- 相關推薦
神經網(wǎng)絡與智能信息處理
關鍵詞：
80年代初，在美國、日本、接著在我國國內都掀起了一股研究神經網(wǎng)絡理論和神經計算機的熱潮，并將神經網(wǎng)絡原理應用于圖象處理、模式識別、語音綜合及機器人控制等領域。近年來，美國等先進國家又相繼投入巨額資金，制定出強化研究計劃，開展對腦功能和新型智能計算機的研究。
人腦是自生命誕生以來，生物經過數(shù)十億年漫長歲月進化的結果，是具有高度智能的復雜系統(tǒng)，它不必采用繁復的數(shù)字計算和邏輯運算，卻能靈活處理各種復雜的，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。
人腦的信息處理機制極其復雜，從結構上看它是包含有140億神經細胞的大規(guī)模網(wǎng)絡。單個神經細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”的智能計算機和智能信息處理方法，一直是人工智能追求的目標。
神經網(wǎng)絡就是通過對人腦的基本單元---神經元的建模和聯(lián)結，來探索模擬人腦神經系統(tǒng)功能的模型，并研制一種具有學習、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)。本文介紹神經網(wǎng)絡的特點以及近年來有關神經網(wǎng)絡與混沌理論、模糊計算和遺傳算法等相結合的混合神經網(wǎng)絡研究的動態(tài)。
一．神經網(wǎng)絡和聯(lián)結主義
回顧認知科學的發(fā)展，有所謂符號主義和聯(lián)結主義兩大流派。符號主義從宏觀層次上，撇開人腦的內部結構和機制，僅從人腦外在表現(xiàn)出來的智能現(xiàn)象出發(fā)進行研究。例如，將記憶、判斷、推理、學習等心理活動總結成規(guī)律、甚至編制成規(guī)則，然后用計算機進行模擬，使計算機表現(xiàn)出各種智能。
符號主義認為，認識的基本元素是符號，認知過程是對符號表示的運算。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、準確、簡潔、易于表達的特點，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)接主義認為符號是不存在的，認知的基本元素就是神經細胞（神經元），認知過程是大量神經元的聯(lián)接，以及這種聯(lián)接所引起的神經元的不同興奮狀態(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網(wǎng)絡和神經計算機就是這種聯(lián)接主義的代表。
神經網(wǎng)絡的主要特征是：大規(guī)模的并行處理和分布式的信息存儲，良好的自適應、自組織性，以及很強的學習功能、聯(lián)想功能和容錯功能。與當今的馮．諾依曼式計算機相比，更加接近人腦的信息處理模式。主要表現(xiàn)如下：
☆神經網(wǎng)絡能夠處理連續(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)的計算機能給出精確的解答，神經網(wǎng)絡給出的是次最優(yōu)的逼近解答。
☆神經網(wǎng)絡并行分布工作，各組成部分同時參與運算，單個神經元的動作速度不高，但總體的處理速度極快。
☆神經網(wǎng)絡信息存儲分布于全網(wǎng)絡各個權重變換之中，某些單元障礙并不影響信息的完整，具有魯棒性。
☆傳統(tǒng)計算機要求有準確的輸入條件，才能給出精確解。神經網(wǎng)絡只要求部分條件，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。
☆神經網(wǎng)絡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，學術界目前有一種看法：認為基于符號主義得傳統(tǒng)人工智能和基于聯(lián)接主義得神經網(wǎng)絡是分別描述人腦左、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，分別面向認識的理性和感性兩個方面，兩者的關系應該是互補而非互相代替。理想的智能系統(tǒng)及其表現(xiàn)的智能行為應是兩者相互結合的結果。
接下去的問題是，符號AI和聯(lián)接AI具體如何結合，兩者在智能系統(tǒng)中相互關系如何？分別扮演什么角色？目前這方面發(fā)表的文獻很多，大致有如下幾種類型：
1．松耦合模型：符號機制的專家系統(tǒng)與聯(lián)接機制的神經網(wǎng)絡通過一個中間媒介（例如數(shù)據(jù)文件）進行通訊。
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)進行，而是直接通過內部數(shù)據(jù)完成，具有較高的效率。其主要類型有嵌入式系統(tǒng)和黑板結構等。
3．轉換模型：將專家系統(tǒng)的知識轉換成神經網(wǎng)絡，或把神經網(wǎng)絡轉換成專家系統(tǒng)的知識，轉換前的系統(tǒng)稱為源系統(tǒng)，轉換后的系統(tǒng)稱為目標系統(tǒng)，由一種機制轉成另一種機制。如果源系統(tǒng)是專家系統(tǒng)，目標系統(tǒng)是神經網(wǎng)絡，則可獲得學習能力及自適應性；反之，可獲得單步推理能力、解釋能力及知識的顯式表示。當然，轉換需要在兩種的機制之間，確定結構上的一致性，目前主要問題是還沒有一種完備而精確的轉換方法實現(xiàn)兩者的轉換。有待進一步研究。
4．綜合模型：綜合模型共享數(shù)據(jù)結構和知識表示，這時聯(lián)接機制和符號機制不再分開，兩者相互結合成為一個整體，既具有符號機制的邏輯功能，又有聯(lián)接機制的自適應和容錯性的優(yōu)點和特點。例如聯(lián)接主義的專家系統(tǒng)等。
近年來神經網(wǎng)絡研究的另一個趨勢，是將它與模糊邏輯、混沌理論、遺傳進化算法等相結合，即所謂“混合神經網(wǎng)絡”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科。早在七十年代，美國和歐洲的一些物理學家、生物學家、數(shù)學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。生物學家發(fā)現(xiàn)在人類的心臟中有混沌
【神經網(wǎng)絡與智能信息處理】相關文章：
人工神經網(wǎng)絡與車輛的結合論文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
憶阻器在神經網(wǎng)絡中的應用12-09
探討B(tài)P神經網(wǎng)絡的圖像Hash算法03-03
環(huán)境科學人工神經網(wǎng)絡運用論文11-25
智能機柜監(jiān)控系統(tǒng)03-04