计算智能概论(1)

2013-2014-1学期

《计算智能概论》课程报告

姓名：小小小

班级：环艺F1201

学号：1212122121

学院：设计艺术学院

神经网络在数字识别中的应用

大家都知道，一提到网络是个复杂联系的集合体，它包括多种：因特网、物联网等。复杂的网络使事物之间彼此联系，共同运作，从而把存在的问题一一解决。在这里，神经网络也不例外。

神经网络：大脑中大量的神经细胞都不是孤立的，而是通过突触形式相互联系着，构成结构与功能十分复杂的神经网络系统。为了便于从结构出发模拟智能，因此必须将一定数量的神经元适当地联接成网络，从而形成多种神经网络模型。在神经网络的构成结构中，存在着一种联结方式，可以解释为神经网络按照拓扑结构属于以神经元为节点，以及节点间有向连接为边的一种图，其结构大体上可分为层状和网状两大类。层状结构的神经网络是由若干层组成，每层中有一定数量的神经元，相邻层中神经元单向联接，一般地同层内的神经元不能联接，网状结构的神经网络中，任何两个神经元之间都可能双向联接。

神经网络模型用于模拟人脑神经元活动的过程。其中包括对信息的加工、处理、存储和搜索等过程。

它具有如下基本特点:

1、神经网络具有分布式存储信息的特点。它存储信息的方式与传统的计算机的思维方式是不同的，一个信息不是存在一个地方，而是分布在不同的位置。网络的某一部分也不只存储一个

信息，它的信息是分布式存储的。神经网络是用大量神经元之间的连接及对各连接权值的分布来表示特定的信息。因此，这种分布式存储方式即使当局部网络受损时，仍具有能够恢复原来信息的优点。

2、神经网络对信息的处理及推理的过程具有并行的特点。每个神经元都可以根据接收到的信息作独立的运算和处理，然后将结果传输出去，这体现了一种并行处理。神经网络对于一个特定的输入模式，通过前向计算产生一个输出模式，各个输出节点代表的逻辑概念被同时计算出来。在输出模式中，通过输出节点的比较和本身信号的强弱而得到特定的解，同时排出其余的解。这体现了神经网络并行推理的特点。

3、神经网络对信息的处理具有自组织、自学习的特点。神经网络中各神经元之间的连接强度用权值大小来表示，这种权值可以事先定出，也可以为适应周围环境而不断地变化，这种过程称为神经元的学习过程。神经网络所具有的自学习过程模拟了人的形象思维方法，这是与传统符号逻辑完全不同的一种非逻辑非语言的方法。在神经网络研究的历史进程中，它在模式识别方面的应用一直是最活跃和最成功的领域。

神经网络与它在模式识别中的应用是息息相关，密不可分的。几乎可以说，神经网络模式识别研究的发展史贯穿了整个神经网络的研究历程。目前, 随着计算机的迅速发展，性能价格比的不断提高，模式识别技术己经从理论探讨为主发展到大量的

实际应用，人们将更多的注意力开始转向那些用于语音，图像、机器人以及人工智能等的模式识别实际问题。解决这些问题的关键是需要进行复杂而庞大的实时数据处理，而现有计算机的存贮容量及计算复杂性的局限，使得真正实时化的应用受阻。这种面向实时应用的模式识别问题促使人们开始将并行处理的神经网络应到模式识别，而神经网络模式识别技术又将模式识别实时应用推进了一大步，数字识别就是这种应用的一个很重要的领域。

总之，人工神经网络在未来的相关识别系统中必定会应用极广，人脸识别系统、指纹识别系统中都离不开神经网络的推进。

人脸识别技术的原理

我们在生活中，是以面貌、声音等特征来判断每个人，随着科学技术的发展，人工神经网络的出现，智能化的人脸识别系统出现，被用于办公、监视等领域做为识别个人的身份。

人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

人脸识别的研究范围一般主要包括以下五个方面的：

(1)人脸的检测：在不同背景条件下检测出人脸存在并且确定其位置.影响这一任务的因素主要有光照、噪声、面部倾斜度以及各种各样遮挡等。

(2)人脸的表征：采取某种表示方式表示检测出来的人脸。

一般的表示法包含代数特征、几何特征、固定特征模板、特征脸、云纹图等.

(3)人脸的识别：主要是将需要识别的人脸和所存在的数据库中人脸比较。这一过程的关键是选择恰当的人脸表征方式，以及匹配策略。

(4)表情/姿态分析:主要是对需要识别的人脸表情或者姿态信息进行分析,归类。

（5）生理分类：主要是指对需要识别的人脸的生理特征进行分析,得出相关信息，比如性别，年龄等。

基于肤色特征的检测方法人脸的一些面部细节特征，比如眼睛、鼻子、嘴等受旋转，表情等变化影响很大，但肤色则不同，它不仅是人脸的重要信息，而且又具有相对的稳定性，能和大多数背景物体的颜色区别。一般常用肤色模型来描述肤色特征，比如直方图模型，高斯模型，混合高斯模型等。其实，肤色模型和其他的数学建模也是一样的，即用一种代数的或查找表等形式来说明哪些像素的色彩属于肤色，或者表征出的某个像素的色彩和肤色的相似程度。在用肤色模型对肤色进行检测的过程中，主要有两个阶段：模型的建立和模型的运用。模型的建立主要是指通过对大量的肤色像素集进行统计分析，然后确定模型中的一些参数，而模型的运用主要是指通过对大量的肤色像素进行统计分析，然后确定模型中的一些参数；而模型的运用主要是指通过已经建立

好的肤色模型来判别所输入的像素或区域是否是肤色，或者给出它和肤色的相似程度。

基于启发式模型的方法这种方法的过程一般是先抽取图像的几何形状，灰度，纹理等，然后再检验他们是否符合人脸的一些基本条件。由于人脸的各个器官，比如眼睛，鼻子，嘴等具有较为恒定的模式，所以一些方法首先检测出这些器官或者其他局部特征，然后根据这些器官的相对位置关系判别是否该区域是人脸。基于特征空间的方法这种方法是将人脸区域的图像变换到其他某一特征空间，并且根据其分布规律划分为人脸和非人脸两种模式，常用的分析方法有主分量分析等。PCA方法是根据人脸图像的统计特征进行正交变换，来消除原有向量各个分量之间的相关性，通过这样的变换，能够得到特征值依次递减的特征向量，即特征脸。

顾名思义，人脸识别系统的主要功能就是识别人脸。系统可以通过摄像头获取所需要的人脸，并且通过对所获得图片的预处理，对人脸进行定位和特征的提取。因此，人脸识别系统应该主要包含以下模块：图像的获取主要是通过摄像头捕获图像，或者从已有图片库中获取图像。图像的预处理主要是对图像进行一些必要的处理，比如光线补偿，高斯平滑，均衡直方图，二值化变化等。人脸检测与定位主要是将预处理后的图片定位，标记出眼睛，鼻子，嘴巴等。人脸特征的提取主要是将眼睛，鼻子，嘴巴等提取出来。人脸的识

别将图片中提取得到的特征值和已有后台数据库中的值进行比较。

最后就可以得出结论，使我们在茫茫人海中，可以轻而易举的找出我们需要的对象，以准确、快速的效率完成工作，为我们的工作、办公提供了极大方便。现在，人脸识别技术已越来越广的应用于各个领域。

