《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.ppt》由會(huì)員分享，可在線閱讀，更多相關(guān)《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.ppt（69頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

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。可以說，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

2、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。解決這類問題需要經(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，即具有我們過去常說的主觀能動(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、

3、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)人行為中主要是通過個(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)，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)

4、的一個(gè)分支，它研究如何利用計(jì)算機(jī)來完成用人的智慧才能完成的工作。 人工智能問題是一個(gè)古老的但又是十分新穎的研究課題。近十多年來，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；其中特別是象人們的概念、意識(shí)、情感和創(chuàng)造性思維過程等，還根本無從著手；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)無論電腦的功能有多么強(qiáng)大，用途有

5、多么廣泛，它也不過是個(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

6、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解決這類理性化的問題的。（智能是解決感性問題的能力。）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)論無論電腦的功能有多么強(qiáng)大，只要它只能按給定的程序來工作，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信息，這主要是指外部進(jìn)來的信息。二是自動(dòng)記錄主體自身的活動(dòng)過程。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

7、最重要的是能夠記錄處理信息的過程，或者說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)來解決新的問題需要?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

8、。,記憶、歸納推理與信息處理 人記住一張臉至少不比記住一個(gè)外語單詞要難，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。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那樣，是腦外之物。而我們?nèi)四X中已經(jīng)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。這里所說的素材就是人對(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

9、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)的增加并沒有使大腦越長(zhǎng)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，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

10、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)式搜索：人們解決問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

11、。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程，使得人們處理問題效率得到提高。,2、規(guī)劃：人們待解決的問題一般可以分解轉(zhuǎn)化為若干小問題，對(duì)于每個(gè)小問題還可以進(jìn)行分解。由于解決小問題的搜索大為減少，使得原問題的復(fù)雜度降低，問題的解決得到簡(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。3、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題。問題解決的關(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

12、、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)域概括起來有8個(gè)：1、問題求解：我們通過對(duì)人們求解問題的一般規(guī)律、求解問題的思路的研究，編制一個(gè)智能程序，依照人們解決問題的方法與步驟，解決問題。2、自然語言處理：自然語言處理是研究計(jì)算機(jī)如何運(yùn)用已有的詞法和語法規(guī)則，正確理解人們的自然語言，以方便用戶的使用與表達(dá)。3、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：智能數(shù)據(jù)庫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)庫的存儲(chǔ)、搜索和修改。智能數(shù)據(jù)庫通過有效的組織，能夠滿足人們快速檢索和修改數(shù)據(jù)庫的要求。 5、智能機(jī)器人：智能機(jī)器人能夠?qū)?/p>

13、外部環(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。6、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，通過對(duì)比分析確定對(duì)自己最有利的策略。其中運(yùn)用到問題求解、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。8、定理的自動(dòng)證明：計(jì)

14、算機(jī)通過模仿人的推理和演繹過程，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、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而形成一個(gè)對(duì)每一個(gè)人來說都是唯一的一個(gè)壓痕模式，存入計(jì)算機(jī)指紋數(shù)據(jù)庫。,計(jì)算

15、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)通過指紋掃描儀收集到的指紋經(jīng)軟件系統(tǒng)與數(shù)據(jù)庫的指紋相對(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

16、“模式”，或者什么是機(jī)器能夠辯別的“模式”，迄今尚無確切的定義。我們只能形象地解釋說，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、完美無缺的標(biāo)本。 模式識(shí)別就是識(shí)別出特定客體所模仿的標(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、音樂是具體的客體，它們通過對(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

17、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)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

18、機(jī)為電腦，幾乎所有本來由人腦實(shí)現(xiàn)的功能，都謀略用“電腦”來完成。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，電腦畢竟是小巫見大巫，不僅僅在于人腦約有10111012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103104個(gè)突觸，即一個(gè)神經(jīng)元可通過突觸與8000 個(gè)其它神經(jīng)元交換信息，當(dāng)生物電流通過某一突觸時(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，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

19、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)。視覺包括明暗、顏色、大小、形狀、遠(yuǎn)近、運(yùn)動(dòng)狀態(tài)等。聽覺包括聲音大小、頻率、方位、波形等。觸覺包括溫度、導(dǎo)熱率、硬度、粘度、大小、形狀、受力、活動(dòng)狀態(tài)等。嗅覺和味覺包括物質(zhì)的組成及化學(xué)成分。 現(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

20、往的記憶和經(jīng)驗(yàn)進(jìn)行關(guān)聯(lián)認(rèn)識(shí)，剔除無關(guān)的信息。視覺包括在復(fù)雜的背景中辨認(rèn)特定的人和物或以往經(jīng)歷過的人和物。聽覺包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、有什么、是誰、是什么的問題。這種對(duì)人來說輕而易舉的能力對(duì)電腦來說真是太難了。目前電腦可通過對(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)別與我們常見的寵物、牲畜、鳥、昆蟲的識(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)人際之間的信息交流。它包括文字、語言、歌曲、表情、

