|大多数人工智能程序都是相当复杂的对象，掌握其复杂性是一个主要的研究目标
文章图片
文章图片
文章图片
许多人类的心理活动 ， 如写计算机程序、做数学题、从事常识推理、理解语言 ， 甚至驾驶汽车 ， 这些都需要“智力” 。 在过去的几十年里 ， 全球已经建立了几个计算机系统 ， 可以执行这样的任务 。 具体来说 ， 有一些计算机系统可以诊断疾病 ， 计划复杂的有机化合物的合成 ， 以符号形式解决微分方程 ， 分析电子电路 ， 理解有限数量的人类语言和自然语言文本 ， 或编写小的计算机程序来满足正式的规范 。
我们可以说 ， 这种系统具有某种程度上的人工智能 。 构建这类系统的大部分工作都发生在人工智能领域进行 。 大多数人工智能程序都是相当复杂的对象 ， 掌握其复杂性是一个主要的研究目标 。 要对人工智能程序中存在的问题进行全面的研究 ， 就需要进行精确的形式化 ， 以便进行详细的分析 ， 从而获得令人满意的解决方案 。 人工智能技术有潜力比任何传统方法做出更好、更快、更实际的预测 。
人工智能由人工神经网络、模糊逻辑、基于自适应网络的模糊推理系统和数据挖掘等几个分支组成 。 神经网络是由并行操作的简单元素组成的 ， 这些元素都是受到了生物神经系统的启发 。 在本质上 ， 网络的功能在很大程度上是由元素之间的连接所决定 ， 可以通过调整元素之间的连接值来训练神经网络来执行特定的功能 。 通常 ， 神经网络经过调整或训练 ， 使特定的输入导致特定的目标输出 。
【|大多数人工智能程序都是相当复杂的对象，掌握其复杂性是一个主要的研究目标】
在这里 ， 网络根据输出和目标之间的比较进行调整 ， 直到网络输出与目标匹配 。 通常需要许多这样的输入与输出来训练一个网络 。 人工神经网络已成功地应用于数学、工程学、医学、经济学、气象学、心理学、神经学等各个领域 。 其中一些最重要的问题是在模式、声音和语音识别、对肌电图和其他医疗特征的分析、识别军事目标和识别乘客行李箱中的爆炸物方面 。
它们还被用于天气和市场趋势预测、矿产勘探地点的预测、电力和热负荷预测 ， 以及自适应和机器人控制 。 神经网络被用于过程控制 ， 因为它们可以从传感器常规收集的多维数据中建立过程的预测模型 。 该网络通常由一个输入层、一些隐藏层和一个输出层组成 。 在其简单的形式下 ， 每个神经元通过自适应的突触权值与前一层的其他神经元连接起来 。 知识通常作为一组连接权重存储 。
训练是指利用合适的学习方法有序地修改连接权值的过程 。 网络使用一种学习模式 ， 在该模式中 ， 将输入与期望的输出一起呈现给网络 ， 并调整权重 ， 使网络试图产生期望的输出 。 训练后的权重包含有意义的信息 ， 而训练前的权重是随机的 ， 没有任何意义 。 将这些数据加起来 ， 然后通过一个激活函数传递结果 。 对于每个传出的连接 ， 这个激活值乘以特定的权重 ， 并转移到下一个节点 。
模糊推理系统模型是通过将模糊逻辑和神经网络的概念结合成一个统一的平台而得到的一个混合框架 。 该模型具有用于系统识别的自适应网络形式的模糊推理系统 ， 以及基于具有代表性的训练数据集将给定的输入空间映射到相应的输出空间的预测工具 。 模糊推理系统依赖于模糊的人类知识和一组输入输出数据对来完成输入输出映射的过程 。
相关经验推荐
- 5G|当谈论人工智能时，我们就会想到尖端技术，并且会幻想机器和人类共存的未来世界
- |目前，人工智能是一种建议和改变的“工具”，而不是一种独立的决策方法
- 机器|人工智能在计算机科学中也称为机器智能，是计算机展示的智能
- 武汉|首份武汉人工智能产业库报告发布，23家人工智能企业营收过亿元
- 人力资源|人工智能提供了非常系统和精准的人力资源业务解决方案
- 程序员|《失控玩家》，程序员，再其貌不扬，但永远都有享受幸福的权利
- 联想|有了人工智能，人类几乎可以做任何事情
- 大数据|人工智能数据治理行业报告发布 云测数据入选大数据智能产业生态图谱
- windows10|只有1.44%？为什么大多数老用户都不愿意升级Win 11，原因很真实
- 华为|冲上热搜！华为已彻底摆脱老美的限制，人工智能行业引关注