jìn)行運(yùn)算、推理；如何對(duì)知識(shí)進(jìn)行更新、修改。,四、人工智能的研究和應(yīng)用領(lǐng)域,人工智能的研究和應(yīng)用領(lǐng)域概括起來(lái)有8個(gè)：　　1、問(wèn)題求解：我們通過(guò)對(duì)人們求解問(wèn)題的一般規(guī)律、求解問(wèn)題的思路的研究，編

17、制一個(gè)智能程序，依照人們解決問(wèn)題的方法與步驟，解決問(wèn)題?！　?、自然語(yǔ)言處理：自然語(yǔ)言處理是研究計(jì)算機(jī)如何運(yùn)用已有的詞法和語(yǔ)法規(guī)則，正確理解人們的自然語(yǔ)言，以方便用戶的使用與表達(dá)?！　?、模式識(shí)別：模式識(shí)別是研究如何從龐大的信息中提取特征，根據(jù)特征識(shí)別不同事物的基本原理。,4、智能數(shù)據(jù)庫(kù)：智能數(shù)據(jù)庫(kù)是研究利用人的推理、想象、記憶原理，實(shí)現(xiàn)對(duì)數(shù)據(jù)庫(kù)的存儲(chǔ)、搜索和修改。智能數(shù)據(jù)庫(kù)通過(guò)有效的組織，能夠滿足人們快速檢索和修改數(shù)據(jù)庫(kù)的要求。

18、　　5、智能機(jī)器人：智能機(jī)器人能夠?qū)ν獠凯h(huán)境具有一定的適應(yīng)能力，根據(jù)實(shí)際的環(huán)境信息進(jìn)行綜合處理，并做出正確的響應(yīng)。這種機(jī)器人用于航天、軍事、工業(yè)制造等領(lǐng)域?！　?、博奕：博弈是研究使自己取勝、戰(zhàn)勝對(duì)手的策略。在決策過(guò)程中要對(duì)形勢(shì)做出恰當(dāng)?shù)墓烙?jì)，搜尋各種可能的策略組合，通過(guò)對(duì)比分析確定對(duì)自己最有利的策略。其中運(yùn)用到問(wèn)題求解、模式識(shí)別等方法。,7、程序自動(dòng)設(shè)計(jì)：程序自動(dòng)化是為了設(shè)計(jì)一種算法。該算法是分層結(jié)構(gòu)的，先提出一些規(guī)定，形成最高一

19、級(jí)的算法，并提出下一層算法的規(guī)定，然后按照這些規(guī)定形成下一級(jí)的算法和再下一級(jí)的規(guī)定，最后完成整個(gè)程序。程序自動(dòng)化較多的研究工作放在了自動(dòng)程序驗(yàn)證方面，即讓計(jì)算機(jī)自動(dòng)查找程序中的錯(cuò)誤?！　?、定理的自動(dòng)證明：計(jì)算機(jī)通過(guò)模仿人的推理和演繹過(guò)程，從最基本的公理出發(fā)，證明定理的正確性?！　‖F(xiàn)在信息技術(shù)的飛速發(fā)展，使得Al有更廣泛的研究和應(yīng)用領(lǐng)域，如專家咨詢系統(tǒng)、組合調(diào)度問(wèn)題、虛擬現(xiàn)實(shí)等等。,五、應(yīng)用舉例,指紋識(shí)別技術(shù)是指利用計(jì)算機(jī)進(jìn)行的指紋

20、自動(dòng)識(shí)別技術(shù)，它是一項(xiàng)綜合技術(shù)，其研究發(fā)展涉及到多個(gè)前沿及邊緣科學(xué)，如模糊數(shù)學(xué)、數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工智能、數(shù)據(jù)壓縮、并行處理以及網(wǎng)絡(luò)技術(shù)等。這種技術(shù)的原理是通過(guò)指紋掃描儀上的光電識(shí)別器(攝像頭)對(duì)人指尖的卷狀紋理和渦進(jìn)行掃描后，計(jì)算機(jī)把特定的隆起部位的位置制成表和記錄下來(lái)而形成一個(gè)對(duì)每一個(gè)人來(lái)說(shuō)都是唯一的一個(gè)壓痕模式，存入計(jì)算機(jī)指紋數(shù)據(jù)庫(kù)。,計(jì)算機(jī)指紋掃描儀能夠區(qū)分人的手指與偽造的如蠟制的手指或橡膠手套上的指

