41概述 心当一个糸统只涉及数值(低层)数据,含 有模式识别部分,不应用人工智能意义上 的知识,而且能够呈现出 (1)计算适应性; (2)计算容错性; (3)接近人的速度; ((4)误差率与人相近, 则该糸统就是计算智能糸统。 今当一个智能计算条統以非数值方式如土知 识(精品)值,即成为人工智能糸统
6 ❖当一个系统只涉及数值（低层）数据，含 有模式识别部分，不应用人工智能意义上 的知识，而且能够呈现出： （1）计算适应性； （2）计算容错性； （3）接近人的速度； （4）误差率与人相近， 则该系统就是计算智能系统。 ❖当一个智能计算系统以非数值方式加上知 识（精品）值，即成为人工智能系统。 4.1 概述
4.2神经计算 4.2.1人工神经网络研究的进展 令1960年威德罗和霍夫率先把神经网络用于旬 动控制研究。 ☆60年代末期至80年代中期,神经网络控制与 (整个神经网络研究一样,处于低潮 令80年代后期以来,随着人工神经网络研究的 复苏和发展,对神经网络控制的研究也十分 活跃。这方面的研究进展主要在神经网絡自 逅应控制和模糊神经网络控制及其在机器人 控制中的应用上
7 ❖ 1960年威德罗和霍夫率先把神经网络用于自 动控制研究。 ❖ 60年代末期至80年代中期，神经网络控制与 整个神经网络研究一样，处于低潮。 ❖ 80年代后期以来，随着人工神经网络研究的 复苏和发展，对神经网络控制的研究也十分 活跃。这方面的研究进展主要在神经网络自 适应控制和模糊神经网络控制及其在机器人 控制中的应用上。 4.2 神经计算 4.2.1 人工神经网络研究的进展
4.2神经计算 人工神经网络的特性 心并行分布处理 令非线性映射 令通过训练进行学习 (令适应与集成 令硬件实现 8
8 ❖并行分布处理 ❖非线性映射 ❖通过训练进行学习 ❖适应与集成 ❖硬件实现 人工神经网络的特性 4.2 神经计算
4.2神经计算 142.2人工神经网络的结枸 1~Wj1 fO 图42神经元模型 9
9 4.2.2 人工神经网络的结构 4.2 神经计算 -1 W j 1 X1 X2 Wj2 X n W j n · ·· Σ ( ) Yi 图4.2 神经元模型
4.2神经计算 图42中的神经元单元由多个輪入x;,i=1,2,,Hn 和一个輪出y组成。中间状态由输入信号的权 和表示,而輪出为 y()=f(∑vmx-0) (4.1) (式中,日为神经元单元的偏置,V为连接权 数。n为输入信号数目,y为神经元输出,t为 附间,(为输出变换函数,如图43。C50 10
10 图4.2中的神经元单元由多个输入xi，i=1,2,...,n 和一个输出y组成。中间状态由输入信号的权 和表示，而输出为 （4.1） 式中，j为神经元单元的偏置，wji为连接权系 数。 n为输入信号数目，yj为神经元输出，t为 时间，f( )为输出变换函数，如图4.3。 4.2 神经计算 = = − n i j j i i j y t f w x 1 ( ) ( )