- 相關(guān)推薦
神經(jīng)網(wǎng)絡(luò)與智能信息處理
關(guān)鍵詞:
80年代初,在美國、日本、接著在我國國內(nèi)都掀起了一股研究神經(jīng)網(wǎng)絡(luò)理論和神經(jīng)計算機(jī)的熱潮,并將神經(jīng)網(wǎng)絡(luò)原理應(yīng)用于圖象處理、模式識別、語音綜合及機(jī)器人控制等領(lǐng)域。近年來,美國等先進(jìn)國家又相繼投入巨額資金,制定出強(qiáng)化研究計劃,開展對腦功能和新型智能計算機(jī)的研究。
人腦是自生命誕生以來,生物經(jīng)過數(shù)十億年漫長歲月進(jìn)化的結(jié)果,是具有高度智能的復(fù)雜系統(tǒng),它不必采用繁復(fù)的數(shù)字計算和邏輯運(yùn)算,卻能靈活處理各種復(fù)雜的,不精確的和模糊的信息,善于理解語言、圖象并具有直覺感知等功能。
人腦的信息處理機(jī)制極其復(fù)雜,從結(jié)構(gòu)上看它是包含有140億神經(jīng)細(xì)胞的大規(guī)模網(wǎng)絡(luò)。單個神經(jīng)細(xì)胞的工作速度并不高(毫秒級),但它通過超并行處理使得整個系統(tǒng)實現(xiàn)處理的高速性和信息表現(xiàn)的多樣性。
因此,從信息處理的角度對人腦進(jìn)行研究,并由此研制出一種象人腦一樣能夠“思維”的智能計算機(jī)和智能信息處理方法,一直是人工智能追求的目標(biāo)。
神經(jīng)網(wǎng)絡(luò)就是通過對人腦的基本單元---神經(jīng)元的建模和聯(lián)結(jié),來探索模擬人腦神經(jīng)系統(tǒng)功能的模型,并研制一種具有學(xué)習(xí)、聯(lián)想、記憶和模式識別等智能信息處理功能的人工系統(tǒng)。本文介紹神經(jīng)網(wǎng)絡(luò)的特點以及近年來有關(guān)神經(jīng)網(wǎng)絡(luò)與混沌理論、模糊計算和遺傳算法等相結(jié)合的混合神經(jīng)網(wǎng)絡(luò)研究的動態(tài)。
一.神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義
回顧認(rèn)知科學(xué)的發(fā)展,有所謂符號主義和聯(lián)結(jié)主義兩大流派。符號主義從宏觀層次上,撇開人腦的內(nèi)部結(jié)構(gòu)和機(jī)制,僅從人腦外在表現(xiàn)出來的智能現(xiàn)象出發(fā)進(jìn)行研究。例如,將記憶、判斷、推理、學(xué)習(xí)等心理活動總結(jié)成規(guī)律、甚至編制成規(guī)則,然后用計算機(jī)進(jìn)行模擬,使計算機(jī)表現(xiàn)出各種智能。
符號主義認(rèn)為,認(rèn)識的基本元素是符號,認(rèn)知過程是對符號表示的運(yùn)算。人類的語言,文字的思維均可用符號來描述,而且思維過程只不過是這些符號的存儲、變換和輸入、輸出而已。以這種方法實現(xiàn)的系統(tǒng)具有串行、線性、準(zhǔn)確、簡潔、易于表達(dá)的特點,體現(xiàn)了邏輯思維的基本特性。七十年代的專家系統(tǒng)和八十年代日本的第五代計算機(jī)研究計劃就是其主要代表。
聯(lián)接主義則與其不同,其特點是從微觀出發(fā)。聯(lián)接主義認(rèn)為符號是不存在的,認(rèn)知的基本元素就是神經(jīng)細(xì)胞(神經(jīng)元),認(rèn)知過程是大量神經(jīng)元的聯(lián)接,以及這種聯(lián)接所引起的神經(jīng)元的不同興奮狀態(tài)和系統(tǒng)所表現(xiàn)出的總體行為。八十年代再度興起的神經(jīng)網(wǎng)絡(luò)和神經(jīng)計算機(jī)就是這種聯(lián)接主義的代表。
神經(jīng)網(wǎng)絡(luò)的主要特征是:大規(guī)模的并行處理和分布式的信息存儲,良好的自適應(yīng)、自組織性,以及很強(qiáng)的學(xué)習(xí)功能、聯(lián)想功能和容錯功能。與當(dāng)今的馮.諾依曼式計算機(jī)相比,更加接近人腦的信息處理模式。主要表現(xiàn)如下:
☆神經(jīng)網(wǎng)絡(luò)能夠處理連續(xù)的模擬信號。例如連續(xù)灰度變化的圖象信號。
☆能夠處理混沌的、不完全的、模糊的信息。
☆傳統(tǒng)的計算機(jī)能給出精確的解答,神經(jīng)網(wǎng)絡(luò)給出的是次最優(yōu)的逼近解答。
☆神經(jīng)網(wǎng)絡(luò)并行分布工作,各組成部分同時參與運(yùn)算,單個神經(jīng)元的動作速度不高,但總體的處理速度極快。
☆神經(jīng)網(wǎng)絡(luò)信息存儲分布于全網(wǎng)絡(luò)各個權(quán)重變換之中,某些單元障礙并不影響信息的完整,具有魯棒性。