21、紋，這是由于對(duì)人的手指其掃描儀傳感系統(tǒng)能分辨出血液的流動(dòng)情況、血壓等信息。當(dāng)進(jìn)行身份認(rèn)證時(shí)，指紋自動(dòng)識(shí)別系統(tǒng)會(huì)將人現(xiàn)場(chǎng)通過(guò)指紋掃描儀收集到的指紋經(jīng)軟件系統(tǒng)與數(shù)據(jù)庫(kù)的指紋相對(duì)照而進(jìn)行確認(rèn)，對(duì)主流機(jī)型只需2秒左右的時(shí)間。由于兩個(gè)人擁有完全相同指紋的概率估計(jì)少于10億分之一，因此識(shí)別率極高，如美國(guó)Identix公司的指紋掃描設(shè)備在用一個(gè)右手指正確匹配上接近100%。指紋相對(duì)人的其它生物特征具有個(gè)體差異大、實(shí)現(xiàn)識(shí)別所需的軟硬件資源較小等優(yōu)勢(shì)，因

22、此具有較大的應(yīng)用空間。,第二節(jié) 模式識(shí)別,人工智能中有一個(gè)很重要的領(lǐng)域就是模式識(shí)別。但對(duì)于什么是“模式”，或者什么是機(jī)器能夠辯別的“模式”，迄今尚無(wú)確切的定義。我們只能形象地解釋說(shuō)，人之所以能識(shí)別圖像、聲音、動(dòng)作、文字、面部表情等，是因?yàn)樗鼈兌即嬖谥从称涮卣鞯哪撤N模式。但這一解釋根本沒(méi)有詮釋模式的內(nèi)涵和外延。,,一．模式識(shí)別與模式識(shí)別的定義與目的按照廣義的定義，模式是一些供模仿用的、完美無(wú)缺的標(biāo)本。模式識(shí)別就是識(shí)別出特定客體所模仿

23、的標(biāo)本。,識(shí)別能力是人類和其它生物的一種基本屬性，根據(jù)被識(shí)別的客本的性質(zhì)可以將識(shí)別活動(dòng)分為兩個(gè)主要類型：具體的客體和抽象的客體。字符、圖畫(huà)、音樂(lè)…是具體的客體，它們通過(guò)對(duì)感官的刺激而被識(shí)別；論點(diǎn)、思想、信仰…則是非物質(zhì)的客體，對(duì)它們的研究主要屬于哲學(xué)、政治學(xué)的范疇。我們主要是研究具體客體的識(shí)別，而且僅局限于研究用機(jī)器完成與識(shí)別任務(wù)有關(guān)的基本理論與實(shí)用技術(shù)。這一類課題屬于工程學(xué)、計(jì)算機(jī)科學(xué)、應(yīng)用數(shù)學(xué)的范疇。對(duì)我們將要討論的內(nèi)容，我們對(duì)

24、模式、模式識(shí)別作如下狹義的定義：,模式是對(duì)某些感興趣的客體的定量的或結(jié)構(gòu)的描述，模式類是具有某些共同特征的模式的集合。模式識(shí)別是研究一種自動(dòng)技術(shù)，依靠這種技術(shù)，機(jī)器將自動(dòng)地（或人盡量少地干涉）把待識(shí)模式分配到各自的模式類中去。但模式識(shí)別不是簡(jiǎn)單的分類學(xué)，其目標(biāo)包括對(duì)于識(shí)別對(duì)象的描述、理解與綜合。,,模式識(shí)別是伴隨著計(jì)算機(jī)的研究、應(yīng)用日益發(fā)展起來(lái)的。其應(yīng)用領(lǐng)域涉及社會(huì)生活的各個(gè)方面，而且還在不斷擴(kuò)大。人們親切地稱計(jì)算機(jī)為電腦，幾乎所有

25、本來(lái)由人腦實(shí)現(xiàn)的功能，都謀略用“電腦”來(lái)完成。而且已經(jīng)取得，并不斷取得令人振奮的成就。,,但比起人腦來(lái)，電腦畢竟是小巫見(jiàn)大巫，不僅僅在于人腦約有1011～1012個(gè)腦細(xì)胞（被稱為神經(jīng)元），更在于每個(gè)神經(jīng)元約有103～104個(gè)突觸，即一個(gè)神經(jīng)元可通過(guò)突觸與8000 個(gè)其它神經(jīng)元交換信息，當(dāng)生物電流通過(guò)某一突觸時(shí)，神經(jīng)元就將信息傳送到下一神經(jīng)元。所以人腦有極豐富的聯(lián)想能力。可以超越時(shí)空，任意跳躍。因此計(jì)算機(jī)的聯(lián)想、判別與推理能力遠(yuǎn)不如人腦，

26、特別是在對(duì)外界信息的感知能力方面，更遠(yuǎn)不如人腦。,識(shí)別是人對(duì)感覺(jué)的認(rèn)知和判斷能力。 識(shí)別能力的高低體現(xiàn)了智能水平。識(shí)別由低到高分為三個(gè)層次。儀器水平∶物理識(shí)別動(dòng)物水平∶模糊識(shí)別人類智能水平∶情感識(shí)別,物理識(shí)別是對(duì)接受到的信息實(shí)現(xiàn)物理、化學(xué)和生物學(xué)的量化認(rèn)識(shí)。視覺(jué)包括明暗、顏色、大小、形狀、遠(yuǎn)近、運(yùn)動(dòng)狀態(tài)等。聽(tīng)覺(jué)包括聲音大小、頻率、方位、波形等。觸覺(jué)包括溫度、導(dǎo)熱率、硬度、粘度、大小、形狀、受力、活動(dòng)狀態(tài)等。嗅覺(jué)