遗传算法的应用与滑坡滑裂面的搜索问题搜索边坡最危险滑裂面问题是安全系数对滑裂面形状的函数值问题，数值方法求解这一问题的主要手段是迭代运算，一般的迭代方法容易陷入局部极小的陷阱而出现“死循环”现象，使迭代无法进行。遗传算法很好的克服了这一缺点，是一种全局优化算。

一些学者从生物遗传、进化的过程得到启发，提出了遗传算法。算法中称遗传的生物体为个体，个体对环境的适应程度用适应值表示。适应值取决于个体的染色体，在算法中染色体常用一串数字表示，数字串中的一位对应一个基因。一定数量的个体组成一个群体。对所有个体进行选择、交叉和变异等操作，生成新的群体，称为新一代。

遗传算法计算程序的流程可以表示如下：

第一步准备工作

（1）选择合适的编码方案，将变量转换为染色体。通常用二进制编码。

（2）选择合适的参数，包括群体大小、交叉概率PC和变异概率Pm。

（3）确定适应值函数f（x）。f（x）应为正值。

第二步形成一个初始群体。在边坡滑裂面搜索问题中，取已分析的可能滑裂面组作为初始群体。

第三步对每一染色体计算其适应值fi，同时计算群体的总适应值。

第四步选择

计算每一串的选择概率Pi=fi/F及累计概率。选择一般通过模拟旋转滚花轮的算法进行。旋转M次即可选出M个串来。在计算机上实现的步骤是：产生[0，1]间随机数r，若r

第五步交叉

（1）对每串产生[0，1]间随机数，若r>pc，则该串参加交叉操作，如此选出参加交叉的一组后，随机配对。

（2）对每一对，产生[1，m]间的随机数以确定交叉的位置。第六步变异

如变异概率为Pm，则可能变异的位数的期望值为Pm ×m×M，每一位以等概率变异。具体为对每一串中的每一位产生[0，1]间的随机数r，若r

如新个体数达到M个，则已形成一个新群体，转向第三步；否则转向第四步继续遗传操作。直到找到使适应值最大的个体或达到最大进化代数为止。

由于选择概率是由适应值决定的，即适应值大的染色体入选概率也较大，使选择起到"择优汰劣"的作用。交叉使染

色体交换信息，结合选择规则，使优秀信息得以保存，不良信息被遗弃。变异是基因中得某一位发生突变，以达到产生确实有实质性差异的新品种。遗传算法虽是一种随机算法，但它是有导向的，它所使用的"按概率随机选择"方法是在有方向的搜索方法中的一种工具。正是这种独特的搜索方法，使遗传算法自然地避开了其它最优化算法常遇到的局部最小陷阱。遗传算法搜索最优结果的效果在数学上还没有严格的证明，但它的有效性已在许多专业的应用的得到体现。对于岩质边坡安全系数对滑裂面形状这样不可微的泛函极值问题，就目前的科学认识水平来讲，遗传算法不失为一种可以信赖的方法.用遗传算法搜索安全系数最小的边坡任意形状滑裂面。

随着遗传算法的不断发展，关于遗传算法的国际学术活动越来越多，遗传算法已成为一个多学科、多领域的重要研究方向。

群智能的理论的产生和发展

群智能的概念最早在分子自动机系统中提出。分子自动机中的主体在一维或二维网格空间中与相邻个体相互作用，从而实现自组织。1999年，对群智能进行了详细的论述和分析，给出了群智能的一种不严格定义：任何一种由昆虫群体或其它动物社会行为机制而激发设计出的算法或分布式解决问题的策略均属于群智能。这里，Swarm可被描述为一些相互作用相邻个体的集合体，蜂群、蚁群、鸟群都是Swarm 的典型例子。一只蜜蜂或蚂蚁的行为能力非常有限，它几乎不可能独立存在于自然世界中，而多个蜜蜂或蚂蚁形成的Ｓｗａｒｍ则具有非常强的生存能力，且这种能力不是多个个体之间的能力通过简单叠加所获得的。社会性动物群体所拥有的这种特性能帮助个体很好地适应环境，个体所能获得的信息远比它通过自身感觉器官所取得的多，其根本原因在于个体之间存在着信息交互能力。信息的交互过程不仅仅在群体内传播了信息，而且群内个体还能处理信息，并根据所获得的信息（包括环境信息和附近其它个体的信息）改变自身的一些行为模式和规范，这样就使得群体涌现出一些单个个体所不具备的能力和特性，尤其是对环境的适应能力。这种对环境变化所具有的适应能力可以被认为是一种智能，也就是说动物个体通过聚集成群而涌现出了智能。

群智能思想的产生主要源于复杂适应系统理论以及人工

生命的研究。复杂适应系统理论是在１９９４年由Holland 教授正式提出的。复杂适应系统中成员称为具有适应性的主体，简称主体。主体的适应性，是指它能够与环境以及其它主体进行交流，在这种交流的过程中“学习”或“积累经验”，并且根据学到的经验改变自身的结构和行为方式。整个系统的演变或进化，包括新层次的产生，分化和多样性的出现，新的、聚合而成的、更大的主体的出现等等，都是在这个基础上出现的。

复杂适应系统具有四个基本特点：（1）首先，主体是主动的、活的实体。具有适应性的主体的概念把个体主动性提高到了系统进化基本动因的位置，从而成为研究与考察宏观行为的出发点。（2）其次，个体与环境（包括个体之间）之间的相互影响、相互作用是系统演变和进化的主要动力。相互作用是“可记忆”的，它表现为进化过程中每个个体的结构和行为方式的变化，以不同的方式“存储”在个体内部。（3）再次，这种方法不像许多其他的方法那样，把宏观和微观截然分开，而是把它们有机地联系起来。（4）最后，这种建模方法还引进了随机因素的作用，使它具有更强的描述和表达能力。随机因素的影响不仅影响状态，而且影响组织结构和行为方式。具有主动性的个体会接受教训，总结经验，并且以某种方式把“经历”记住，使之“固化”在自己以后的行为方式中。

近年来，人工生命的研究发展非常快，在某些方面的研究已与传统的生物科学形成了互补。人工生命包括两方面的内容：①如何利用计算技术研究生物现象；②如何利用生物技术研究计算问题。第二部分的内容的研究中，现已经有了很多源于生物现象的计算技巧，例如，人工神经网络是简化的大脑模型，遗传算法是模拟基因进化的过程，目前这一类计算技术被统称为自然计算。群智能属于自然计算中的一类类，它模拟另一种生物系统：社会系统，更确切地说，是模拟由简单个体组成的群落与环境以及个体之间的互动行为，这些模拟系统利用局部信息从而可能产生不可预测的群体行为。

群智能的最基本理论包括五项基本原则：群内个体具有能执行简单的时间或空间上的评估和计算的能力；群内个体能对环境（包括群内其它个体）的关键性因素的变化做出响应；群内不同个体对环境中的某一变化所表现出的响应行为具有多样性；不是每次环境的变化都会导致整个群体的行为模式的改变；环境所发生的变化中，若出现群体值得付出代价的改变机遇，群体必须能够改变其行为模式。群智能研究的更进一步目标是对人类思想变化的社会行为的模拟。人类心理中存在着群体性、习惯性、一致性，常常是习惯性地遵循一些习俗和规则。无论什么时候，人们思想和行为总是因相互影响而变得非常近似，道德规范以及文化的形成就是这种

