下载文档原格式
1、简述可拓思想及其拓展工具可拓思想是利用物元理论、事元理论和可拓集合理论，结合各应用理论和方法去处理该领域中的矛盾问题，以化不可行为可行，不可知为可知，化不属于为属于、化对立为共存。
可拓拓展工具定性工具物元和事元是可拓学的基本概念，可拓变换是解决矛盾问题的基本工具，可拓分析方法是寻求可拓变换的依据。
利用它们可以从定性的角度分析事物开拓的可能性。
定量工具可拓集合是描述事物具有某种性质的程度和量变与质变的定量化工具。
2、什么是云计算？云计算为什么备受关注？为什么要实现云计算？云计算的基本原理是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务中，企业数据中心的运行将更与互联网相似。
这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统云计算是一种革命性的举措，打个比方，这就好比是从古老的单台发电机模式转向了电厂集中供电的模式。
它意味着计算能力也可以作为一种商品进行流通。
它最大的不同在于它是通过互联网进行传输的。
在未来只需一台笔记本或者手机，就可以通过网络服务来满足人们一切甚至包括超级计算这样的任务。
最终用户才是云计算的真正拥有者。
云计算的思想：把力量联合起来，给其中的每一个成员使用。
3、简述粗集理论.①利用抽象代数来研究粗糙集代数空间这种特殊的代数结构。
②利用拓扑学描述粗糙空间。
③还有就是研究粗糙集理论和其他软计算方法或者人工智能的方法相接合，例如和模糊理论、神经网络、支持向量机、遗传算法等。
④针对经典粗糙集理论框架的局限性，拓宽粗糙集理论的框架，将建立在等价关系的经典粗糙集理论拓展到相似关系甚至一般关系上的粗糙集理论4、比较协同进化遗传算法与普通遗传算法。
遗传算法虽然实现简单，操作方便，但是存在很多的缺陷：①很容易导致“早熟”，陷入局部最优；②随着问题规模的增大，其计算复杂度明显增加，收敛性显著降低，搜索问题空间能力也下降；③依靠简单的交叉、变异操作，很容易产生不可行解；④交叉产生的子代可能一个适应度很高，另一个很低，低的个体虽然含有较好的基因，但是会被淘汰。
复习提纲主要内容：刚性的程序如何实现柔性的功能。
1、如何理解“程序”的刚性？2、常见不确定因素的来源和特点。
3、课程资料中分别采用了什么方法克服这些不确定因素？4、如何根据反馈机制理解这些方法？1、“程序”刚性的体现：1.1、通讯双方须预先约定 所关注的集合，并采用 双方均“能理解的语言”。
对数字性计算机而言：o 对所关注集合的元素“编号” 。
o “能理解的语言”：约定基本指令及其组合方式 。
局限性：o 可实现的功能可数（程序可编号）。
具有不可计算（程序实现）的函数。
思考题：维纳从控制论的角度将信息定义为“我们在适应外部世界和控制外部世界中，同外部世界进行交换内容的名称”。
如何理解“名称”的含义？o 在中央空调自适应系统中，自适应控制器与环境之间约定的被控对象集合是什么？计算机如何判断对象参数发生了变化，并相应调整控制参数？o 多层前馈神经网络以通用形式∑==M i p i i p x x w x x F 111),,(),,(L L ϕ逼近给定的输入输出映射关系。
该建模方法中，预先约定的集合是什么？该集合中元素的“名称”是什么？o 自适应反步法控制系统中，控制器与外界预先约定的集合是什么？1.2、系统将哪些先验的约定固化为程序（否则计算机什么也做不了）？o 中央空调自适应控制系统中的计算振荡率的程序和PI 参数调整算法等；o 电话计费系统中的人机界面、推理机等部分功能；o 自适应反步法控制系统中，控制律和神经网络权值调整算法。
2、需求和功能柔性的体现：2.1、不确定性的来源？这些不确定性和变化等柔性因素如何增加编程的难度？o 中央空调自适应控制系统（提示：对象参数慢变化、缺乏维护工程师等）o 电话计费系统（提示：市场变化导致计费规则的调整等）o 汽车磁流变阻尼器建模、自适应反步法控制系统（提示：缺乏领域知识，包括未知非线性、动态等特性，噪声等）。
2.2、这些不确定性因素要求如何调整先验的约定集合？ 例如：对不确定非线性对象，不能再假设其输入输出关系满足s e Ts s G τ−+=11)(。
人工智能♦以思维与智能为核心。
♦是计算机科学、逻辑学、思维学、生理学、心理学、电子学、语言学、教育学等多学科相互渗透的结果。
人工智能原理的四大问题❖知识表示，人工智能研究的最基本问题♦问题求解，人工智能的根本问题❖机器学习，人工智能产生的核心问题♦系统构成，人工智能的中心问题已有的知识表示法：谓词逻辑表示法、模糊逻辑表示法、产生式表示法、状态空间表示法、与/或图表示法、语义网络表示法，框架表示法等。
■问题的求解与表示(1)问题用谓词公式表示，用演绎推理来求解。