27、和味覺(jué)包括物質(zhì)的組成及化學(xué)成分?，F(xiàn)代科技與電腦相結(jié)合在物理識(shí)別范圍和識(shí)別精度方面早已大大超過(guò)人自身的能力。幾乎所有的科學(xué)儀器都是用于這種識(shí)別。這種識(shí)別的特點(diǎn)是識(shí)別內(nèi)容分別獨(dú)立互不相關(guān)，事件具有精確的重復(fù)性，無(wú)需經(jīng)驗(yàn)和智能，完全可以程序化。所以它是最低層次的識(shí)別。,模糊識(shí)別是在大量復(fù)雜的信息中識(shí)別出有用的部分，即對(duì)接收的信息與以往的記憶和經(jīng)驗(yàn)進(jìn)行關(guān)聯(lián)認(rèn)識(shí)，剔除無(wú)關(guān)的信息。視覺(jué)包括在復(fù)雜的背景中辨認(rèn)特定的人和物或以往經(jīng)歷過(guò)的人和物。聽(tīng)覺(jué)包

28、括在嘈雜的背景中辨別出特定的聲音，特別是不同人的講話聲。模糊識(shí)別可解決有誰(shuí)、有什么、是誰(shuí)、是什么的問(wèn)題。這種對(duì)人來(lái)說(shuō)輕而易舉的能力對(duì)電腦來(lái)說(shuō)真是太難了。目前電腦可通過(guò)對(duì)照記錄的方式實(shí)現(xiàn)單一識(shí)別能力，例如指紋、圖形、語(yǔ)音等。由于電腦不能實(shí)現(xiàn)關(guān)聯(lián)記憶，所以它在模糊識(shí)別方面難以有突破性進(jìn)展。這個(gè)層次的識(shí)別與我們常見(jiàn)的寵物、牲畜、鳥(niǎo)、昆蟲(chóng)的識(shí)別能力大致相當(dāng)，因此它不能產(chǎn)生高級(jí)智能。,情感識(shí)別是最高級(jí)的識(shí)別。它是完全的感性識(shí)別。這種識(shí)別主要是針對(duì)

29、人際之間的信息交流。它包括文字、語(yǔ)言、歌曲、表情、外表、氣味和動(dòng)作所表達(dá)的含義，既識(shí)字又聽(tīng)得懂說(shuō)話，甚至包括自然現(xiàn)象、事件、環(huán)境和物品的人文美學(xué)含義。這種識(shí)別已經(jīng)超出了人工智能的模糊識(shí)別，達(dá)到了人工高級(jí)生命的能力。以單一語(yǔ)音識(shí)別為例∶初級(jí)識(shí)別能夠知道有聲音，模糊識(shí)別能夠知道說(shuō)什么或誰(shuí)在說(shuō)話，而高級(jí)識(shí)別則能通過(guò)說(shuō)話的內(nèi)容、音調(diào)、節(jié)奏知道說(shuō)話者的情緒和態(tài)度。這種識(shí)別要求電腦具有人類的情感。由此可見(jiàn)，高級(jí)智能與情感是完全相關(guān)的。,二．模式識(shí)別

30、的全過(guò)程,模式識(shí)別的全過(guò)程可用下圖簡(jiǎn)要的表示：,以上過(guò)程中，每一階段設(shè)計(jì)的好壞都會(huì)對(duì)全盤的工作產(chǎn)生嚴(yán)重的影響，所以每一階段都應(yīng)爭(zhēng)取尺可能完美的效果。,由于被識(shí)別的對(duì)象多半是具有不同特征的非電量，如灰度、色彩、聲音、壓力、溫度等，所以第一步就要將它們轉(zhuǎn)變?yōu)殡娦盘?hào)，然后經(jīng)A/D轉(zhuǎn)換，將它們轉(zhuǎn)換為能由計(jì)算機(jī)處理的數(shù)字量。數(shù)字化后的電信號(hào)需經(jīng)預(yù)處理，以濾除樣品采集過(guò)程中摻入的干擾、噪聲，并人為地突出有用信號(hào)，以得到良好的識(shí)別效果。,經(jīng)改善后的