通过相互间影响而导致近似的结果。人类的社会思想行为并不简单类似鸟群或鱼群的行为，人类思想的形成过程是一种在高维认知空间的探索历程。两种思想意见在认知空间上聚集到一点上，被称为“一致”或“认同”，而不是鸟群或鱼群系统中的“碰撞”。如果某人认同认知空间某个点，那么就努力靠近它，反之则尽量远离它，这里认知空间中的某个点就是某个人的思想。人类通过这种社会行为达成社会的共识：习俗、道德规范等。目前，群智能理论研究处于基本思想描述阶段，还未能提出一些较为明确的概念和定义，尽管已经有人提出广义群智能的模型。

智能机器人之工业机器人

计算机技术的不断进步和发展使机器人技术的发展一次次达到一个新水平。机器人技术的发展改变了人们从事劳累而危险的各种工作，人类文明的发展、科技的进步已和机器人的应用研究产生了密不可分的关系。人类社会的展已离不开机器人技术，而机器人技术的进步又对推动科技发展起着不可替代的作用。

当今机器人技术正逐渐向着具有行走能力、多种感觉能力以及对作业环境的较强自适应能力的方面发展。各种类型具有视觉、触觉、高灵巧手指、能行走的智能机器人相继出现，开始用于精密装配、核工业、宇航和深海开发、各种恶劣环境和农业部门，并出现了多传感器融合、具有一定语言能力的机器人。

工业机器人驱动系统，按动力源分为液压驱动、气动驱动和电动驱动三种基本驱动类型，根据需要也可采用由这三种基本驱动类型组合成的复合式驱动系统。工业机器人驱动系统设计的选用原则:工业机器人驱动系统的选用，应根据工业机器人的性能要求、控制功能、运行的功耗、应用环境及作业要求、性能价格比以及其他因素综合加以考虑。在充分考虑各种驱动系统特点的基础上，以保

证工业机器人性能规范、可行性和可靠性的前提下做出决定。

一般情况下，各种机器人驱动系统的设计选用原则大致如下：

首先是按照控制方式选择，对物料搬运、冲压用的有限点位控制的程序控制机器人，低速重负载时可选用液压驱动系统；中等负载时可选用电动驱动系统；轻负载时可选用电动驱动系统；轻负载、高速时可选用气动驱动系统，冲压机器人手爪多选用气动驱动系统。

然后是按照作业环境要求进行选择，从事喷涂作业的工业机器人，由于工作环境需要防爆，考虑到其防爆性能，多采用电液伺服驱动系统和具有本征防爆的交流电动伺服驱动系统。水下机器人、核工业专用机器人、空间机器人，以及在腐蚀性、易燃易爆气体、放射性物质环境中工作的移动机器人，一般采用交流伺服驱动。如要求在洁净环境中使用，则多要求采用直接驱动电动机驱动系统。

也可以按照操作运行速度进行选择，对于装配机器人，由于要求其有较高的点位重复精度和较高的运行速度，通常在运行速度相对较低的情况下，可采用AC、DC 或步进电动机伺服驱动系统；在速度、精度要求均很高的条件下，多采用直接驱动电动机驱动系统。

工业机器人主要的驱动系统有电液伺服驱动系统、气

动驱动系统、电动驱动系统。

在功能强、价格低的计算机面世之前，早期的机械手和机器人中，其操作机多应用连杆机构中的导杆、滑块、曲柄，多采用液压(气压)活塞缸(或回转缸)来实现其直线和旋转运动。

随着控制技术的发展，对机器人操作机各部分动作要求的不断提高，电动机驱动在机器人中应用日益广泛。

目前，只在简易经济型、重型工业机器人和喷涂机器人中，才考虑采用液压驱动方式。

对轻负荷的搬运，上、下料点位操作的工业机器人则可以考虑采用气压驱动方式。

各种工业机器人可以以单机形式使用，也可以作为生产系统中的一个构成部分使用。随着社会需求发展的变化，工业机器人因其灵活性好，将在柔性自动化制造系统中应用越来越多。将会大大降低人们劳动强度，使之为其所用。

智能控制概论

内蒙古科技大学 智能控制概论结课报告 题目：一级倒立摆板模糊控制 学生姓名： 学号： 专业：测控技术与仪器 班级： 指导教师：刘慧博

目录 第1章概述 (3) 1.1 一阶倒立摆的概述 (3) 1.2 倒立摆系统的组成 (4) 1.3 倒立摆的控制方法 (4) 第二章倒立摆的建模 (5) 2.1 一级倒立摆的物理模型 (5) 2.2 数学模型的建立 (5) 2.3 模糊控制器的设计 (7) 第三章一级倒立摆系统的Simulink模型及系统仿真 (8) 3.1 MATLAB及Simulink (8) 3.2 一级倒立摆系统的Simulink的模型 (8) 3.3 仿真结果 (9) 第四章总结 (10) 参考文献 (11)

第1章概述 1.1 一阶倒立摆的概述 倒立摆系统是典型的自不稳定的非线性系统，由于倒立摆系统本身所具有的高阶次、不稳定、多变量、非线性和强耦合特性，许多抽象的控制概念如控制系统的稳定性、可控性、快速性和抗干扰能力，都可以通过倒立摆系统直观地表示出来。 早在20世纪60年代，人们就开始了对倒立摆系统的研究。1966年Schacfer 和Cannon应用Bang-Bang控制理论，将一个曲轴稳定于倒置位置。到了20世纪60年代后期，倒立摆作为一个典型不稳定、非线性的例证被提出。自此，对于倒立摆系统的研究便成了控制界关注的焦点。 倒立摆的种类很多，有悬挂式倒立摆、平行倒立摆、环形倒立摆、平面倒立摆；倒立摆的级数可以是一级、二级、三级、四级乃至多级；倒立摆的运动轨道可以是水平的，还可以是倾斜的(这对实际机器人的步行稳定控制研究更有意义)；控制电机可以是单电机，也可以是多级电机。 目前有关倒立摆的研究主要集中在亚洲，如中国的北京师范大学、北京航空航天大学、中国科技大学；日本的东京工业大学、东京电机大学、东京大学；韩国的釜山大学、忠南大学，此外，俄罗斯的圣彼得堡大学、美国的东佛罗里达大学、俄罗斯科学院、波兰的波兹南技术大学、意大利的佛罗伦萨大学也对这个领域有持续的研究。近年来，虽然各种新型倒立摆不断问世，但是可自主研发并生产倒立摆装置的厂家并不多。目前，国内各高校基本上都采用香港固高公司和加拿大Quanser公司生产的系统；其它一些生产厂家还包括（韩国）奥格斯科技发展有限公司（FT-4820型倒立摆）、保定航空技术实业有限公司；最近，郑州微纳科技有限公司的微纳科技直线电机倒立摆的研制取得了成功。

2019公需科目计算智能+人工智能导论答案

D、人造机器人 答案：C PEAS分别是指哪些组件？ A、性能/环境/执行器/传感器 B、传感器/性能/环境/执行器 C、环境/执行器/传感器/性能 D、传感器/环境/执行器/性能 答案：A 智能体程序分别有哪些类型？（） A、感知智能体/决策智能体/学习智能体/规划智能体 B、简单反射型智能体/基于模型的反射型智能体/基于目标的智能体/基于效用的智能体 C、机器人/软件/硬件/算法 D、类人智能体/类动物智能体 答案：B 智能体使用什么组件来获得环境信息？（） A、执行器 B、CPU C、传感器 D、条件--行动规律 答案：C 基于模型的反射型智能体的核心组件比简单反射型智能体多了什么？（） A、执行器 B、传感器 C、CPU D、世界模型 答案：D 基于目标的智能体比基于模型的反射型智能体多了什么组件？（） A、CPU B、世界模型 C、目标 D、环境 答案：C 可以把效用想象成什么？（） A、效果 B、能源 C、金钱 D、智能体 答案：C 基于效用的智能体比基于目标的智能体多了什么核心组件？（） A、世界模型 B、CPU C、效用评估 D、金钱