21、外表、氣味和動(dòng)作所表達(dá)的含義，既識(shí)字又聽得懂說話，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)別能夠知道說什么或誰在說話，而高級(jí)識(shí)別則能通過說話的內(nèi)容、音調(diào)、節(jié)奏知道說話者的情緒和態(tài)度。這種識(shí)別要求電腦具有人類的情感。由此可見，高級(jí)智能與情感是完全相關(guān)的。,二模式識(shí)別的全過程,模式識(shí)別的全過程可用下圖簡(jiǎn)要的表示：,以上過程中，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、

22、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

23、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。 人腦在接受到視覺器官傳遞來的信息時(shí)，是怎樣識(shí)別和區(qū)分大千世界的萬物的呢？ 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、反差、顏色等，把它們從圖像中抽取出來，然后結(jié)合頭腦中過去的記憶和有關(guān)經(jīng)驗(yàn)和知識(shí)分析判斷。這種“

24、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)別過程

25、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)過特征抽取處理，例如，某字的筆畫有幾筆，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”。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”輸入設(shè)備掃描儀對(duì)應(yīng)的“聽覺”輸入設(shè)備

26、是話筒，語音識(shí)別的基礎(chǔ)技術(shù)也是模式識(shí)別。由于每個(gè)人說話的音色和音調(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、不同年齡的語音差異，又能調(diào)整為能夠理解的音素，從而聽懂各色人說出的話語。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“聽懂”特定某人的聲音，而且是經(jīng)過了一段時(shí)間的“學(xué)習(xí)”的結(jié)果。學(xué)習(xí)過程稱為“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”，存放在參考樣本庫作為識(shí)別這個(gè)字詞的模板。當(dāng)換了另一個(gè)人說話，電腦的正確識(shí)別率可能就會(huì)下降。,,此外，語音識(shí)別對(duì)說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

27、量和極高處理速度。 1998年IBM公司發(fā)布ViaVoice98，使中文語音識(shí)別技術(shù)取得了實(shí)質(zhì)性突破，該軟件具有語音導(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)語音模型。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”、“說”、“讀”的能力，但距離理想的目標(biāo)還有較長(zhǎng)的路程。對(duì)人類來說，哪怕你把字寫得龍飛鳳舞，哪怕你把話說的含糊不清，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)

28、模糊信息的處理，人腦比電腦要強(qiáng)得多。此外，電腦儲(chǔ)存的模板庫或樣本庫，與它的判斷識(shí)別機(jī)構(gòu)兩相分離，當(dāng)模板庫容量十分龐大時(shí)，搜索匹配就顯得力不從心；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，一類是已經(jīng)總結(jié)在書本上的定

29、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)DENDRAL(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，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)的語言軟件Lisp和Prolog也已誕生。盡管有報(bào)道說某些專家系統(tǒng)

30、的分析判斷能力超過了專家水平，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)的研制過程中，人們?cè)絹碓礁械綄＜抑R(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?，F(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、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)。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)來實(shí)現(xiàn)

31、右腦的形象思維功能時(shí)遇到了極大困難。,,一個(gè)對(duì)人來說是非常簡(jiǎn)單的識(shí)別或判斷的任務(wù)，串行計(jì)算機(jī)卻要用大量的內(nèi)存和漫長(zhǎng)的計(jì)算時(shí)間才能完成，以至當(dāng)問題獲得解答時(shí)已沒有實(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)獲取和語言軟件兩大瓶頸問題。,,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)。早在一九七一年就由斯坦福大學(xué)的EHShortiffe等研制了血液感染病醫(yī)

32、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EHShortiffe(愛德華持肖持利夫)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

33、，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ǎ瑳Q非易事。似乎這就是開發(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

34、具有“如果那么”這種形式，稱為產(chǎn)生式規(guī)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

35、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10101011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。軸突的功能是將本神經(jīng)元

36、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。樹突的功能是接受來自其它神經(jīng)元的興奮。神經(jīng)元細(xì)胞體將接受到的所有信號(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“A”、“B”兩個(gè)字母的識(shí)別為例

37、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”。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%，也就是說是完全隨機(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

38、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。這說明網(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。一般說來，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

39、神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就會(huì)通過自學(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)期未來的人工神經(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。 第三，具有高速尋找優(yōu)化解的能力。尋找一個(gè)復(fù)雜問題的優(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)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R

40、umelhart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。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)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)元之間無連接。,除了競(jìng)爭(zhēng)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(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

41、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

42、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，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)則及過程：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

43、，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，此過程稱為“誤差逆?zhèn)鞑ァ?。所以誤差逆?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^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。,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

44、的應(yīng)用前景。目前，在手寫字體的識(shí)別、語音識(shí)別、文本語言轉(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)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，通過競(jìng)爭(zhēng)在

45、輸出層中只激活一個(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)是一種以無教師方式進(jìn)行網(wǎng)絡(luò)訓(xùn)練的網(wǎng)絡(luò)。它通過自身訓(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)上沒有明顯的層次界限。它一般是由輸入層(模擬視網(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)爭(zhēng)層神經(jīng)元將有最大的輸出值，即以競(jìng)爭(zhēng)層獲勝神經(jīng)元來表示分類結(jié)果。這是通過競(jìng)爭(zhēng)得以實(shí)現(xiàn)的，實(shí)際上也就是網(wǎng)絡(luò)回憶聯(lián)想的過程。,