人工智能之計算智能

    計算智能（Computational Intelligence，CI）是借鑑仿生學的思想，基於人們對生物體智能機理的認識，採用數值計算的方法去模擬和實現人類的智能。

    計算智能的三大基本領域包括神經計算、進化計算、模糊計算。

1、神經計算

神經計算的概念：亦稱神經網絡(Neural Network，NN)，它是經過對大量人工神經元的普遍並行互聯所造成的一種人工網絡系統，用於模擬生物神經系統的結構和功能。

    主要研究內容：包括人工神經元的結構和模型，人工神經網絡的互連結構和系統模型，基於神經網絡的聯結學習機制等

    人工神經元：是指用人工方法構造單個神經元，它有抑制和興奮兩種工做狀態，能夠接受外界刺激，也能夠向外界輸出自身的狀態，用於模擬生物神經元的結構和功能，是人工神經網絡的基本處理單元。

    人工神經網絡的互連結構（或稱拓撲結構）是指單個神經元之間的鏈接模式，它是構造神經網絡的基礎。從互連結構的角度，神經網絡可分爲前饋網絡和反饋網絡兩種主要類型。

    網絡模型是對網絡結構、鏈接權值和學習能力的總括。最經常使用的有傳統的感知器模型，具備偏差前向傳播功能的前向傳播網絡模型，採用反饋鏈接方式的反饋網絡模型等。

     神經網絡具備自學習、自組織、自適應、聯想、模糊推理等能力，在模仿生物神經計算方面有必定優點。目前，神經計算的研究和應用已滲透到許多領域，如機器學習、專家系統、智能控制、模式識別等。

 

2、進化計算

進化計算的概念

    是一種模擬天然界生物進化過程與機制，進行問題求解的自組織、自適應的隨機搜索技術。它以達爾文進化論的「物竟天擇、適者生存」做爲算法的進化規則，並結合孟德爾的遺傳變異理論，將生物進化過程當中的繁殖、變異、競爭和選擇引入到了算法中，是一種對人類智能的演化模擬方法。

進化計算的主要分支

    遺傳算法、進化策略、進化規劃和遺傳規劃四大分支。其中，遺傳算法是進化計算中最初造成的一種具備廣泛影響的模擬進化優化算法。

 

3、模糊計算

    (美國密執安大學霍蘭德教授1962提出)是使用模擬生物和人類進化的方法來求解複雜問題。它從初始種羣出發，採用優勝略汰、適者生存的天然法則選擇個體，並經過雜交、變異產生新一代種羣，如此逐代進化，直到知足目標爲止。

模糊計算：亦稱模糊系統，是經過對人類處理模糊現象的認知能力的認識，用模糊集合和模糊邏輯去模擬人類的智能行爲的。模糊集合與模糊邏輯是美國加州大學扎德(Zadeh)教授1965年提出來的一種處理因模糊而引發的不肯定性的有效方法。

模糊概念的定義：一般，人們把那種因沒有嚴格邊界劃分而沒法精確刻畫的現象稱爲模糊現象，並把反映模糊現象的各類概念稱爲模糊概念。例如， 「大」、「小」、「多」、「少」等。

模糊概念的表示：一般是用模糊集合來表示的，而模糊集合又是用隸屬函數來刻畫的。一個隸屬函數描述一個模糊概念，其函數值爲[0, 1]區間的實數，用來描述函數自變量所表明的模糊事件隸屬於該模糊概念的程度。

模糊計算的爭論：一方面模糊邏輯存在必定缺陷；另外一方面它在推理、控制、決策等方面獲得了很是普遍的應用。

 

參考：《人工智能原理及應用》

整理不易！！！ 轉載請註明出處！！！