Кратки лекции по изкуствен интелект


Категория на документа: Други


- естественост и модулност на представяне
- ефективност

тема 8.
Невронни мрежи

-Типичен представител на ПС. Има два подхода : символен, конекциониски. Разликата между тях е в хипотазата за представяне на знанията.

- Опростена схема на биологичен неврон
* дендрити - входни устройства на неврона ;
* тяло на неврона - сумира потенциали между синапсите и дендрити и изпраща по аксона напрежение с определен размер;
* аксон - предава от тялото до синапсите;
* синапси - изходни устройства на неврона;

Типове модели на НМ :

-топология на мрежата (двуслойни и трислойни мрежи ( теглата може да са 0));
- параметри на обработващите елементи;( х- входни, y- изходни ; а(сигмоид), б,в,г(стъпаловидна);
- тип на входните стойности ; двоични (0,1) и аналогови ( реални);
- обучаващо правило - правилото, по което се променят теглата на връзките, се нарича обучаващо правило;
- метод за обучение на мрежата - обучение с учител и самообучение ( Разликата при самообучението непредвиден краен резултат;

персептрон - двуслойна НМ, съдържа 1 елемент на изхода , който се нар. Сумиращ процесор. .. Теглата трябва да бъдат положителни числа.
Извод : Ако правата е известна може да определим теглата;
- сходимост -

обратно разпространение - изходни, скрити и входни елементи ;

Методи за самообучение на НМ :
Състезателно - теглата са по-близки до входа
обучение ,основано на главните компоненти на данните - На всеки главен компонент отговаря един скрит елемент(съдържа малък брой елементи).

Особености на НМ
- опростен модел на биологичните НМ;
- паралелна обработка на входните данни ;
- представят се чрез тегла на връзките м/у отделните елементи;
- могат да решават трудни задачи;
- обучението е основен техен елемент ;

Сравнение между символния и конекционисткия подход
+ конекционисткия (По-лесно обучение на системата) , - конекционисткия (по-голям брой обучаващи примери)

тема 9 .
Генетично програмиране

Генети чни алгоритми - (Вариант на "стохастично търсене в лъч" ) - новите състояния се формират чрез комбинация на две родителски състояния.

Елементи на ГА :
- състояния - индивидите в ГА ( 0 и 1 )
- оценяваща функция ( fitness function - функция на жизнеспособност ) определя се кои индивиди са най-добри в дадено поколение.
- популация - всички индивиди при едно преминаване на цикъл



Сподели линка с приятел:





Яндекс.Метрика
Кратки лекции по изкуствен интелект 9 out of 10 based on 2 ratings. 2 user reviews.