Лекция
Привет, сегодня поговорим про введение в вычислительный интеллект, обещаю рассказать все что знаю. Для того чтобы лучше понимать что такое введение в вычислительный интеллект , настоятельно рекомендую прочитать все из категории Вычислительный интеллект.
Вычислительный интеллект (англ. Computational intelligence, CI) — ответвление искусственного интеллекта. Как альтернатива классическому искусственному интеллекту, основанному на строгом логическом выводе, он опирается на эвристические алгоритмы, используемые, например, в нечеткой логике, искусственных нейронных сетях и эволюционном моделировании. Кроме того, вычислительный интеллект охватывает такие области как роевой интеллект (муравьиный алгоритм и т. п.),фракталы и теория хаоса, искусственная иммунная система, вейвлеты и т. д.
Вычислительный интеллект сочетает в себе элементы обучения, адаптации, эволюции и нечеткой логики (нечетких множеств) для создания в некотором смысле умныхпрограмм. Вычислительный интеллект не отвергает статистических методов, но часто дает новый взгляд на них (например, нечеткая логика). Искусственные нейронные сети, в свою очередь, тесно связаны с машинным обучением.
Вычислительный интеллект тесно связан с мягкими вычислениями, коннекционистскими системами и кибернетикой.
R. Eberhart (1996 г., 2007 г.): «ВИ — методология, включающая вычисления, которые наделяют систему возможностью обучения и/или разрешения новых ситуаций таким образом, что система воспринимается как обладающая одним или несколькими атрибутами разума, а именно обобщением, обнаружением, ассоциативностью и абстракцией». Основные свойства: адаптивность самоорганизация способность обобщения биологически инспирированная сущность. D. Fogel (2006 г.): «Любая система (углеродная, кремниевая, человек, общество или особь), которая воспроизводит адаптивное поведение для достижения целей в различных средах, можно сказать, является интеллектуальной». «Методы ВИ — методы, которые могут быть использованы для адаптации решений к новым задачам без базирования на явных человеческих знаниях».
Понятие вычислительного интеллекта впервые был использован Советом нейронных сетей IEEE в 1990 году Совет был основан в 1980 году группой исследователей , заинтересованных в развитии биологических и искусственных нейронных сетей. 21 ноября 2001 года Совет IEEE Neural Networks стала сеть Общество IEEE Neural, чтобы стать IEEE Вычислительного Intelligence общества через два года , включая новую область , представляющий интерес , такие как нечеткие системы и эволюционные вычисления, которые они , связанную с вычислительной разведкой в 2011 году (Дот и Оваска).
Но первое четкое определение вычислительного интеллекта было введено Бездек в 1994 году: система называется вычислительно умной, если он имеет дело с данными низкого уровня, такие как цифровые данные, имеет составляющую структурного распознавания и не использует знания в том смысле, AI, и, кроме того, когда она начинает демонстрировать вычислительной адаптивна, отказоустойчивость, приближаясь к реверсирования и ошибкам скорости человека, как скорость, что приближенные людям производительности.
Бездек и помечает (1993) четко дифференцировать CI от AI, утверждая , что первый из них основан на мягких вычислительных методов, в то время как АИ основан на жестких вычислительных единиц.
Рис. 1 Структура вычислительного интеллекта
Хотя искусственный интеллект и искусственный интеллект преследует аналогичные долгосрочные цели: достичь общего интеллекта , который является интеллект машины , которая может выполнять любую интеллектуальную задачу , что человек может; есть четкое различие между ними. Об этом говорит сайт https://intellect.icu . В соответствии с Бездек (1994), Вычислительная разведка представляет собой подмножество искусственного интеллекта.
Есть два типа машинного интеллекта: искусственный, основанный на жесткой вычислительной технике и вычислительный - на основе мягких вычислительных методов, которые дают возможность адаптации ко многим ситуациям.
Жесткие вычислительные методы работы следующей двоичной логики, основанной только на двух значений (булевы истинным или ложным, 0 или 1), на которых основаны современные компьютеры. Одна из проблем, с этой логикой, что наш естественный язык не всегда может быть легко переведены в абсолютное выражение от 0 и 1. Мягкой вычислительной техники, на основе нечеткой логики может быть полезными здесь. Гораздо ближе к тому, как человеческий мозг работает путем объединения данных частичных истин (Crisp / нечеткие системы), эта логика одна из главных эксклюзивных аспектов CI.
В одних и тех же принципах нечеткой и бинарной логики следуют хрустящие и нечетких систем . Четкая логика является частью принципов искусственного интеллекта и состоит либо в том числе элемента в наборе, или нет, в то время как нечеткие системы (CI) позволяют элементы могут быть частично в наборе. Следуя этой логике, каждый элемент может быть дана степень принадлежности (от 0 до 1) , а не только один из этих 2 -х значений.
Требования, предъявляемые к ВИ системам
Основные области применения вычислительного интеллекта включают в себя компьютерные науки , инжиниринг, анализ данных и био-медицины .
