logo资料库

人工智能知识点.doc

发布时间：2022-05-31 发布人：admin 分类：说明书 资料大小：12.43M 资料格式：doc 举报 版权申诉
第1页 / 共58页
第2页 / 共58页
第3页 / 共58页
第4页 / 共58页
第5页 / 共58页
第6页 / 共58页
第7页 / 共58页
第8页 / 共58页
资料共58页，剩余部分请下载后查看
    趣谈人工智能——李志勇教授 从自然世界到智能时代 第一章 无处不在的“自然智能” 1.1 课程引入与自然智能 人法天，天法地，地法道，道法自然——老子《道德经》 蜻蜓——直升飞机 蝙蝠——雷达 蚂蚁——蚁群优化算法 无人驾驶汽车 自然智能是指自然界（包括生命个体、生物群体、生态系统、物理化学、社会经 济等）中所蕴含的天然的信息处理机制与系统 自然计算 1.2 自然智能研究的兴起、发展与分类 1994 年美国计算机科学家 雷纳德.阿德勒曼（L.Adleman） ——第一次利用现代分子生物技术，成功地在 DNA 溶液试管中完成了哈密尔顿有向路问题的实验（experiment） 人工免疫系统最初是由免疫学理论和观察到的免疫功能、原理和模型启发而产生 的适应性系统 1990 年伯西尼（Bersini）首次使用免疫算法来解决实际问题 20 世纪末福雷斯特（Forrest）等人开始将免疫算法应用于计算机安全领域；同 期亨特（Hunt）等人开始将免疫算法应用于机器学习领域 自然计算研究的发展：1953 模拟退火，1979 遗传生物，1989 禁忌搜索，1991 蚁群算法，1995 粒子群优化算法，2005 人工蜂群算法，2010 化学反应优化算法
    自然计算与人工智能的关系：前者是后者最重要的数学基础之一， 前者也需要后者的问题驱动发展 自然计算包括生物启发计算、进化计算、群体智能等 1.3 典型的自然计算案例 生物启发计算 生物启发计算与传统人工智能： 生物启发计算与传统人工智能的区别在于: 传统人工智能遵循自上而下、一次性的设计过程; 生物启发计算采用自下而上，分而治之的原则 生物启发计算的方法通常包括通过一套简约的规则或一组结
    构简单的种群，以及迭代地应用这些规则的过程。在反复应用这 些规则多代后，通常会出现一些复杂的行为，当复杂性急剧积累 后，最后出现复杂的智能效应 免疫算法的生物学原理——免疫系统 免疫算法 免疫算法模拟免疫系统的机制与功能 将实际问题的目标函数和约束条件模拟为抗原; 将问题的可行解模拟为抗体;可行解的目标函数值就代表了 抗体与抗原之间的亲和度; 优先选择那些与抗原亲和性比较好，而且浓度小的个体进入下一代，以实现对适 应度好的抗体的促进； 对浓度大的抗体的抑制，使之在进化的过程中保持生物多样性，避免陷入局部最 优解；利用记忆单元的作用，提高局部搜索能力，加快计算速度 进化计算的模型——物种进化论 进化论，又称演化论（Theory of Evolution），是指关于生物由低级到高级， 由简单到复杂逐步演变过程的学说
    进化计算最典型的方法有 4 种:遗传算法(Genetic AI gor ithm, 简称 GA)、进化策略(Evolutionary Strategy，简称 ES)、进化规划 (Evolut ionary Progr amming，简称 EP)和遗传程序设计(Genetic Progr ammi ng,简称 GP) 进化计算——以遗传算法为例 遗传算法( Genetic Algorithm ) 1975 年， 美国 Michigan 大学 J. Holland 提出遗传算法。 Inspired: （1）自然界的进化准则 适者生存 优胜劣汰 （2）生物的遗传学原理 基因复制、交叉、变异 群体智能 （蜜蜂、蚂蚁、鱼群、鸟群） 群体智能的方法的特点 采用分布式控制，不存在中心控制节点 具有较好的扩展性 实现较简单 具有较好的自组织性 蚁群算法——最短路径——外信息素 鸟群——大雁队形（省力）——麻雀快速觅食（通信机制） 鱼群——逃避天敌 蜜蜂——筑巢、采蜜 群体智能——以蚁群算法为例 个体觅食行为规则: 每个蚂蚁无规则行走，沿着嗅迹随机寻找食物; 如果发现食物，一边往巢穴搬运食物，同时沿途留下可挥发 的外激素，其强度与发现食物的品质和数量成正比; 其他蚂蚁遇到外激素，既可能循嗅迹前进，也可能走失（选 择其他路径），其走失率与嗅迹的强度成反比;