答案：C 哪个例子是强链接？（） A、收音机听到的一个人 B、微博上的陌生朋友 C、亲人 D、同事 答案：CD 一个图表示为G = (V, E)，其中V是指？（） A、一个点 B、一条边 C、边集合 D、点集合 答案：D 局部信息相似性链路预测的优势是什么？() A、精准 B、速度快 C、符合实际场景 D、包含节点属性 答案：B 下面哪个是全局信息预测算法？() A、Common neighBors (CN) B、JACCArD (JC) C、ADAmiC-ADAr (AA) D、PAgeRAnk 答案：D 谷歌搜索引擎的算法基本框架是？() A、Common neighBors (CN) B、JACCArD (JC) C、ADAmiC-ADAr (AA) D、PAgeRAnk 答案：D PAgeRAnk中，参数Oj是指() A、所有网页的数量 B、从网页引出去的链接的数量 C、指向网页的链接的数量 D、可调参数 答案：B 一个好的学习训练模型应该是？（） A、在训练时最小化错误率（提高在训练集上的准确率） B、模型应该简单（防止过拟合） C、将模型函数正则化 D、可以利用已知的数据特性，例如稀疏、低秩等 答案：ABCD 正则化是为了什么？

智能计算导论课程设计

西安电子科技大学 智能计算导论课程实验报告SAR图像变化检测

SAR图像变化检测 1 引言 遥感变化检测是指通过对不同时期同一区域的遥感图像进行比较分析，根 据图像之间的差异得到我们所需要的地物或目标的变化信息。现代遥感技术的飞速发展为变化检测提供了一种便捷的途径，遥感数据成为变化检测的主要数据源。 与可见光和红外遥感相比，微波遥感具有无可比拟的优点：微波能穿透云雾、雨雪，具有全天候、全天时的工作能力。二，微波对地物有一定穿透能力。三，采用侧视方式成像，覆盖面积大。正是这些优点，使得SAR 图像日益成为变化 检测的重要数据源。 SAR 变化检测技术的需求日益广泛。目前，全球坏境变化加剧，城市急速发展，洪水、地震等自然灾害时有发生，这些都需要及时掌握相关动态信息，为相关决策部门提供支持，而SAR 的种种优点为快速响应提供了技术支持和应急保障。 2 定义 变化检测是指通过分析同一地区不同时间的图像，检测出该地区的地物随时间发生变化的信息 SAR图像的变化检测是指利用多时相获取的同一地表区域的SAR图像来确定和分析地表变化，能提供地物的空间展布及其变化的定性与定量信息 3 常用方法

本报告所用算法流程图 4 实验结果

5 程序 %initial clc clear all close all

Ia=imread('2002.5.bmp');%read image Ib=imread('2005.4.bmp'); Iag=Ia(:,:,1);%rgb2gray Ibg=Ib(:,:,1); %midfilt Iam=medfilt2(Iag); Ibm=medfilt2(Ibg); %find difference ia_double = double(Iam)+1; %uint8todouble ia1 = ia_double/255; %unit ib_double = double(Ibm)+1; ib1 = ib_double/255; di_image=di(ia1,ib1); %构造模糊差异 di_image1=uint8(di_image.*256); di_image1=double(di_image1); %FCM bilateral_di_image=bilateral(di_image1,36,6); %双边滤波 bilateral_di_image1=uint8(bilateral_di_image); bilateral_di_image=double(bilateral_di_image1); fcm_image=fcm(bilateral_di_image); %聚类 [T]=mis(Re,fcm_image,N,L); k=T; disp(sprintf('12óD%d??????￡??ó2??????a%d',N*L,k)); p=k/(N*L)*100 disp(sprintf('?ó2??ê?a%2.4f',p)) %display figure(1); subplot(2,3,1),imshow(Ia); title('原图a'); subplot(2,3,2),imshow(Iam); title('图a中值滤波图'); subplot(2,3,3),imshow(Ib); title('原图b'); subplot(2,3,4),imshow(Ibm); title('图b中值滤波图'); subplot(2,3,5),imshow(di_image); title('模糊差异图'); subplot(2,3,6),imshow(bilateral_di_image1); title('双边滤波图'); figure(2); imshow(fcm_image); title('聚类图'); function [img1] = bilateral(img,winsize,sigma) winsize = round( (winsize-1)/2 )*2 + 1;

2020公需科目《人工智能导论》答案

冯?诺依曼计算机的五个组成部分不包括（） A、运算器 B、控制器 C、处理器 D、存储器 答案：C 2、(单选，10分) 以下对强人工智能的描述不准确的是（） A、机器具有类人或者超越人的智慧 B、人脑与AI界限模糊 C、计算机可表现出不低于人类智能水平的外部智能行为 D、计算机与人类特征连结 答案：C 3、(单选，10分) 当前主流人工智能研究的三个重要特征不包括：（） A、关注智能体的外部行为，而不是产生该行为的内部过程 B、关注如何模拟人类纯粹智能活动，而不是脑力活动 C、将人工智能问题视为计算问题，通过数学建模进行求解 D、最终目标是得到能够适应人类生存环境的智能体 答案：C 4、(单选，10分) 以下哪个方法不属于检测人工智能的手段（） A、威诺格拉德模式挑战 B、机器的标准化测试 C、物理图灵测试 D、中国餐馆测试 答案：D 5、(单选，10分) 2016年3月15日，AlphaGo首次战胜的人类围棋世界冠军是：（） A、李世石 B、柯洁 C、古力 D、樊麾 答案：A

以下哪个部件不是AlphaGo的组成部分（） A、策略网络 B、评估网络 C、蒙特卡罗树搜算法 D、纳什均衡博弈算法 答案：D 7、(单选，10分) AlphaGo的评估网络的设计思想源于（） A、机器学习 B、增强学习 C、深度学习 D、无监督学习 答案：B 8、(单选，10分) AlphaGo的策略网络所采用的学习算法模型是（） A、深度卷积神经网络 B、循环神经网络 C、递归神经网络 D、深度博弈网络 答案：A 9、(单选，10分) 以AlphaGo为代表的智能博弈机器人是典型的强人工智能。 A、正确 B、错误 答案：B 10、(单选，10分) 图灵测试与人工智能研究的最终目标都是得到可以通过图灵测试的计算机。 A、正确 B、错误 答案：B