Как было объяснено выше, нечеткая логика , один из основных принципов КИ, состоит в измерениях и моделировании процесса сделанных для сложных процессов реальной жизни. Он может столкнуться с неполнотой, а самое главное незнание данных в модели процесса Вопреки искусственного интеллекта, которая требует точного знания.
Эта методика , как правило, относятся к широкому диапазону областей , таких как контроль, обработка изображений и принятия решений. Но это также хорошо представлено в области бытовой техники со стиральными машинами, микроволновыми печами и т.д. Мы можем столкнуться тоже при использовании видеокамеры, где он помогает стабилизировать изображение, удерживая камеру неустойчиво. Другие области , такие как медицинская диагностика, торговли иностранной валюты и выбор стратегии бизнеса отстоит от числа этого принципа в приложениях.
Нечеткая логика в основном полезна для приближенного рассуждения, и не имеет способности к обучению, квалификация столь необходимой, что человеческие существа. Это дает им возможность улучшить себя, учиться на своих прошлых ошибок.
Поэтому специалисты CI работают на развитие искусственных нейронных сетей , основанных на биологических единиц , которые могут быть определены с помощью 3 -х основных компонентов: клеточного тела , который обрабатывает информацию, аксон, который является устройством , позволяющим Проводящие сигнал, и синапс, который контролирует сигналы. Таким образом, искусственные нейронные сети пристрастилась распределенных систем обработки информации, что позволяет процессу и извлекать уроки из эмпирических данных. Работая как человеческие существа, отказоустойчивость также является одним из основных активов этого принципа.
Что касается его применения, нейронные сети могут быть разделены на пять групп: анализ данных и классификация, ассоциативная память, поколение кластеризации образцов и контроля. Как правило, этот метод направлен для анализа и классификации медицинских данных, перейдите к лицу и обнаружение мошенничества, а самое главное иметь дело с нелинейностью системы для того , чтобы контролировать его. Кроме того, нейронные сети методы совместно с нечеткой логикой те , преимущество в предоставлении возможности кластеризации данных .
На основе процесса естественного отбора , во - первых , введенного Чарльз Роберт Дарвин , эволюционные вычисления состоят в том, спекулируя на силе естественной эволюции , чтобы принести новые искусственные эволюционные методологии. Она также включает в себя другие области , такие как стратегия эволюции и эволюционные алгоритмы , которые рассматриваются как проблемные решателей ... Основные области применения этого принципа охватывают такие области, как оптимизация и многокритериальной оптимизации , в которой традиционные математические методы являются одной не достаточно больше , чтобы применить для широкого круга задач , таких как анализ ДНК , проблемы планирования ...
Все еще ищу способ «рассуждение» , близкого к одному людям, теории обучения является одним из основных подходов CI. В психологии обучения является процесс объединения когнитивных, эмоциональных и экологические последствия и опыт приобретения, улучшить или изменить знания, навыки, ценности и взгляды на мир (Ormrod, 1995; Illeris, 2004). Изучение теорий затем помогает пониманию того, как эти эффекты и опыт обрабатываются, а затем помогает делать прогнозы , основанные на предыдущем опыте.
Будучи одним из основных элементов нечеткой логики, вероятностные методы , во - первых , введенные Эрдеш и Joel Спенсер (1974), направлены на оценку результатов вычислений Intelligent системы, в основном , определенной случайности . Таким образом, вероятностные методы выявить возможные пути решения проблемы рассуждения, на основе предварительных знаний.
Дальнейшее развитие вычислительного интеллекта по-видимому будет идти в нескольких направлениях. Во-первых – это расширение сфер применения задачах ВИ, новые приложения в различных задачах и предметных областях, например в экономике, финансовой сфере, телекоммуникационных системах, управлении технологическими процессами и т.д. Во-вторых – это развитие и совершенствование самих методов ВИ, в частности, генетических (ГА) и эволюционных алгоритмов (ЭА), роевых алгоритмов оптимизации, имунных алгоритмов, муравьиных алгоритмов. Одним из перспективных направлений здесь является адаптация и самообучение параметров ГА и ЭА с целью ускорения сходимости и повышения точности в задачах оптимизации. Актуальным является также развитие и совершенствование параллельных генетических алгоритмов. В – третьих, это дальнейшая интеграция различных технологий ВИ, например, интеграция нечеткой логики и генетических и эволюционных алгоритмов в задачах принятия решений и распознавания образов в условиях неполноты информации, роевых алгоритмов и алгоритмов их обучения и самообучения
К сожалению, в одной статье не просто дать все знания про введение в вычислительный интеллект. Но я - старался. Если ты проявишь интерес к раскрытию подробностей,я обязательно напишу продолжение! Надеюсь, что теперь ты понял что такое введение в вычислительный интеллект и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Вычислительный интеллект
Комментарии
Оставить комментарий
Вычислительный интеллект
Термины: Вычислительный интеллект