10.txt

This complete matlab for neural network

发信人: soullion (river), 信区: DataMining
标  题: 中医智能
发信站: 南京大学小百合站 (Fri Mar  1 14:02:38 2002)


备课资料

1 人工智能综述
1.1 人工智能发展的历程
    人工智能（Artificial Intelligence）在50年代产生，70年代兴起的专家系统（E S
ystem），80年代兴起的神经网络（NN），使人工智能在实用上产生了明显的效果。人工智
能的发展并非一帆风顺，从50年代注重问题求解的方法，70年代注重知识的作用（知识的
获取是难点），期间曾被冷落过。80年代后期兴起机器学习（ML）为知识的获取创出了新
路。机器学习中的示例学习为知识的自动获取提供了方法，已经达到实用的阶段。

1.1.1第一阶段（50-60年代）人工智能的兴起和冷落：重视问题求解的方法，忽视了知识
的重要性。
1956年由J.McCarthy、M.L.Minsky 等四人发起，十名从事数学、精神病学、心理学、信息
科学、计算机科学的学者在美国达特茅斯大学（Dartmouth）召开的研讨会上首次提出“人
工智能”的概念。之后出现了一系列成果：
* 证明《数学原理》中的52条定理，是计算机模拟人高级思维活动的一个重大成果，是人
工智能的真正开端。
* 研制了西洋跳棋程序，该程序能积累下棋过程中所获得的经验，具有自学习和自适应能
力，这个程序战胜了作者自己，又击败了一个州级冠军，这是模拟人类学习过程的重大突
破。
* 研究了人解题过程的三个步骤：首先想出大致的计划；再根据记忆中的公式、定理和解
题计划实施解题过程；三是解题过程中不断修改计划，目标分析等。这是一个具有普遍意
义的思维过程。基于这种发现和认识，研制了“通向问题求解程序GPS”，用来解决不定积
分、三角函数、代数方程等11种不同类型的问题，并首次提出启发式搜索概念。
* 麦卡西（J.Mc.Carthy）研制了具有重里程碑意义的著名的“LISP”表处理语言，成了人
工智能程序语言的重要里程碑。
据上这个时期兴起了人工智能热。但不久由于研究中的局限性和错误使人工智能的研究出
现低潮：“消减法”能力有限，证明两个连续函数之和还是连续函数时，推了十万步后失
败；下棋程序只赢了州级冠军，没能战胜全国冠军；机器翻译谬误百出，例如从英语-俄语
-英文，心有余力不足，翻译成酒是好的肉变质了。
由于人工智能遇到了困难，使人工智能走向低落，英国70年代初大量削减AI研究的经费，
美国（IBM）出现同样的局面，使大量人员流失。

1.1.2第二阶段人（60年代末到70年代）工智能随着专家系统的研制出现的新高潮：重视知
识，专家系统的研制使人工智能走向使用。
* 1968年名为DENDRAL的化学质谱分析系统，该系统能根据质谱仪的数据和核磁共振的数据
及有关知识推断有机化合物的分子结构，达到了帮助化学家推断分子结构的作用，是第一
个专家系统，系统中运用了大量的化学知识；
* 1974年出现了诊断和治疗感染性疾病的MYCIN系统，其特点是：利用了经验性知识，用可
信度表示，进行了不精确推理；对推断的结果具有解释功能，使系统是透明的；第一次使
用了知识库的概念。以后的专家系统受此影响较大。
* 1976年研制矿藏勘探专家系统PROSPECTOR系统，该系统在华盛顿州发现矿藏，获利一亿
美元。
* 卡内基-梅隆大学研制的语音理解系统采用了“黑板结构”这种新结构形式的专家系统：
人的自然语言-声音信号-转成字信号-组成单词-合成句子（数理语言），形成数据库查询
语句（计算机语言）。
* 1969年成立了国际人工智能联合会议（IJCAI）
    
1.1.3第三阶段（80年代）随着第五代计算机的研制，人工智能得到很大的发展。
日本在1982年开始了第五代计算机的研制计划，即“知识信息处理计算机系统KIPS”，目
的是使逻辑推理达到数值运算那样快。十年后这个计划并没有实现，只是取得了部分成果
，计划的宣传引发了世界各国的追赶潮，但是计划的失败对人工智能的研究带来了负面的
影响。

1.1.4第四阶段（80年代以后）神经网络飞速发展，并逐步成为一个独立的学科。
    * 1943年，美国心理学家W.Mcculloch和数学家W.Pitts提出了神经元网络对信息进行
处理的数学模型（即M-P模型）。1949年。Hebb提出了神经元之间连结强度变化的学习规则
，即Hebb规则，从而开创了神经元网络研究的新局面
    * 1957年美国心理学家Rosenblate提出的感知机（Perceptron，模拟人类视神经控制
系统的图形识别）。模型是这个时期有代表性的工作。该网络模型具有自学习能力。它的
成功掀起了人工神经元网络的第一次研究热潮。利用感知机所提出的数学概念直至今天仍
在模式识别中起着很大的作用。
    * 1969年人工智能创始人之一Misky和Paper出版了《Perceptron》一书，指出Percep
tron仅适合于线性样本的情况，对非线性样本的问题，它解决不了，但也指出若增加隐结
点则能够解决非线性样本问题，但他们没有提出增加隐结点的多层网络学习算法。由于Mi
sky在学术界的影响，使很多研究者转向符号处理为基础的人工智能研究，从而使神经元网
络的研究处于低潮
* 1982年美国Hopfield 提出仿人脑的神经网络新模型，既可用硬件实现，又能解决运筹的
巡回销售商TSP（推销员旅行路径）问题。由此引发了人们对神经网络的情趣。掀起了人工
神经元网络的第二次研究热潮。期间，另一个有代表性的工作是：
* 1985年Rumelhart和Mcclelland提出的多层网络的误差传播学习算法，即B-P模型，该模
型引入多层隐结点，解决了非线性样本的问题。从而扫除了神经网络的障碍，兴起了神经
网络的热潮。同时还有其它的一些神经网络模型。这些成果大大促进了神经网络的发展。