    群觅食原理 蚁 蚁群优化算法 蚁群算法（Ant Colony Algorithm，ACA）是由意大利 M.Dorigo（多里戈）等人 于 1990 到 200（有一种说法是 1991）发展起来的群体智能算法，模拟自然界蚂 蚁群体觅食行为进行寻优 算法特点 模拟蚂蚁群体社会行为 较强的鲁棒性（鲁棒 Robust 强壮的。鲁棒性，反映在异常和危险情况下系统生 存的能力的一种性质） 优良的分布式计算机制 易于与其他方法结合 模拟退火（simulated annealing, SA）算法的起源 模拟退火算法来源于固体退火原理，将固体加温至充分高， 再让其慢慢冷却。加温时，固体内部粒子随温升变为无序状，内 能增大;而慢慢冷却时粒子渐趋有序，在每个温度都达到平衡态, 最后在常温时达到基态，内能减为最小 模拟退火算法的基本原理与应用 它是基于概率统计学中 Mente Carlo（蒙特卡罗）迭代求解策略的一-种随机. 寻优算法。模拟退火算法从某-较高初温出发，伴随温度参数的 不断下降，结合概率突跳特性在解空间中随机寻找目标函数的全 局最优解。在局部最优状态能以更大概率跳出，并最终收敛于全
    局最优解 （本章彩蛋:中国大佬打败意大利佬） 第二章 视听系统与仿生感知 2.1 感知计算的仿生学原理 智能生物的感知方式包括视觉、听觉、触觉、嗅觉等。，其中视听觉信息最为普 遍与重要，其获取和加工处理占人类感知觉信息输入的 85%以上 概念：仿生学主要是观察、研究和模拟自然界生物各种特殊结构、机理与能力， 包括生物体的生理结构、行为能力、器官功能、能量传递、记忆学习等，利用这 些原理。为科技发展提供新的设计思想、工作原理和系统框架对的学科 仿生学的主要研究方法就是建模， 面向智能技术的仿生研究程序大致有三个阶段： 生物模型：对生物原型进行研究，建立生物模型 计算模型：将生物模型提供的资料进行数学与信息分析，并将其内在的机理抽象 成具有一定意义的计算模型 系统模型：根据计算模型，综合机械、传感、电子与软件等技术制造出可在工程 技术上进行实验的智能机器或系统 智能仿生学的典型案例 智能机器人 蝙蝠与雷达 海豚与声呐 特殊视觉仿生感知技术 “鹰眼”导弹系统 电子蛙眼（见动不见静） 蝇眼照相机（模拟复眼）
    （本章彩蛋：内涵段子之仿生学） 第三章 大脑结构与机器推理 3.1 大脑自然结构与仿生原推理 大脑是人类生理结构最复杂的部分，是所有神经系统的中枢，也是产生人类智能 最关键的器官 思维与推理是人工智能最重要的特征之一。模拟人类的思维与推理能力，实现高 效率的机器推理，是人工智能不断努力的目标之一 人机对战： 1959 年美国的塞缪尔，通过模拟人类学习、推理活动，设计了具有学习能力的 下棋程序。通过 4 年学习，该程序战胜了设计者本人；又通过 3 年，战胜了美国 常胜冠军 1997 年，IBM 深蓝电脑击败国际象棋世界冠军卡斯巴罗夫——加利·卡斯巴罗夫 (Garry Kasparov)——卡斯帕罗夫，俄罗斯人
    人脑仿生芯片： IBM 模仿人脑的运算过程，研究仿生芯片，该芯片由一个集成的内存(模仿突 触）、通信(模仿轴突)和计算(模仿神经元)组成。目标是能够记忆和学习，并 找到知识的相关性，甚至能自行创造知识 从狭义方面，脑是指中枢神经系统，有时特指大脑。从广义方面则泛指整个神 经系统 基本机构：人脑大体上是由大脑、小脑、间脑和脑干组成，其中大脑是人体控制 运动、产生感觉及实现高级脑功能的高级神经中枢 大脑思维流程 大脑的思维流程可分为三个步骤 信息采集->资源整理->数据分析 信息采集，主要是依靠人的眼睛、耳朵、手、皮肤等一切可对自然产生感应的感 官进行信息采集的，所采集的信息将会全部记录于大脑 资源整理，主要是将采集后的信息进行整合，其主要目的是选取优先分析项，依 次排序，便利分析 数据分析，将整理出来的资源进行分析，进而形成有用的并可被自身理解的数据 现代脑科学的研究内容： 揭秘神经元之间的连接形式，奠定智能行为的脑机制与 结构基础 阐明神经活动的基本过程，说明在分子、细胞到行为等 不同层次上神经信号的产生、传递、调制等基本过程 鉴别神经元的特殊细胞生物学特性 认识实现各种功能的神经回路基础 解释脑的高级功能机制 大脑思维与仿生推理计算：
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料