1.1人工神经网络的提出 困难: 抽象—舍弃一些特性,同时保留一些特性 形式化处理—用物理符号及相应规则表达物 理系统的存在和运行。 对全局性判断、模糊信息处理、多粒度的视觉 信息处理等是非常困难的。 2004-2-18 26
2004-2-18 26 1.1 人工神经网络的提出 • 困难： – 抽象——舍弃一些特性，同时保留一些特性 – 形式化处理——用物理符号及相应规则表达物 理系统的存在和运行。 • 局限： – 对全局性判断、模糊信息处理、多粒度的视觉 信息处理等是非常困难的
1.1人工神经网络的提出 1.1.3联接主义观点 核心:智能的本质是联接机制。 神经网络是一个由大量简单的处理单元组 成的高度复杂的大规模非线性自适应系统 AN力求从四个方面去模拟人脑的智能行为 物理结构 计算模拟 存储与操作 训练 2004-2-18 27
2004-2-18 27 1.1 人工神经网络的提出 • 1.1.3 联接主义观点 • 核心：智能的本质是联接机制。 • 神经网络是一个由大量简单的处理单元组 成的高度复杂的大规模非线性自适应系统 • ANN力求从四个方面去模拟人脑的智能行为 – 物理结构 – 计算模拟 – 存储与操作 – 训练
1.1人工神经网络的提出 1.1.4两种模型的比较 物理符号系统 心理过程—逻辑思维。高级形式(思维的表象) 生理过程。形象思维低级形式(思维的根本) 仿生 人工神经网络 联结主义观点 2004-2-18 28
2004-2-18 28 1.1 人工神经网络的提出 • 1.1.4 两种模型的比较 心理过程 逻辑思维 高级形式（思维的表象） 生理过程 形象思维 低级形式（思维的根本） 仿生 人工神经网络 联结主义观点 物理符号系统
1.1人工神经网络的提出 物理符号系统和人工神经网络系统的差别 项目 物理符号系统人工神经网络 处理方式逻辑运算 模拟运算 执行方式串行 并行 动作 离散 连续 存储 局部集中 全局分布 2004-2-18 29
2004-2-18 29 1.1 人工神经网络的提出 • 物理符号系统和人工神经网络系统的差别 存储 局部集中 全局分布 动作 离散 连续 执行方式 串行 并行 处理方式 逻辑运算 模拟运算 项目 物理符号系统 人工神经网络
1.1人工神经网络的提出 两种人工智能技术的比较 项目 传统的A技术 ANN技术 基本实现串行处理;由程序实现并行处理;对样本数据进行多目标学习; 方式控制 通过人工神经元之间的相互作用实现控制 基本开发设计规则、框架、程序;定义人工神经网络的结构原型,通过样本 方法用样本数据进行调试数据,依据基本的学习算法完成学习 (由人根据已知的环境自动从样本数据中抽取内涵(自动适应应 去构造一个模型) 用环境) 适应领域|精确计算:符号处理,非精确计算:模拟处理,感觉,大规模数 数值计算 据并行处理 模拟对象左脑(逻辑思维) 右脑(形象思维) 2004-2-18
2004-2-18 30 1.1 人工神经网络的提出 • 两种人工智能技术的比较 模拟对象 左脑（逻辑思维） 右脑（形象思维） 非精确计算：模拟处理，感觉，大规模数 据并行处理 精确计算：符号处理， 数值计算 适应领域 定义人工神经网络的结构原型，通过样本 数据，依据基本的学习算法完成学习 自动从样本数据中抽取内涵（自动适应应 用环境） 设计规则、框架、程序； 用样本数据进行调试 （由人根据已知的环境 去构造一个模型） —— 基本开发 方法 并行处理；对样本数据进行多目标学习； 通过人工神经元之间的相互作用实现控制 串行处理；由程序实现 控制 基本实现 方式 项目 传统的AI技术 ANN技术