智能控制导论复习题

试题 一、名词解释 1．智能 2. 自动控制 3. 专家控制系统 4. 学习控制 5. 免疫算法 6．信息7. 智能控制系统8. 专家系统9. 学习控制系统10. 人工免疫系统 11．信息论12. 黑板13. 模糊判决14. 学习系统15. 选择操作 二、填空题 16. 免疫系统在受到外界病菌的感染后，能够通过自身的免疫机制恢复健康以保持正常工作的一种特性称为免疫系统的。 17．智能控制是采用驱动智能机器实现其目标的过程 18．知识是人们通过体验、学习或联想而知晓的对客观世界。 19．与学习系统相似，学习控制系统分为在线学习控制系统和控制系统两类。 20．基于模式识别的学习控制系统，可被推广为一个具有在线特征辨识的分层递阶结构，该控制系统由三级组成，即组织级、和执行控制级。 21. 真体的行动受其心理状态驱动，人类心理状态的要素有认知、情感、三种。 22．神经网络主要通过两种学习算法进行训练，即无师学习算法和。 23．神经网络自适应控制和常规自适应控制一样，也分为两类，即和模型参考自适应控制。 24．实现学习控制系统需要三种能力：性能反馈、、训练。 25，遗传算法是模仿和自然选择机理，通过人工方式构造的一类优化搜索算法。 26. 把智能控制与传统控制有机地组合起来，即可构成系统。 27．人们通过体验、学习或联想而知晓的对客观世界规律性的认识是。 28．间接进化控制是由作用于系统模型，再综合系统状态输出与系统模型输出作用于进化学习，然后，系统在应用一般闭环反馈控制原理构成进化控制系统。 29. 仿人控制研究的主要目标不是控制对象，而是控制器本身如何对控制专家结构和的模拟。 30．连接主义的原理主要为神经网络及神经网络间的连接机制与。 31. 真体程序的核心部分称为或问题求解器。 32．在专家系统的主要组成部分中，能够向用户解释专家系统的行为，包括解释推

计算智能概论

计算智能概论 ——结课报告 通过一个学期的学习，我们对计算智能概论有了一个大概的了解，虽然我们还不能进行复杂的计算编程，但是对于基本概念我们还是有了初步的认识。遗传算法（Genetic Algorithm）是基于自然选择和基因遗传学原理的随机搜索算法。它是一种通过模拟自然进化过程搜索最优解的方法，遗传算法起源于对生物系统进行的计算机模拟研究。早在20 世纪40 年代，就有学者开始研究利用计算机进行生物模拟的技术，他们从生物学的角度进行了生物的进化过程模拟、遗传过程模拟等研究工作。早期的研究特点是侧重于对一些复杂操作的研究。最早意识到自然遗传算法可以转化为人工智能算法John H. Holland 教授。1965 年，Holland 教授首次提出了人工智能操作的重要性，并将其应用到自然系统和人工系统中。1967 年，Holland 教授的学生.J.D.Bagley 在其博士论文中首次提出了“遗传算法”一词，并发表了遗传算法应用方面的第一篇论文，从而创立了自适应遗传算法的概念e J.D.Bagley 发展了复制、交叉、变异、显性、倒位等遗传算子，在个体编码上使用了双倍体的编码方法。 人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经。神经系统对真实世界物体所作出的交互反应。人工神经网络以其具有自学习、自组织、较好的容错性和。优良的非线性逼近能力，受到众多领域学者的关注。在实际应用中，80%～90%的人工神经网络模型是采。采用误差反传算法或其变化形式的网

络模型。 从生物神经元到人工神经网络:大脑与神经细胞、神经细胞与神经细胞构成了庞大天文数字量级的高度复杂的网络系统。也正是有了这样的复杂巨系统，大脑才能担负起人类认识世界和改造世界的任务。 “世界上最大的未开发疆域，是我们两耳之间的空间。”（美国汉诺威保险公司总裁比尔·奥伯莱恩） 1、生物神经系统和大脑的复杂性 生物系统是世界上最为复杂的系统。 生物神经系统活动和脑的功能，其复杂性是难以想象的。 ①人大脑平均只有3磅左右。只占身体重量比例的1/30； ②使眼睛可以辨别1000万种细微的颜色； ③使肌肉(如果全部向同一个方向运动)产生25吨的拉力； ④是由100亿个脑细胞和10兆个神经交汇丛组成。整个大脑的神经网络足足有10英里长。 人类的梦想重新构造人脑，并让其代替人类完成相应的工作。（无数科幻故事）智能是个体有目的的行为、合理的思维、以及有效的适应环境的综合能力；也可以说是个体认识客观事物和运用知识解决问题的能力。人类智能的具体含义：感知与认识客观事物、客观世界和自我的能力；通过学习获得经验、积累知识的能力；理解知识、运用知识和经验分析、解决问题的能力；联想、推理、判断、决策的能力；运用语言进行抽象、概括的能力；以上5点是人类智能的基本能力。 对以上5个基本问题的不同回答已经形成3个主要的学术流派：人工智

智能控制导论复习题

试题 一、名词解释 1．智能2. 自动控制3. 专家控制系统4. 学习控制5. 免疫算法 6．信息7. 智能控制系统8. 专家系统9. 学习控制系统10. 人工免疫系统 11．信息论12. 黑板13. 模糊判决14. 学习系统15. 选择操作 二、填空题 16. 免疫系统在受到外界病菌的感染后，能够通过自身的免疫机制恢复健康以保持正常工作的一种特性称为免疫系统的。 17．智能控制是采用驱动智能机器实现其目标的过程 18．知识是人们通过体验、学习或联想而知晓的对客观世界。 19．与学习系统相似，学习控制系统分为在线学习控制系统和控制系统两类。 20．基于模式识别的学习控制系统，可被推广为一个具有在线特征辨识的分层递阶结构，该控制系统由三级组成，即组织级、和执行控制级。 21. 真体的行动受其心理状态驱动，人类心理状态的要素有认知、情感、三种。 22．神经网络主要通过两种学习算法进行训练，即无师学习算法和。 23．神经网络自适应控制和常规自适应控制一样，也分为两类，即和模型参考自适应控制。 24．实现学习控制系统需要三种能力：性能反馈、、训练。 25，遗传算法是模仿和自然选择机理，通过人工方式构造的一类优化搜索算法。 26. 把智能控制与传统控制有机地组合起来，即可构成系统。 27．人们通过体验、学习或联想而知晓的对客观世界规律性的认识是。 28．间接进化控制是由作用于系统模型，再综合系统状态输出与系统模型输出作用于进化学习，然后，系统在应用一般闭环反馈控制原理构成进化控制系统。 29. 仿人控制研究的主要目标不是控制对象，而是控制器本身如何对控制专家结构和的模拟。 30．连接主义的原理主要为神经网络及神经网络间的连接机制与。 31. 真体程序的核心部分称为或问题求解器。 32．在专家系统的主要组成部分中，能够向用户解释专家系统的行为，包括解释推