☆傳統(tǒng)計算機(jī)要求有準(zhǔn)確的輸入條件,才能給出精確解。神經(jīng)網(wǎng)絡(luò)只要求部分條件,甚至對于包含有部分錯誤的輸入,也能得出較好的解答,具有容錯性。
☆神經(jīng)網(wǎng)絡(luò)在處理自然語言理解、圖象模式識別、景物理解、不完整信息的處理、智能機(jī)器人控制等方面有優(yōu)勢。
符號主義和聯(lián)接主義兩者各有特色,學(xué)術(shù)界目前有一種看法:認(rèn)為基于符號主義得傳統(tǒng)人工智能和基于聯(lián)接主義得神經(jīng)網(wǎng)絡(luò)是分別描述人腦左、右半腦的功能,反映了人類智能的兩重性:精確處理和非精確處理,分別面向認(rèn)識的理性和感性兩個方面,兩者的關(guān)系應(yīng)該是互補(bǔ)而非互相代替。理想的智能系統(tǒng)及其表現(xiàn)的智能行為應(yīng)是兩者相互結(jié)合的結(jié)果。
接下去的問題是,符號AI和聯(lián)接AI具體如何結(jié)合,兩者在智能系統(tǒng)中相互關(guān)系如何?分別扮演什么角色?目前這方面發(fā)表的文獻(xiàn)很多,大致有如下幾種類型:
1.松耦合模型:符號機(jī)制的專家系統(tǒng)與聯(lián)接機(jī)制的神經(jīng)網(wǎng)絡(luò)通過一個中間媒介(例如數(shù)據(jù)文件)進(jìn)行通訊。
2.緊耦合模型:與松耦合模型相比較,其通訊不是通過外部數(shù)據(jù)進(jìn)行,而是直接通過內(nèi)部數(shù)據(jù)完成,具有較高的效率。其主要類型有嵌入式系統(tǒng)和黑板結(jié)構(gòu)等。
3.轉(zhuǎn)換模型:將專家系統(tǒng)的知識轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò),或把神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換成專家系統(tǒng)的知識,轉(zhuǎn)換前的系統(tǒng)稱為源系統(tǒng),轉(zhuǎn)換后的系統(tǒng)稱為目標(biāo)系統(tǒng),由一種機(jī)制轉(zhuǎn)成另一種機(jī)制。如果源系統(tǒng)是專家系統(tǒng),目標(biāo)系統(tǒng)是神經(jīng)網(wǎng)絡(luò),則可獲得學(xué)習(xí)能力及自適應(yīng)性;反之,可獲得單步推理能力、解釋能力及知識的顯式表示。當(dāng)然,轉(zhuǎn)換需要在兩種的機(jī)制之間,確定結(jié)構(gòu)上的一致性,目前主要問題是還沒有一種完備而精確的轉(zhuǎn)換方法實現(xiàn)兩者的轉(zhuǎn)換。有待進(jìn)一步研究。
4.綜合模型:綜合模型共享數(shù)據(jù)結(jié)構(gòu)和知識表示,這時聯(lián)接機(jī)制和符號機(jī)制不再分開,兩者相互結(jié)合成為一個整體,既具有符號機(jī)制的邏輯功能,又有聯(lián)接機(jī)制的自適應(yīng)和容錯性的優(yōu)點和特點。例如聯(lián)接主義的專家系統(tǒng)等。
近年來神經(jīng)網(wǎng)絡(luò)研究的另一個趨勢,是將它與模糊邏輯、混沌理論、遺傳進(jìn)化算法等相結(jié)合,即所謂“混合神經(jīng)網(wǎng)絡(luò)”方法。由于這些理論和算法都是屬于仿效生物體信息處理的方法,人們希望通過她們之間的相互結(jié)合,能夠獲得具有有柔性信息處理功能的系統(tǒng)。下面分別介紹。
二.混沌理論與智能信息處理
混沌理論是對貌似無序而實際有序,表面上看來是雜亂無章的現(xiàn)象中,找出其規(guī)律,并予以處理的一門學(xué)科。早在七十年代,美國和歐洲的一些物理學(xué)家、生物學(xué)家、數(shù)學(xué)家就致力于尋求在許許多多不同種類的不規(guī)則性之間的聯(lián)系。生物學(xué)家發(fā)現(xiàn)在人類的心臟中有混沌
【神經(jīng)網(wǎng)絡(luò)與智能信息處理】相關(guān)文章:
人工神經(jīng)網(wǎng)絡(luò)與車輛的結(jié)合論文11-26
淺談智能移動電話與移動智能網(wǎng)的發(fā)展02-23
人工智能03-21
憶阻器在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用12-09
探討B(tài)P神經(jīng)網(wǎng)絡(luò)的圖像Hash算法03-03
基于LMBP神經(jīng)網(wǎng)絡(luò)的聲納圖像識別03-07
環(huán)境科學(xué)人工神經(jīng)網(wǎng)絡(luò)運(yùn)用論文11-25