欧美日韩国产一区二区|qovd片|小明个人发布看看|小浪货你夹真紧水又多|老头把我添高潮了A片故|99热久久精品国产一区二区|久久久春色AV

  1. 首頁 > 生活百科 > 科技 > >

|大多數(shù)人工智能程序都是相當(dāng)復(fù)雜的對象，掌握其復(fù)雜性是一個主要的研究目標(biāo)

|大多數(shù)人工智能程序都是相當(dāng)復(fù)雜的對象，掌握其復(fù)雜性是一個主要的研究目標(biāo)

文章圖片

|大多數(shù)人工智能程序都是相當(dāng)復(fù)雜的對象，掌握其復(fù)雜性是一個主要的研究目標(biāo)

文章圖片

|大多數(shù)人工智能程序都是相當(dāng)復(fù)雜的對象，掌握其復(fù)雜性是一個主要的研究目標(biāo)

文章圖片


許多人類的心理活動 ， 如寫計算機程序、做數(shù)學(xué)題、從事常識推理、理解語言 ， 甚至駕駛汽車 ， 這些都需要“智力” 。 在過去的幾十年里 ， 全球已經(jīng)建立了幾個計算機系統(tǒng) ， 可以執(zhí)行這樣的任務(wù) 。 具體來說 ， 有一些計算機系統(tǒng)可以診斷疾病 ， 計劃復(fù)雜的有機化合物的合成 ， 以符號形式解決微分方程 ， 分析電子電路 ， 理解有限數(shù)量的人類語言和自然語言文本 ， 或編寫小的計算機程序來滿足正式的規(guī)范 。



我們可以說 ， 這種系統(tǒng)具有某種程度上的人工智能 。 構(gòu)建這類系統(tǒng)的大部分工作都發(fā)生在人工智能領(lǐng)域進(jìn)行 。 大多數(shù)人工智能程序都是相當(dāng)復(fù)雜的對象 ， 掌握其復(fù)雜性是一個主要的研究目標(biāo) 。 要對人工智能程序中存在的問題進(jìn)行全面的研究 ， 就需要進(jìn)行精確的形式化 ， 以便進(jìn)行詳細(xì)的分析 ， 從而獲得令人滿意的解決方案 。 人工智能技術(shù)有潛力比任何傳統(tǒng)方法做出更好、更快、更實際的預(yù)測 。



人工智能由人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯、基于自適應(yīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)和數(shù)據(jù)挖掘等幾個分支組成 。 神經(jīng)網(wǎng)絡(luò)是由并行操作的簡單元素組成的 ， 這些元素都是受到了生物神經(jīng)系統(tǒng)的啟發(fā) 。 在本質(zhì)上 ， 網(wǎng)絡(luò)的功能在很大程度上是由元素之間的連接所決定 ， 可以通過調(diào)整元素之間的連接值來訓(xùn)練神經(jīng)網(wǎng)絡(luò)來執(zhí)行特定的功能 。 通常 ， 神經(jīng)網(wǎng)絡(luò)經(jīng)過調(diào)整或訓(xùn)練 ， 使特定的輸入導(dǎo)致特定的目標(biāo)輸出 。


【|大多數(shù)人工智能程序都是相當(dāng)復(fù)雜的對象，掌握其復(fù)雜性是一個主要的研究目標(biāo)】
在這里 ， 網(wǎng)絡(luò)根據(jù)輸出和目標(biāo)之間的比較進(jìn)行調(diào)整 ， 直到網(wǎng)絡(luò)輸出與目標(biāo)匹配 。 通常需要許多這樣的輸入與輸出來訓(xùn)練一個網(wǎng)絡(luò) 。 人工神經(jīng)網(wǎng)絡(luò)已成功地應(yīng)用于數(shù)學(xué)、工程學(xué)、醫(yī)學(xué)、經(jīng)濟學(xué)、氣象學(xué)、心理學(xué)、神經(jīng)學(xué)等各個領(lǐng)域 。 其中一些最重要的問題是在模式、聲音和語音識別、對肌電圖和其他醫(yī)療特征的分析、識別軍事目標(biāo)和識別乘客行李箱中的爆炸物方面 。



它們還被用于天氣和市場趨勢預(yù)測、礦產(chǎn)勘探地點的預(yù)測、電力和熱負(fù)荷預(yù)測 ， 以及自適應(yīng)和機器人控制 。 神經(jīng)網(wǎng)絡(luò)被用于過程控制 ， 因為它們可以從傳感器常規(guī)收集的多維數(shù)據(jù)中建立過程的預(yù)測模型 。 該網(wǎng)絡(luò)通常由一個輸入層、一些隱藏層和一個輸出層組成 。 在其簡單的形式下 ， 每個神經(jīng)元通過自適應(yīng)的突觸權(quán)值與前一層的其他神經(jīng)元連接起來 。 知識通常作為一組連接權(quán)重存儲 。



訓(xùn)練是指利用合適的學(xué)習(xí)方法有序地修改連接權(quán)值的過程 。 網(wǎng)絡(luò)使用一種學(xué)習(xí)模式 ， 在該模式中 ， 將輸入與期望的輸出一起呈現(xiàn)給網(wǎng)絡(luò) ， 并調(diào)整權(quán)重 ， 使網(wǎng)絡(luò)試圖產(chǎn)生期望的輸出 。 訓(xùn)練后的權(quán)重包含有意義的信息 ， 而訓(xùn)練前的權(quán)重是隨機的 ， 沒有任何意義 。 將這些數(shù)據(jù)加起來 ， 然后通過一個激活函數(shù)傳遞結(jié)果 。 對于每個傳出的連接 ， 這個激活值乘以特定的權(quán)重 ， 并轉(zhuǎn)移到下一個節(jié)點 。



模糊推理系統(tǒng)模型是通過將模糊邏輯和神經(jīng)網(wǎng)絡(luò)的概念結(jié)合成一個統(tǒng)一的平臺而得到的一個混合框架 。 該模型具有用于系統(tǒng)識別的自適應(yīng)網(wǎng)絡(luò)形式的模糊推理系統(tǒng) ， 以及基于具有代表性的訓(xùn)練數(shù)據(jù)集將給定的輸入空間映射到相應(yīng)的輸出空間的預(yù)測工具 。 模糊推理系統(tǒng)依賴于模糊的人類知識和一組輸入輸出數(shù)據(jù)對來完成輸入輸出映射的過程 。

相關(guān)經(jīng)驗推薦