    * 1987年美国召开了第一次神经网络国际会议，宣布新学科的诞生。
    * 1988年日本称为神经网络计算机元年，提出研制第六代计算机计划。
    * 1989年后，各国在神经元网络方面的投资逐年增加。

1.2 人工智能的概念、研究范围和研究领域
1.2.1人工智能的概念
    1）关于机器智能的定义
    Turing试验：一个房间放一台机器，另一个房间有一个人，当人们提出问题，房间里
的人和机器同时回答，如果提问的人分辨不了哪是人的回答，哪是机器的回答，则认为机
器有了智能。
    Feigenbanm定义：只告诉机器做什么，而不告诉怎样做，机器就能完成工作，便可以
说机器有了智能。
2）人的智能行为
    学习能力：知识学习；技能的学习；个性的形成。
解决问题的能力：用已知的知识和技能解决问题；创造性的（建立新的知识和技能）解决
问题。
    3）人工智能的定义
    由计算机来表示和执行人类的智能活动（如判断、识别、理解、学习、规划、和问题
求解等）就是人工智能。人工智能的研究在逐步扩大机器智能，使计算机逐步向人的智能
靠近。
    
1.2.2人工智能研究的基本范围
    1）问题求解：如下棋程序
    2）逻辑推理和定理证明：如数学定理的证明
    例如为了求证主要定理而猜测应当首先证明哪一个引理。一个熟练的数学家运用他的
判断力能够精确地推测出哪些定理在当前的证明中是有用的，并善于把目标问题归结成若
干子问题，以便独立地出处理它们。有几个定理程序在有限的程度上具有某些这样的技巧
。许多非形式化的工作，例如医疗诊断，和定理证明一样能够加以形式化。
    3）自然语言处理：语言翻译，语音识别，语言的生成和理解
    4）自动程序设计：超级编译程序，能从高级形式的描述，生成所需的程序。
    5）机器学习：归纳（induction）学习和类比学习
    学习是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改
，而外部表现为性能的改善。学习过程本质上是学习系统把导师提供的信息转换成被系统
理解并应用的形式。按照系统对导师的依赖程度可将学习方法分类为：机械学习、讲授学
习、类比学习、归纳学习、发现学习。
    6）专家系统：利用专家知识进行推理达到专家解决问题的能力。
专家系统是一个具有大量专门知识与经验的程序系统，用以模拟人类专家的决策过程，以
解决哪些需要专家决定的复杂问题。例如用户与专家系统进行“咨询对话”，就像他与具
有某些方面经验的专家进行对话一样，解决他的问题，建议进行某些试验以及向专家系统
提出询问以求得到有关的解答和指点。可以把专家系统看作人类专家和人类用户之间的媒
介。现在的专家系统具有解释它们推理的能力，从而使咨询更好地为用户所接受，又能帮
助人类专家发现系统推理过程中出现的差错。新的研究还包括应用专家系统来教初学者以
及请教有经验的专业人员。
发展专家系统的关键是表达和运用专家知识。专家系统和传统计算机程序最本质的不同之
处在于专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确定
的信息基础上作出结论。专家系统可以解决的问题一般包括解释、预测、诊断、设计、规
划、监视、修理、指导和控制等。正在开发的新一代专家系统有分布式专家系统和协同式
专家系统等，在这些系统中不但采用基于规则的方法，而且采用基于模型的原理。
    7）机器人学：能完成人部分工作的机器人。
    8）机器视觉：研究感知过程
    9）智能检索系统：具有智能行为的检索系统
    当我们想用数据库中的事实进行推理并从中检索答案时，这个课题就显得很有意义。
智能信息检索系统的设计者们将面临以下几个问题：首先建立一个能够理解以自然语言陈
述的询问系统；其次如何根据存储的事实数据演绎出答案；第三理解询问和演绎答案所需
的知识超出数据库所表达的知识时怎么办。因此怎样表示和应用学科知识是采用人工智能
方法的系统设计问题之一。
    10）组合的调度问题：如最短旅行路线
    11）系统与表达语言：用人工智能来深化计算机系统（如操作系统）和语言
    
1.2.3主要研究领域
    * 自然语言处理：语言的识别与合成，自然语言的理解和生成，机器翻译。
    * 机器人学：从操纵型、自动型转向智能型。在重、难、险、害等工作中实用机器人
。日本机器人研究走在前列，我国机器人研究在发展：如国防科技大学的两足步行机器人
和哈尔滨工业大学的焊接机器人等。
    * 知识工程：研究和开发专家系统。目前人工智能的研究中，最接近实用的成果是专
家系统。专家系统在符号推理、医疗诊断、矿床勘探、化学分析、工程设计、军事决策、
案情分析等方面都取得明显的效果。

1.3 人工智能的前景
人工智能的研究是一个长期的任务。目前，人们逐步认识到揭开人的智能之谜是发展人工
智能的关键。1986年5月日本提出“人类新领域研究计划”的研究课题，目的在于弄清人体
的各种机能。人体有两项根本机能：物质、能量转化机能和信息转换机能。信息转换包括
：创造思考、学习与记忆、感觉与知觉、语言控制等。人工神经网络的研究就是在人脑神