人工智能导论试卷

一、选择题(每题1分，共15分) 1、人工智能是一门D A)数学和生理学B)心理学和生理学C)语言学 D)综合性的交叉学科和边缘学科 2、语义网络表达知识时，有向弧AKO链、ISA链是用来表达节点知识的（C）。 A)无悖性B)可扩充性C)继承性 3、(A->B)∧A=>B是C A)附加律B)拒收律C)假言推理 D)US 4、命题是可以判断真假的D A)祈使句B)疑问句C)感叹句 D)陈述句 5、仅个体变元被量化的谓词称为A A)一阶谓词B)原子公式C)二阶谓词 D)全称量词 6、MGU是A A)最一般合一B)最一般替换C)最一般谓词D)基替换 最一般合一 7、下列不在人工智能系统的知识包含的4个要素中D A)事实B)规则C)控制 D)关系 8、当前归结式是（）时，则定理得证。C A)永真式B包孕式（subsumed）C)空子句 9、或图通常称为D A）框架网络B)语义图C)博亦图D)状态图 10、不属于人工智能的学派是B A)符号主义B)机会主义C)行为主义 D)连接主义。 11、所谓不确定性推理就是从(A)的初始证据出发，通过运用()的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。 A)不确定性,不确定性B)确定性,确定性 C)确定性,不确定性D)不确定性确定性 12.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（B）。A)专家系统B)机器学习C)神经网络D)模式识别 13、下列哪部分不是专家系统的组成部分（A） A.）用户B）综合数据库C）推理机 D）知识库 14、产生式系统的推理不包括（D） A）正向推理B）逆向推理C）双向推理D）简单推理 15、C(B|A)表示在规则A->B中，证据A为真的作用下结论B为真的B A)可信度B)信度C)信任增长度D)概率 二、填空题(每题1分，共30分) 1、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是图灵 2、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是 正向推理。 3、AI的英文缩写是ArtificalIntelligence 。 4、不确定性类型按性质分：不确定性，模糊性， 不完全性，不一致性。 6、对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系： CF（~A）=、CF（A1∧A2）=、 CF（A1∨A2）=。-CF(A)，min{CF(A1),CF(A2)}，max{CF(A1),CF(A2)}) 7、图：指由节点和有向边组成的网络。按连接同一节点的各边的逻辑关系又可分为和或图与或图。 8、合一算法：求非空有限具有相同谓词名的原子公式集的MGU。 9、1997年５月，着名的“人机大战”，最终名为“深蓝”的计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败。 10、人工智能的远期目标是制造智能机器，近期目标是实现机器智能。 三、简答及计算题(每题5分，共25分)

《人工智能导论》试卷

. . 人工智能试卷四 一、选择题(每题1分，共15分) 1、AI的英文缩写是 A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是 A)正向推理B)反向推理C)双向推理 4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。 A)无悖性B)可扩充性C)继承性 5、(A→B)∧A => B是 A)附加律B)拒收律C)假言推理D)US 6、命题是可以判断真假的 A)祈使句B)疑问句C)感叹句D)陈述句 7、仅个体变元被量化的谓词称为 A)一阶谓词B)原子公式C)二阶谓词D)全称量词 8、MGU是 A)最一般合一B)最一般替换C)最一般谓词D)基替换 9、1997年５月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（） A）深蓝B）IBM C）深思D）蓝天 10、下列不在人工智能系统的知识包含的4个要素中 A)事实B)规则C)控制和元知识D)关系 11、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨C2‘,若σ是互补文字的（最一般）合一置换，则其归结式C=（） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 12、或图通常称为 A）框架网络B)语义图C)博亦图D)状态图 13、不属于人工智能的学派是 A)符号主义B)机会主义C)行为主义D)连接主义。 14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是 A)明斯基B).扎德C)图林D)冯.诺依曼 15.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（）。 A)专家系统B)机器学习C)神经网络D)模式识别 二、填空题(每空1.5分，共30分) 1、不确定性类型按性质分：随机性，模糊性，不完全性，不一致性。 2、在删除策略归结的过程中删除以下子句：含有的子句;含 有的子句;子句集中被别的子句的子句。 3、对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系： CF（~A）=、CF（A1∧A2 ）=、 CF（A1∨A2 ）= 4、图：指由和组成的网络。按连接同一节点的各边的逻辑关系又可分为和。 5、合一算法：求非空有限具有相同谓词名的原子公式集的 6、产生式系统的推理过程中，从可触发规则中选择一个规则来执行，被执行的规则称为。 7、P(B|A) 表示在规则中，证据A为真的作用下结论B为真的。 8、人工智能的远期目标是， 近期目标是。 三、简答及计算题(每题5分，共25分) 1、填写下面的三值逻辑表。 其中T，F，U分别表示真，假，不能判定 2、什么是产生式？产生式规则的语义是什么？ 答： 3、谓词公式G通过８个步骤所得的子句集合S，称为G的子句集。请写出这些步骤。 4、已知S={P(f(x),y,g(y)),P(f(x),z,g(x))}，求MGU 解： 5、证明G是否是F的逻辑结论； )) ( ) ( ( : )) ( ) ( ) ( ( : x Q x P x G x Q a Q x P x F ∧ ? ∨ ∧ ? 四、应用题(共30分) 1、用语义网络表示下列信息： (1)胡途是思源公司的经理，他35岁，住在飞天胡同68号 (2)清华大学与北京大学进行蓝球比赛，最后以89：102的比分结束。 答： 2、图示博弈树，其中末一行的数字为假设的估值，请利用α-β剪枝技术剪去不必要的分枝。（在节点及边上直接加注释） 3、设有如下关系：（1）如果x是y的父亲，y又是z的父亲，则x是z的祖父；（2）老李是大李的父亲；（3）大李是小李的父亲；问上述人员中谁和谁是祖孙关系？ 解： 答案： 一、1、B 2、C3、A4、C5、C 6、D 7、A 8、A 9、A10、D 11、A12、D13、B14、C 15、B 二、1、随机性，模糊性，不完全性，不一致性 2、纯文字，永真式，类含

福州大学人工智能导论试卷

福州大学2014～2015学年第2学期考试A卷 课程名称人工智能导论考试日期2015-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项：1、本试卷共8 页，请查看试卷中是否有缺页。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分，共20分) 得分评卷人 1. 人工智能三大学派是、和。 2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。 4. 产生式系统由3个部分组成：一个总数据库、、。 5. ANN中文意义是。 6. 反向传播（back-propagation,BP）算法过程是从输出节点开始， ，所以称为“反向传播”。 7. 消解反演证明定理时，若当前归结式是，则定理得证。 8. 子句和P经过消解以后，得到。 9．基于规则的正向演绎系统，其规则形式为，其中前项要满足的条件是。 10. 语义网络下的推理是通过和实现的。 11. 被成为人工智能之父，曾提出一个机器智能的测试模型。 12. 谓词公式(?x)(?y)(?z)(P(x,y)∨Q(y,z)W(z))消去存在量词后，可以化为 。

13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu（最一般合一）为 。 14. 进化策略是在父矢量x i ，i=1,2,……p中，通过加入一个 变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分，共20分) 得分评卷人 1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是（） A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题（）解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（） A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中（）是能够合一的。 A. P（q（f（v）），g（u））和P（x，x） B. P（x，f（x））和P（y，y） C. P（y，y，B）和P（z，x，z） D. P（f（A），x），P（x，A） 8. 在遗传算法中，变量x的定义域为 [-2，5]，要求其精度为10-6，现用二进制进行编码，

计算智能概论作业

河南工业大学 计 算 智 能 概 论 作 业 姓名任庆里 班级自动0901 学号200948280105 学院电气工程学院

一、介绍人工神经网络的发展历程和分类 众所周知人之所以能够感觉能够控制自己，是因为人体内的神经网络再给人类传递各种各样的信息，因为有了他们我们才能在受到外界干扰时迅速做出反应，以实现人类正常的生活与交往，所以说神经网络在我的身体里是至关重要的，因为他的重要，所以人们才回去想法设法去开发区利用，所以人工神经网络就如期诞生。 人工神经网络早期的研究工作应追溯至本世纪40年代。下面以时间顺序，以著名的人物或某一方面突出的研究成果为线索，简要介绍人工神经网络的发展历史。 1943年，心理学家W·Mcculloch和数理逻辑学家W·Pitts在分析、总结神经元基本特性的基础上首先提出神经元的数学模型。 1945年冯·诺依曼领导的设计小组试制成功存储程序式电子计算机，标志着电子计算机时代的开始。1948年，他在研究工作中比较了人脑结构与存储程序式计算机的根本区别，提出了以简单神经元构成的再生自动机网络结构。 50年代末，F·Rosenblatt设计制作了“感知机”，它是一种多层的神经网络。这项工作首次把人工神经网络的研究从理论探讨付诸工程实践。另外，在1968年一本名为《感知机》的著作中指出线性感知机功能是有限的，它不能解决如异或这样的基本问题，而且多层网络还不能找到有效的计算方法，这些论点促使大批研究人员对于人工神经网络的前景失去信心。60年代末期，人工神经网络的研究进入了低潮。另外，在60年代初期，Widrow提出了自适应线性