31、有用信號(hào)，還要作特征抽取或基元抽取，才能對(duì)其分類。由于特征的抽取與待識(shí)模式的類別密切相關(guān)，很難有某種泛泛的規(guī)律可依循。隨著工作的深入，要不斷修改與完善此階段的工作，這也是圖8.1 中虛線回溯的含義。模式分類就是在前幾步準(zhǔn)備工作的基礎(chǔ)上，把被識(shí)別對(duì)象歸并分類，確認(rèn)其為何種模式的過(guò)程。這是模式識(shí)別“出成果”的階段，直接以其分類結(jié)果表明本次識(shí)別的結(jié)束。,模式分類按其方法，大致可分為四大類統(tǒng)計(jì)決策法句法結(jié)構(gòu)法模糊判決法人工智能法,,電

32、腦模式識(shí)別技術(shù)最初起源于圖像識(shí)別的需要，比如協(xié)助警方根據(jù)照片從茫茫人海中搜尋某個(gè)罪犯，或者幫助醫(yī)生把顯微鏡下的細(xì)菌進(jìn)行分類…。人腦在接受到視覺(jué)器官傳遞來(lái)的信息時(shí)，是怎樣識(shí)別和區(qū)分大千世界的萬(wàn)物的呢？一種方案是，大腦用一個(gè)神經(jīng)元與圖像上的每一點(diǎn)一一對(duì)應(yīng)并逐一判別，最后綜合為整體；但既使只描述圖像局部的大致輪廓，神經(jīng)元的數(shù)目仍不夠使用。,另一種更符合實(shí)際的方案是：大腦感知的不是圖像上的所有的點(diǎn)，而是輪廓中最典型的特征，如線段、角度、弧度

33、、反差、顏色等，把它們從圖像中抽取出來(lái)，然后結(jié)合頭腦中過(guò)去的記憶和有關(guān)經(jīng)驗(yàn)和知識(shí)分析判斷。這種“特征抽取”也是電腦圖像識(shí)別的基礎(chǔ)。要根據(jù)一張照片讓電腦在一群人中辯認(rèn)出某個(gè)人，可以先把這張照片輸入電腦，抽取照片上人像上的特征，如鼻子、嘴巴、眼睛和輪廓特點(diǎn)，進(jìn)行分類和加工，存放在機(jī)器里作為識(shí)別那個(gè)人的“模板”。然后，讓所有人都接受光電設(shè)備的描掃，把他們的圖像與機(jī)器事先存放的“模板”一一匹配。,只要待辯認(rèn)的人躲在這群人中間，哪怕他化了裝，留

34、了長(zhǎng)發(fā)，蓄了胡須，也逃不脫電腦的“火眼金睛”。這種圖像處理方法也叫“模板匹配”，它已廣泛應(yīng)用于公安部門識(shí)別犯罪嫌疑人的偵破工作。圖像識(shí)別技術(shù)比較成功的運(yùn)用領(lǐng)域是文字識(shí)別。如果把每一個(gè)漢字或西文字母都視為一個(gè)小圖形，模板匹配的方法自然可以移植到文字識(shí)別過(guò)程中。目前印刷體文字識(shí)別軟件早已進(jìn)行商品化階段。,,通常將印刷品上的文字用掃描儀輸入，首先經(jīng)過(guò)特征抽取處理，例如，某字的筆畫(huà)有幾筆，收尾端點(diǎn)有幾個(gè)，拐角有多少等。在電腦中已預(yù)先保存了各種

35、字的圖形和它們的特征，也稱為“模板”，全部模板就構(gòu)成一部“模板字典庫(kù)”。由于要考慮字體、字號(hào)、紙張、油墨等因素影響，每個(gè)字都有若干套不同的模板。接下來(lái)就是將抽取到的文字特征與模板字典逐一匹配，直到在字典庫(kù)中找到最接近的模板為止。運(yùn)用這種方法，對(duì)于印刷體文字，電腦能夠以“一目十行”的速度進(jìn)行閱讀。,電腦的語(yǔ)音識(shí)別也是一個(gè)非常重要的人工智能技術(shù)，是人工智能多年追逐的目標(biāo)。與“視覺(jué)”輸入設(shè)備掃描儀對(duì)應(yīng)的“聽(tīng)覺(jué)”輸入設(shè)備是話筒，語(yǔ)音識(shí)別的基礎(chǔ)技

36、術(shù)也是模式識(shí)別。由于每個(gè)人說(shuō)話的音色和音調(diào)都有一定的差異，發(fā)聲頻率各不相同。人腦對(duì)語(yǔ)音似乎有一種自適應(yīng)的能力，既能區(qū)分不同性別、不同年齡的語(yǔ)音差異，又能調(diào)整為能夠理解的音素，從而聽(tīng)懂各色人說(shuō)出的話語(yǔ)。采用模板匹配方式的電腦不可能具備這種本領(lǐng)，它通常只能“聽(tīng)懂”特定某人的聲音，而且是經(jīng)過(guò)了一段時(shí)間的“學(xué)習(xí)”的結(jié)果。學(xué)習(xí)過(guò)程稱為“訓(xùn)練”即對(duì)著電腦大聲重復(fù)地講述某些字詞，直到它把這些字詞的聲音頻譜特征“記住”，存放在參考樣本庫(kù)作為識(shí)別這個(gè)字詞

