人工智能综述

在学习这门课程之前，我就在想，计算智能概论，从题目看应该是介绍各种先进的便捷的计算方法吧，能为数据的处理节约不少时间。初学了几节课，感觉压力蛮大的，因为总的来说，这门课相对于以前我学习的科目来说比较新颖，有许多新的概念和特殊的思维要去学习和理解，对我们的分析能力，应变能力，逻辑处理，都提出了不小的要求。接下来我将简述我对计算智能的认识：什么是计算智能。虽然至今没有一个统一的定义，但我们可以这样来概括它。智能计算就是借用自然界规律的启迪，根据其原理，模仿设计求解问题的算法。目前这方面的内容很多，如：人工神经网络技术、遗传算法、进化规划、模拟退火技术和群集智能技术等。生命在长期进化过程中，积累了很多新奇的功能，人类很早就从中得到启发而改进自己的工具，也许早先的发明,只是偶然的模仿和发现,后来人们已有意识地进行这方面的研究。从自然界得到启迪,模仿其结构进行发明创造.这是我们向自然界学习的一个方面.另一方面,我们还可以从自然的规律中得到启迪,利用其原理进行设计,这就是智能计算的思想。人们继续探索，认识到人的智能表现在人能学习知识，有了知识，能了解、运用已有的知识。智能的核心是思维，人的一切智慧或智能都来自大脑思维活动，人类的一切知识都是人们思维的产物。要让计算机“聪明”起来，首先要解决计算机如何学会知识，以及如何运用知识的问题。下面我们简单介绍这方面的一些内容和我们最近几年在这些方面研究的一些成果。一、群体（群集）智能（SwarmIntelligence）群居昆虫以集体的力量，进行觅食、御敌、筑巢的能力。这种群体所表现出来的“智能”，就称之为群体智能。如蜜蜂采蜜、筑巢、蚂蚁觅食、筑巢等。从群居昆虫互相合作进行工作中，得到启迪，研究其中的原理，以此原理来设计新的求解问题的算法。二、蚂蚁算法：蚂蚁觅食时，在它走过的路上，留下外激素，这些外激素就象留下路标一样，留给后来“蚁”一个路径的标志。后面的蚂蚁，就会沿着有外激素的路径行走。科学家们对此进行过试验：用人造的外激素在纸上画上一条路径，对蚂蚁进行试验。结果蚂蚁果然都沿画有外激素的路径行走。三、ＢＰ算法是一种有监督式的学习算法，其主要思想是：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。传统的ＢＰ算法，实质上是把一组样本输入/输出问题转化为一个非线性优化问题，并通过负梯度下降算法，利用迭代运算求解权值问题的一种学习方法，但其收敛速度慢且容易陷入局部极小，为此提出了一种新的算法，即高斯消元法。四、模拟退火算法模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其渐渐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而渐渐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。人工智能作为一个整体的研究才刚刚开始,离我们的目标还很遥远。自动推理是智能计算最经典的研究分支,其基本理论是人工智能其它分支的共同基础。其中知识系统的动态演化特征及可行性推理的研究是最新的热点,很有可能取得大的突破。许多新的学习方法相继问世并获得了成功的应用,如增强学习算法、reinforcementlearning等同时也应看到,现有的方法处理在线学习方面尚不够有效,寻求一种新的方法,以解决移动机器人、自主agent、智能信息存取等研究中的在线学习问题是研究人员共同关心的问题,相信不久会在这些方面取得突破。经过一学期的认真学习，我们大概了解了计算智能的定义，基本方法和意义发展应用前景。就我个人而言，不管我以后用不用的到这门学问，我都受益匪浅，首先，在学习这门课程中，我遇到了很多困难，毕竟这种对运算理解要求很高的科目不容易上手，我去图书馆借阅了书籍并且和同学探讨，才稍稍理解了一点，这锻炼了我的合作能力和求知能力。第二，我从这门课程中学习到了一种理念，那就是，没有任何一样是单独存在的，事物与事物之间有着千丝万缕的联系，我们可以从一种或者几种自然规律中发现一些规律或者受到一些启发，去应用到自己所在的领域，有时候更加的是事半功倍，这对我们大学生在之后的创新实践与发展中有良好的启示作用。