元件网络，这是一种连续取值的线性加权求和阈值网络。80年代初期，模拟与数字混合的超大规模集成电路制作技术提高到新的水平，完全付诸实用化。美国的物理学家Hopfield于1982年和1984年在美国科学院院刊上发表了两篇关于人工神经网络研究的论文，引起了巨大的反响。人们重新认识到神经网络的威力以及付诸应用的现实性。随即，形成了80年代中期以来人工神经网络的研究热潮。 神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面： （1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。 （2）建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。 （3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。 （4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。 我认为随着科技的发展在未来几年或是几十年内，人工神经网络必将有重大突破。

计算智能概论

计算智能概论课程论文 河南工业大学管理学院 班级：物流0901班 姓名：张延 时间：2011-4-19 神经网络的应用 神经网络最早的研究20世纪40年代心理学家Mcculloch和数学家Pitts合作提出的，他们提出的MP模型拉开了神经网络研究的序幕。 神经网络的发展大致经过三个阶段：1947~1969年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB学习规则和感知器等；1970~1986年为过渡期，这个期间神经网络研究经过了一个低潮，继续发展。在此期间，科学家们做了大量的工作，如Hopfield教授对网络引入能量函数的概念，给出了网络的稳定性判据，提出了用于联想记忆和优化计算的途径。1984年，Hiton教授提出Boltzman机模型。1986年Kumelhart等人提出误差反向传播神经网络，简称BP网络。目前，BP网络已成为广泛使用的网络；1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮。 神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中取得了显着的成效，主要应用如下： (1) 图像处理。对图像进行边缘监测、图像分割、图像压缩

和图像恢复。 (2) 信号处理。能分别对通讯、语音、心电和脑电信号进行处理分类；可用于海底声纳信号的检测与分类，在反潜、扫雷等方面得到应用。 (3) 模式识别。已成功应用于手写字符、汽车牌照、指纹和声音识别，还可用于目标的自动识别和定位、机器人传感器的图像识别以及地震信号的鉴别等。 (4) 机器人控制。对机器人眼手系统位置进行协调控制，用于机械手的故障诊断及排除、智能自适应移动机器人的导航。 (5) 卫生保健、医疗。比如通过训练自主组合的多层感知器可以区分正常心跳和非正常心跳、基于BP网络的波形分类和特征提取在计算机临床诊断中的应用。 (6) 焊接领域。国内外在参数选择、质量检验、质量预测和实时控制方面都有研究，部分成果已得到应用。 (7) 经济。能对商品价格、股票价格和企业的可信度等进行短期预测。 (8) 另外，在数据挖掘、电力系统、交通、军事、矿业、农业和气象等方面亦有应用。 神经网络虽已在许多领域应用中取得了广泛的成功，但其发展还不十分成熟，还有一些问题需进一步研究。 (1) 神经计算的基础理论框架以及生理层面的研究仍需深入。这方面的工作虽然很困难，但为了神经计算的进一步发展却是

人工智能技术导论(廉师友)考试复习重点总结

第一章 人工智能：主要研究如何用人工的方法和技术，使用各种自动化机器或智能机器(主要指计算机)模仿、延伸和扩展人的智能，实现某些机器思维或脑力劳动自动化。 为什么要研究人工智能：1)普通计算机智能低下，不能满足社会需求。2)研究人工智能也是当前信息化社会的迫切需求。3)智能化是自动化发展的必然趋势。4)研究人工智能，对人类自身智能的奥秘也提供有益帮助。 远期目标是要制造智能机器。具体讲就是使计算机具有看、听、说、写等感知和交互能力，具有联想、学习、推理、理解、学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。 近期目标：是实现机器智能。即先部分地或某种程度地实现机器智能，从而使现有的计算机更灵活好用和更聪明有用。 人工智能的研究内容1)搜索与求解2)学习与发现3)知识与推理4)发明与创造5)感知与交流6)记忆与联想7)系统与建造8)应用与工程 研究途径与方法：1)心理模拟，符号推演法就是以人脑的心理模型为依据，将问题或知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维，实现人工智能。2)生理模拟，神经计算就是用人工神经元组成的人工神经网络来作为信息和知识的载体，用称为神经计算的方法实现学习、记忆、联想、识别和推理等功能，从而来模拟人脑的智能行为，使计算机表现出某种智能。3)行为模拟，控制进化是一种基于感知－行为模型的研究途径和方法，它是在模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，来研究和实现人工智能。4)群体模拟，仿生计算模拟生物群落的群体智能行为，从而实现人工智能。5)博采广鉴，自然计算就是模仿或借鉴自然界的某种机理而设计计算模型，这类计算模型通常是一类具有自适应、自组织、自学习、自寻优能力的算法。6)原理分析，数学建模就是通过对智能本质和原理的分析，直接采用某种数学方法来建立智能行为模型。 人工智能的基本技术1)表示a符号智能的表示是知识表示b计算智能的表示一般是对象表示2)运算a符号智能的运算是基于知识表示的推理或符号操作b计算智能的运算是基于对象表示的操作或计算3)搜索a符号智能在问题空间内搜索进行问题求解b计算智能在解空间搜索进行求解 第三章 1广度优先搜索的特点广度优先中OPEN表是一个队列，CLOSED表是一个顺序表，表中各节点按顺序编号，正被考察的节点在表中编号最大，广度优先策略是完备的广度优先搜索策略与问题无关，具有通用性。缺点搜索效率低。 2. 深度优先搜索的特点OPEN表为一个堆栈。一般不能保证找到最优解。当深度限制不合理时，可能找不到解，可以将算法改为可变深度限制，即有界深度优先搜索。最坏情况时，搜索空间等同于穷举。 3. 加权状态图与代价树边上附有数值的状态图称为加权状态图或赋权状态图，这种数值称为权值。加权状态图的搜索：加权状态图的搜索与权值有关，并且要用权值来导航。具体来讲，加权状态图的搜索算法，要在一般状态图搜索算法基础上再增加权值的计算与传播过程，并且要由权值来确定节点的扩展顺序。 4。综述图搜索的方式和策略。用计算机来实现图的搜索有两种最基本的方式：树式搜索和线式搜索。树式搜索就是在搜索过程中记录所经过的所有节点和边。线式搜索就是在搜索过程中只记录那些当前认为是处在所找路径上的节点和边。线式搜索的基本方式又可分为不回溯和可回溯的的两种。图搜索的策略可分为：盲目搜索和启发式搜索。盲目搜索就是无向导的搜索。树式盲目搜索就是穷举式搜索。而线式盲目搜索，对于不回溯的就是随机碰撞式搜索，对于回溯的则也是穷举式搜索。启发式搜索则是利用“启发性信息”引导的搜索。启发式搜索又可分为许多不同的策略，如全局择优、局部择优、最佳图搜索等。 第四章 三种遗传操作:1)选择-复制从种群中选择适应度高的染色体进行复制，以生成下一代种群。2)交叉就是互换两个染色体某些位上的基因。3)变异就是改变染色体某个(些)位上的基因。 遗传算法就是对种群中的染色体反复做三种遗传操作，使其朝着适应度增高的方向不断更新换代，直至出现了适应度满足目标条件的染色体为止。 遗传算法的主要特点1)遗传算法一般是直接在解空间搜索, 而不像图搜索那样一般是在问题空间搜索, 最后才找到解。2)遗传算法的搜索随机地始于搜索空间的一个点集, 所以遗传算法是一种随机搜索算法。3)遗传算法总是在寻找优解, 所以遗传算法又是一种优化搜索算法。4)遗传算法的搜索过程是从空间的一个点集(种群)到另一个点集(种群)的搜索。5)遗传算法的适应性强, 除需知适应度函数外, 几乎不需要其他的先验知识。6)遗传算法长于全局搜索, 它不受搜索空间的限制性假设的约束,不要求连续性, 能以很大的概率从离散的、多极值的、含有噪声的高维问题中找到全局最优解。 第六章 产生式系统的基本结构 产生式规则库：作用在全局数据库上的一些规则的集合。每条规则都有一定的条件，若全局数据库中内容满足这些条件可调用这条规则。一般可形成一个称为推理网络的结构图。对应过程性知识。 推理机：负责产生式规则的前提条件测试或匹配，规则的调度和选取，规则体的解释和执行。即推理机实施推理，并对推理进行控制，它也是规则的解释程序。对应控制性知识。 全局数据库：人工智能系统的数据结构中心。是一个动态数据结构，用来存放初始事实数据、中间结果和最后结果。对应叙述性知识。