37、的模板。當(dāng)換了另一個(gè)人說(shuō)話，電腦的正確識(shí)別率可能就會(huì)下降。,,此外，語(yǔ)音識(shí)別對(duì)說(shuō)話者使用的詞匯必須作出限制，否則要求電腦具有極大的存儲(chǔ)容量和極高處理速度。1998年IBM公司發(fā)布ViaVoice98，使中文語(yǔ)音識(shí)別技術(shù)取得了實(shí)質(zhì)性突破，該軟件具有語(yǔ)音導(dǎo)航功能，在普通話的基礎(chǔ)上能適應(yīng)廣東、四川、上海三種口音，用平常速度口音讀一般文章的識(shí)別率達(dá)到85%~95% ，并具有自適應(yīng)功能，快速口音適應(yīng)只需訓(xùn)練5個(gè)詞、3句話，5分鐘左右即可建立一個(gè)

38、語(yǔ)音模型。已被廣泛使用。,人工智能模式識(shí)別的進(jìn)展，已經(jīng)在一定程度上使電腦具備了“聽(tīng)”、“說(shuō)”、“讀”的能力，但距離理想的目標(biāo)還有較長(zhǎng)的路程。對(duì)人類來(lái)說(shuō)，哪怕你把字寫(xiě)得龍飛鳳舞，哪怕你把話說(shuō)的含糊不清，我們也能根據(jù)對(duì)上下文的理解做出正確的識(shí)別。這表明人腦模式識(shí)別的方法不是或者不完全是“模板匹配”，對(duì)模糊信息的處理，人腦比電腦要強(qiáng)得多。此外，電腦儲(chǔ)存的模板庫(kù)或樣本庫(kù)，與它的判斷識(shí)別機(jī)構(gòu)兩相分離，當(dāng)模板庫(kù)容量十分龐大時(shí)，搜索匹配就顯得力不從心

39、；而人腦記憶的知識(shí)與其判斷機(jī)構(gòu)渾然一體，它的模式識(shí)別是尋找、運(yùn)用知識(shí)的思維決策。,,模式識(shí)別已廣泛應(yīng)用于生物醫(yī)學(xué)工程領(lǐng)域。生物醫(yī)學(xué)信號(hào)的自動(dòng)分類和識(shí)別，醫(yī)學(xué)圖像的識(shí)別都有相當(dāng)多的應(yīng)用實(shí)例。隨著計(jì)算機(jī)的發(fā)展與普及，模式識(shí)別的應(yīng)用必定會(huì)越來(lái)越廣泛。,第三節(jié) 專家系統(tǒng),所謂的專家系統(tǒng)實(shí)質(zhì)上是某一專門知識(shí)，例如某種疾病的診斷、處方，某些礦物的資源勘探數(shù)據(jù)分析等的計(jì)算機(jī)咨詢系統(tǒng)(軟件)。專家系統(tǒng)的基礎(chǔ)是專家知識(shí)。專家知識(shí)可以分成兩大類，一類是已

40、經(jīng)總結(jié)在書(shū)本上的定律、定理和公式等，另一類是專家們?cè)趯?shí)際工作中長(zhǎng)期積累的經(jīng)驗(yàn)、教訓(xùn)。這后一類知識(shí)往往難以總結(jié)成書(shū)面的規(guī)律或條文，但這類知識(shí)卻是十分寶貴的，它們?cè)趯＜易龀鰶Q策、指導(dǎo)工作和解決疑難問(wèn)題等方面起著重要作用。,第三節(jié) 專家系統(tǒng),什么是專家系統(tǒng)：“專家系統(tǒng)”(Expert System)是指具有相當(dāng)于專家的知識(shí)和經(jīng)驗(yàn)水平，以及解決專門問(wèn)題能力的計(jì)算機(jī)系統(tǒng)，通常指計(jì)算機(jī)軟件。,,自一九六八年由費(fèi)根鮑姆主持研制完成的第一個(gè)專家系統(tǒng)DE

41、NDRAL(質(zhì)譜數(shù)據(jù)分析、推斷化學(xué)分子結(jié)構(gòu)的系統(tǒng))以來(lái)，已經(jīng)在各行各業(yè)中研制了大量的專家系統(tǒng)。專門為專家系統(tǒng)設(shè)計(jì)的語(yǔ)言軟件Lisp和Prolog也已誕生。盡管有報(bào)道說(shuō)某些專家系統(tǒng)的分析判斷能力超過(guò)了專家水平，并創(chuàng)造了大量社會(huì)財(cái)富。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。在專家系統(tǒng)的研制過(guò)程中，人們?cè)絹?lái)越感到專家知識(shí)的獲取并轉(zhuǎn)換成計(jì)算機(jī)能夠接受的形式是專家系統(tǒng)研究的瓶頸。,,在研究人工智能的過(guò)程中，神經(jīng)生理學(xué)和心理學(xué)等方面的研究也

