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 2021/12/14
◼ 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。 2021/12/14 6
4,2神经计算 42.1人工神经网络研究的进展 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。 2021/12/14
◼ 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 2021/12/14 7
人工神经网络的特性 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 2021/12/14
人工神经网络的特性 ◼ 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 2021/12/14 8
4.2.2人工神经网络的结构 X1 j1 j2 2 f( n 图42神经元模型 2021/12/14
4.2.2 人工神经网络的结构 -1 W j 1 X1 X2 Wj2 X n W j n · ·· Σ ( ) Yi 图4.2 神经元模型 2021/12/14 9
图42中的神经元单元由多个输入x,i1,2,,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 y()=f(∑vnx-0) (4.1) 式中,为神经元单元的偏置,w为连接权系 数。n为输入信号数目,y为神经元输出,为 时间,f)为输出变换函数,如图43。 2021/12/14
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。 = = − n i j j i i j y t f w x 1 ( ) ( ) 2021/12/14 10