智能控制概论报告资料

智能控制概论报告—模糊控制器设计 原尧燊 08010439

目录 一、设计要求 (3) 二、控制器设计 (3) 1.确定模糊控制器输入输出变量 (3) 2. 确定各输入输出变量的变化范围、量化等级和量化因子 (3) 3. 在各输入和输出语言变量的量化域内定义模糊子集 (4) 4. 模糊控制规则的确定 (5) 5. 求模糊控制表 (5) 三、程序设计 (6) 四、测试与仿真 (7) 1. Simulink搭建 (7) 2. 比例因子K3对响应曲线的影响 (7) 五、总结 (10) 六、使用方法 (10) 七、代码附录 (11)

一、设计要求： 已知被控对象模型，给定阶跃响应幅值为30，系统初值为0，完成以下内 容： (a) 设计常规的模糊逻辑控制器； (b) 当通过改变模糊逻辑控制器比例因子时，分析系统响应有什么变化？ (c) 联系、结合模糊逻辑控制器设计过程（结构设计、模糊化设计、规则设计、精确化设计）以及控制系统响应情况，谈谈本人对模糊逻辑控制系统的一些认识和看法。 要求： （1）先进行系统分析，然后给出完整详细的设计过程，可参见P59-61 页直流调速系统的模 糊逻辑控制器设计过程； （2）提交完整的报告，包括：封面(题目、个人学号姓名等信息)、目录、任务要求叙述、系统分析及控制设计原理(包括控制系统原理图及文字分析)、完整的设计实现过程(包 括模糊控制器每部分的选择与实现、计算、原理过程等)、仿真验证(算法流程图、软 件实现手段介绍、系统参数选择、响应曲线图、结合调参对响应曲线的影响给出必要 的分析)、讨论与分析，其中对(b)(c)部分的分析字数要求在500~2000 字以内。 （3）提交可运行的软件程序，计算机上可检验结果；必须在根目录下附软件/程序使用说明， 运行说明(可能的话，附那些参数可调及具体效果的说明) 二、控制器设计 1. 确定模糊控制器输入输出变量 本控制器设计参考中文书P54~P61中的二维控制器设计，输入为偏差E和偏差变化量ES来进行调节。另外模糊控制器通过查表法实现。 控制表方式的模糊逻辑控制器基本结构图 图2-1 2. 确定各输入输出变量的变化范围、量化等级和量化因子 取三个语言变量的量化等级都为7级，即x, y, z, = { -3, -2, -1, 0, 1, 2, 3 }。由于在设计控制器的时候已经把量化因子涵盖在程序中了，所以三个量化因子并没有出现在simulink当中。

人工智能导论doc

西安交通大学 “人工智能导论”课程教学大纲 英文名称：Introduction to Artificial Intelligence 课程编码：COMP3022 学时：32 学分：2 适用对象：自动控制专业 先修课程：离散数学、数据结构、概率统计 使用教材及参考书： 蔡自兴，徐光祐。人工智能及其应用，第三版，本科生用书。清华大学出版社，2003。 廉师友人工智能技术导论（第二版），西安电子科技大学出版社，2002。 一、课程性质、目的和任务 通过本课程的学习，使学生了解人工智能的研究范畴、应用领域和发展方向，掌握该学科的基本概念、原理和方法，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 学习人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法、谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。讨论高级知识推理，涉及非单调推理和各种不确定推理方法。探讨人工智能的新研究领域，如神经计算、进化计算和人工生命等。 二、教学基本要求 三、教学内容及要求

第一章绪论 (2学时) 人工智能概念和发展 人工智能的主要研究和应用领域; 人工智能研究的不同学派 国内外人工智能研究情况和新进展第二章知识表示方法(6学时) 知识与知识表示的概念 一阶谓词逻辑表示法 产生式表示法 语义网络表示法 框架表示法 脚本表示法 过程表示法 面向对象表示法 第三章逻辑推理(6学时) 推理的基本概念 推理的逻辑基础 自然演绎推理 归结演绎推理 基于规则的演绎推理 第四章搜索策略(6学时) 搜索的基本概念 状态空间的盲目搜索 状态空间的启发式搜索 与/或树的搜索 博弈树的搜索

智能控制第1讲 智能控制概论

Intelligent Control
智能控制
黄从智
Email：hcz190@https://www.wendangku.net/doc/e74563684.html,

课程目标
解答如下问题： 1，智能控制的历史 、现状和未来 ？ 2，智能控制的主要理论分支及其技术？ 3，智能控制理论及技术的具体实现？ 4，智能控制理论及技术的应用领域？

课程目标
? 掌握智能控制的基本概念、基本理论、基本技术。 ? 灵活运用各种智能控制算法解决实际问题。
? ? ? ?
专家系统 模糊控制 神经网络 进化计算

学习方法
? 理解基本概念、基本技术和基本方法； ? 重点掌握各种智能控制算法的基本思想、 设计步骤和程序实现方法； ? 理论学习+算法实现； ? 仿真实现+工程实践。

考试方式
? 口头报告：Problem + Solution。 ? 评分依据：PPT口头汇报+Word报告。 ? 要求包括内容： 研究问题的来源；采用的算法思想； 解决方案：仿真结果与分析总结。

教 材：
(2007年修订版)
教材及参考书
《智能控制技术》,易继锴，候媛彬编著,北京工业大学出版社
参考书：
《智能控制基础》,刘金锟,电子工业出版社 (2005年) 《先进PID控制及其MATLAB仿真》,刘金锟, 电子工业出版社 (2003年) 《智能控制基础》,韦巍,何衍编著,清华大学出版社 (2008年) 《智能控制导论》,蔡自兴,中国水利水电出版社(2007年) 《智能控制原理与应用》,蔡自兴,清华大学出版社(2007年)