42、是一個(gè)重要的側(cè)面。現(xiàn)代腦科學(xué)已證實(shí)，人腦在結(jié)構(gòu)上是左腦和右腦左右對(duì)稱的器官，但左右腦的功能卻截然不同。左腦主司讀、寫(xiě)、聽(tīng)、說(shuō)這類文字、語(yǔ)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)。右腦主要負(fù)責(zé)形象思維的任務(wù)，例如圖像識(shí)別與處理、模式識(shí)別、音樂(lè)與藝術(shù)、模糊推理與學(xué)習(xí)等“并行”任務(wù)。當(dāng)我們力圖用當(dāng)代最先進(jìn)的串行計(jì)算機(jī)來(lái)實(shí)現(xiàn)右腦的形象思維功能時(shí)遇到了極大困難。,,一個(gè)對(duì)人來(lái)說(shuō)是非常簡(jiǎn)單的識(shí)別或判斷的任務(wù)，串行計(jì)算機(jī)卻要用大量

43、的內(nèi)存和漫長(zhǎng)的計(jì)算時(shí)間才能完成，以至當(dāng)問(wèn)題獲得解答時(shí)已沒(méi)有實(shí)際使用的價(jià)值。因而許多研究人員力圖模擬神經(jīng)系統(tǒng)的工作原理來(lái)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)。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)的能力，不需要復(fù)雜的編程，可以解決當(dāng)前專家系統(tǒng)研制的知識(shí)獲取和語(yǔ)言軟件兩大瓶頸問(wèn)題。,,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)。早在一九七一年

44、就由斯坦福大學(xué)的E．H．Shortiffe等研制了血液感染病醫(yī)療診斷系統(tǒng)MYCIN，它已成為成功的專家系統(tǒng)的一個(gè)典型。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。我國(guó)的研究者根據(jù)我國(guó)的特點(diǎn)，在中醫(yī)專家系統(tǒng)方面做了大量的工作，有一些已投入實(shí)際應(yīng)用。,,MYCIN系統(tǒng)研制發(fā)起人E．H．Shortiffe(愛(ài)德華持·

45、肖持利夫)是哈佛大學(xué)數(shù)學(xué)系畢業(yè)生，他獲得了斯坦福大學(xué)面向醫(yī)學(xué)的計(jì)算機(jī)應(yīng)用方面的獎(jiǎng)學(xué)金，到斯坦福大學(xué)當(dāng)研究生。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(kāi)創(chuàng)性的工作。當(dāng)他在一九七一年完成MYCIN系統(tǒng)時(shí)，他只是一名研究生，到了一九七九年成為斯坦福大學(xué)的內(nèi)科副教授。一九八零年召開(kāi)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。,,MYCIN是有關(guān)傳染病診斷和治療的咨詢系統(tǒng)。它能教會(huì)不擅長(zhǎng)診治傳染病

46、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。我們知道，傳染病種類繁多，與其相應(yīng)的抗生素種類也不少。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。似乎這就是開(kāi)發(fā)MYCIN系統(tǒng)的著眼點(diǎn)。,MYCIN系統(tǒng)存放有大量傳染病專家長(zhǎng)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)

47、則。這是目前專家系統(tǒng)使用得最廣泛的推理方式之一。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(guò)程含有“產(chǎn)生”、“做出”的含義，因此獲得“產(chǎn)生式”的名子。當(dāng)使用MYCIN進(jìn)行醫(yī)療診斷時(shí)，醫(yī)生通過(guò)計(jì)算機(jī)的人機(jī)交互接口，將病人數(shù)據(jù)送入計(jì)算機(jī)，MYCIN系統(tǒng)將外來(lái)數(shù)據(jù)不斷與內(nèi)部知識(shí)進(jìn)行匹配，直到獲得最終結(jié)果。,人工神經(jīng)網(wǎng)絡(luò),1 神經(jīng)元模型的提

48、出“人工神經(jīng)網(wǎng)絡(luò)”(ARTIFICIAL NEURAL NETWORK，簡(jiǎn)稱A.N.N.)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)。早在本世紀(jì)40年代初期，心理學(xué)家McCulloch、數(shù)學(xué)家Pitts就提出了人工神經(jīng)網(wǎng)絡(luò)的第一個(gè)數(shù)學(xué)模型，從此開(kāi)創(chuàng)了神經(jīng)科學(xué)理論的研究時(shí)代。其后，F(xiàn).Rosenblatt、Widrow和Hopf、J.J.Hopfield等學(xué)者又先后提出了感知模型，使得人工神經(jīng)網(wǎng)絡(luò)技

49、術(shù)得以蓬勃發(fā)展。,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。據(jù)神經(jīng)生物學(xué)家研究的結(jié)果表明，人的一個(gè)大腦一般有1010～1011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(shù)突組成。軸突的功能是將本神經(jīng)元的輸出信號(hào)(興奮)傳遞給別的神經(jīng)元。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。樹(shù)突的功能是接受來(lái)自其它神經(jīng)元的興奮。神經(jīng)元細(xì)胞體將

50、接受到的所有信號(hào)進(jìn)行簡(jiǎn)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。神經(jīng)元的樹(shù)突與另外的神經(jīng)元的神經(jīng)末梢相連的部分稱為突觸。,,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。,2 人工神經(jīng)網(wǎng)絡(luò)的工作原理人工神經(jīng)網(wǎng)絡(luò)首先要以一定的學(xué)習(xí)準(zhǔn)則進(jìn)行學(xué)習(xí)，然后才能工作?，F(xiàn)以人工神經(jīng)網(wǎng)絡(luò)對(duì)手寫(xiě)“A”、“B

51、”兩個(gè)字母的識(shí)別為例進(jìn)行說(shuō)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”。所以網(wǎng)絡(luò)學(xué)習(xí)的準(zhǔn)則應(yīng)該是：如果網(wǎng)絡(luò)作出錯(cuò)誤的的判決，則通過(guò)網(wǎng)絡(luò)的學(xué)習(xí)，應(yīng)使得網(wǎng)絡(luò)減少下次犯同樣錯(cuò)誤的可能性。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。在此情況下，網(wǎng)絡(luò)輸出為“1”和“0”的概率各為50%，也就是說(shuō)是完全

52、隨機(jī)的。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。,如果輸出為“0”(即結(jié)果錯(cuò)誤)，則把網(wǎng)絡(luò)連接權(quán)值朝著減小綜合輸入加權(quán)值的方向調(diào)整，其目的在于使網(wǎng)絡(luò)下次再遇到“A”模式輸入時(shí)，減小犯同樣錯(cuò)誤的可能性。如此操作調(diào)整，當(dāng)給網(wǎng)絡(luò)輪番輸入若干個(gè)手寫(xiě)字母“A”、“B”后，經(jīng)過(guò)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。這說(shuō)明網(wǎng)絡(luò)對(duì)這兩個(gè)模式的學(xué)習(xí)已經(jīng)獲得了成

53、功，它已將這兩個(gè)模式分布地記憶在網(wǎng)絡(luò)的各個(gè)連接權(quán)值上。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。一般說(shuō)來(lái)，網(wǎng)絡(luò)中所含的神經(jīng)元個(gè)數(shù)越多，則它能記憶、識(shí)別的模式也就越多。,,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。例如實(shí)現(xiàn)圖像識(shí)別時(shí)，只在先把許多不同的圖像樣板和對(duì)應(yīng)的應(yīng)識(shí)別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就會(huì)通過(guò)自學(xué)習(xí)功能，慢慢學(xué)會(huì)識(shí)別類似的圖像。自學(xué)習(xí)功能對(duì)于預(yù)測(cè)有特別重要的意義。預(yù)

54、期未來(lái)的人工神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)將為人類提供經(jīng)濟(jì)預(yù)測(cè)、市場(chǎng)預(yù)測(cè)、效益預(yù)測(cè)，其前途是很遠(yuǎn)大的。,第二，具有聯(lián)想存儲(chǔ)功能。人的大腦是具有聯(lián)想功能的。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。用人工神經(jīng)網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實(shí)現(xiàn)這種聯(lián)想?！　〉谌哂懈咚賹ふ覂?yōu)化解的能力。尋找一個(gè)復(fù)雜問(wèn)題的優(yōu)化解，往往需要很大的計(jì)算量，利用一個(gè)針對(duì)某問(wèn)題而設(shè)計(jì)的反饋型人工神經(jīng)網(wǎng)絡(luò)，發(fā)揮計(jì)算機(jī)的高速運(yùn)算能力，可能很快找到優(yōu)化解。,幾種典型神經(jīng)

55、網(wǎng)絡(luò)簡(jiǎn)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(shū)中，完整地提出了誤差逆?zhèn)鞑W(xué)習(xí)算法，并被廣泛接受。多層感知網(wǎng)絡(luò)是一種具有三層或三層以上的階層型神經(jīng)網(wǎng)絡(luò)。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。相鄰層之間的各神經(jīng)元實(shí)現(xiàn)全連接，即下一層的每一個(gè)神經(jīng)

56、元與上一層的每個(gè)神經(jīng)元都實(shí)現(xiàn)全連接，而且每層各神經(jīng)元之間無(wú)連接。,除了競(jìng)爭(zhēng)的方法外，還有通過(guò)抑制手段獲取勝利的方法，即網(wǎng)絡(luò)競(jìng)爭(zhēng)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。除此之外還有一種稱為側(cè)抑制的方法，即每個(gè)神經(jīng)元只抑制與自己鄰近的神經(jīng)元，而對(duì)遠(yuǎn)離自己的神經(jīng)元不抑制。這種方法常常用于圖象邊緣處理，解決圖象邊緣的缺陷問(wèn)題。競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)和不足：因?yàn)樗鼉H以輸出層中的單個(gè)神經(jīng)元代表某一類

57、模式。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。,(3)Hopfield神經(jīng)網(wǎng)絡(luò)：1986年美國(guó)物理學(xué)家J.J.Hopfield陸續(xù)發(fā)表幾篇論文，提出了Hopfield神經(jīng)網(wǎng)絡(luò)。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(wèn)題的系統(tǒng)方程式?；镜腍opfield神經(jīng)網(wǎng)絡(luò)是一個(gè)由非線性元件構(gòu)成的全連接型單層反饋系統(tǒng).,,神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容相當(dāng)廣泛

58、，反映了多學(xué)科交叉技術(shù)領(lǐng)域的特點(diǎn)。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。神經(jīng)網(wǎng)絡(luò)研究熱潮的興起是本世紀(jì)末人類科學(xué)技術(shù)發(fā)展全面飛躍的一個(gè)組成部分。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。我們也會(huì)看到，探索人腦功能和神經(jīng)網(wǎng)絡(luò)的研究將伴隨著重重困難的克服而日新月異。,學(xué)習(xí)規(guī)則及過(guò)程

59、：它以一種有教師示教的方式進(jìn)行學(xué)習(xí)。首先由教師對(duì)每一種輸入模式設(shè)定一個(gè)期望輸出值。然后對(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”)。實(shí)際輸出與期望輸出的差即是誤差。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(guò)程稱為“誤差逆?zhèn)鞑ァ薄Ｋ哉`差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)也簡(jiǎn)稱BP(Back Propagation)網(wǎng)。隨著“模式順傳播”和“誤差逆?zhèn)鞑ァ边^(guò)程的交替反復(fù)進(jìn)行。網(wǎng)絡(luò)的實(shí)際輸出逐漸向各自所

60、對(duì)應(yīng)的期望輸出逼近，網(wǎng)絡(luò)對(duì)輸入模式的響應(yīng)的正確率也不斷上升。通過(guò)此學(xué)習(xí)過(guò)程，確定下來(lái)各層間的連接權(quán)值之后就可以工作了。,由于BP網(wǎng)及誤差逆?zhèn)鞑ニ惴ň哂兄虚g隱含層并有相應(yīng)的學(xué)習(xí)規(guī)則可尋，使得它具有對(duì)非線性模式的識(shí)別能力。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。目前，在手寫(xiě)字體的識(shí)別、語(yǔ)音識(shí)別、文本——語(yǔ)言轉(zhuǎn)換、圖象識(shí)別以及生物醫(yī)學(xué)信號(hào)處理方面已有實(shí)際的應(yīng)用。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)

61、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。,(2)競(jìng)爭(zhēng)型(KOHONEN)神經(jīng)網(wǎng)絡(luò)：它是基于人的視網(wǎng)膜及大腦皮層對(duì)剌激的反應(yīng)而引出的。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。對(duì)于某一個(gè)輸入模式，通過(guò)競(jìng)爭(zhēng)在輸

62、出層中只激活一個(gè)相應(yīng)的輸出神經(jīng)元。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)的“特征圖形”。,競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)是一種以無(wú)教師方式進(jìn)行網(wǎng)絡(luò)訓(xùn)練的網(wǎng)絡(luò)。它通過(guò)自身訓(xùn)練，自動(dòng)對(duì)輸入模式進(jìn)行分類。競(jìng)爭(zhēng)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)。在網(wǎng)絡(luò)結(jié)構(gòu)上，它既不象階層型神經(jīng)網(wǎng)絡(luò)那樣各層神經(jīng)元之間只有單向連接，也不象全連接型網(wǎng)絡(luò)那樣在網(wǎng)絡(luò)結(jié)構(gòu)上沒(méi)有明顯的層次界限。它一般是由輸入層(模擬

63、視網(wǎng)膜神經(jīng)元)和競(jìng)爭(zhēng)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)。兩層之間的各神經(jīng)元實(shí)現(xiàn)雙向全連接，而且網(wǎng)絡(luò)中沒(méi)有隱含層，如圖5。有時(shí)競(jìng)爭(zhēng)層各神經(jīng)元之間還存在橫向連接。,,競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的基本思想是網(wǎng)絡(luò)競(jìng)爭(zhēng)層各神經(jīng)元競(jìng)爭(zhēng)對(duì)輸入模式的響應(yīng)機(jī)會(huì)，最后僅有一個(gè)神經(jīng)元成為競(jìng)爭(zhēng)的勝者，并且只將與獲勝神經(jīng)元有關(guān)的各連接權(quán)值進(jìn)行修正，使之朝著更有利于它競(jìng)爭(zhēng)的方向調(diào)整。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(jìng)