❖智能应用软件❖软件开发环境与工具❖硬件支持环境❖人机智能接口❖专家系统是指一类计算机智能程序，可从事特定的、难度较高的专业工作。
❖基本结构：如图。
专家用户■人工智能应用系统的结构特征(特点)是：(1)系统要有智能就必须拥有知识。
(2)系统应具备某种推理的能力。
(3)具备某种继续获取知识的功能。
什么是人工智能？人工智能的意义和目标是什么？人工智能系统的特点有哪些？第2章知识是经过筛选和整理的信息，是对事物运动变化规律的表述，是人类对客观世界一种较为准确、全面的认识和理解。
♦知识按问题求解要求分为：叙述型知识、过程型知识、控制型知识。
♦知识按其作用分为：描述性知识、判断性知识、过程性知识。
♦知识按其描述对象分为：对象级知识、元知识。
首元知识:Ravis,1997提出。
是关于知识的知识。
守叙述型知识:描述有关系统状态、环境和条件，问题的概念、定义和事实的知识。
守过程型知识:描述有关系统状态变化、问题求解过程的操作、演算和行动的知识。
守控制型知识:描述有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。
♦例：对于从北京到大庆，是乘飞机还是坐火车的问题，有关的知识可以归纳为：育叙述型知识:首北京、大庆、飞机、火车、时间费用。
育过程型知识:膏乘飞机、坐火车。
育控制型知识:膏乘飞机较快、较贵；坐火车较慢、较便宜。
■同构变换与同态变换：❖同构问题的解答等价于原始问题的解答。
智能信息处理复习提纲一、什么是智能理论？人工智能的主要学派有哪些？人工智能的主要应用领域有哪些？计算智能的生物学基础是什么、主要方法有哪些智能理论的定义：“智能”一词可以用作名词，也可以用作形容词。
如果用作名词，它是指人类所能进行的脑力劳动，包括感觉、认知、记忆、学习、联想、计算、推理、判断、决策、概括……如果用作形容词，它的意义是：人一样的、聪明的、灵活的、柔性的、自学习的、自组织的、自适应的、自治的……智能理论研究的两个方面：一方面是对智能的产生、形成和工作的机制的直接研究，称为自然智能理论；另一方面是研究如何用人工的方法模拟、延伸和扩展智能。
，主要是生理学和心理学研究者所从事的工作，称为人工智能理论。
人工智能的主要学派:(1)符号主义(心理学派):认为可以用一个符号系统在计算机上形式化地描述和模拟人的思维活动过程。
（采用功能模拟方法）(2)联结主义(生理学派):利用人工神经网络模仿人类智能,认为人的智能的基本单元是神经元,由许多人工神经元联结起来的人工神经网络可以具有自学习和自适应能力,能更好地模仿人类智能。
（采用结构模拟）(3)行为主义(控制论学派):认为智能取决于感知和表现为行为,智能行为只能在现实世界中与周围环境交互作用而表现出来。
（采用行为模拟）人工智能的主要应用领域：(1)定理证明(2)专家系统(3)机器学习(4)自然语言理解(5)智能检索(6)机器人学(7)自动程序设计(8)组合调度问题(9)模式识别(10)机器视觉人工智能的目：就是让计算机这台机器能够象人一样思考。
计算智能的生物学基础是什么、主要方法有哪些：计算智能是以生物进化的观点认识和模拟智能。
基于结构演化的人工智能主要方法：人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等二、智能信息技术涉及哪几个领域、各解决哪些问题？试将人类的认知过程与计算机认知过程进行比较。
智能信息技术涉及的领域：信息技术就是感测技术、通信技术、计算机技术和控制技术。
信息技术复习模块2（计算机功能、智能处理、字处理）一、知识梳理（一）计算机的基本功能与特征：(1)计算机的基本功能：计算机只是一堆由集成电路构成的高速电子开关，只会按照程序的规定执行指令。
计算机的基本功能是计算，信息加工处理本质上都是通过计算完成的。
(2)计算机的基本特征：速度快、准确性高、存储容量大。
(3)计算机并非无所不能。
尽管计算机已经在许多领域里发挥了神奇的作用，但它只会按照人编制的程序行事，不能脱离程序的安排去完成任何(4)用计算机解决问题的一般步骤：一般要经历分析问题、寻找解题途径和方法以及用计算机处理这三个阶段。
第一阶段要求确定问题类型和解题目标；第二阶段主要是建立模型，寻找合适的算法和工具；第三阶段是用计算机处理。
（二）智能处理人工智能是研究机器的智能或智能的机器的一门学科。
它研究用机器来完成某些需要用人类智能才能完成的任务。
常用的智能型信息处理工具软件有：语音识别、手写文字识别、光学字符识别（OCR）和机器翻译。
汉字识别汉字识别技术可以分为印刷体汉字识别及手写体汉字识别技术。
从识别技术的难度来说，手写体识别的难度高于印刷体识别。
手写体识别技术又分为联机和脱机两种。
联机手写时能较容易地获取笔画和笔顺的信息，所以联机手写识别难度小。
光学识别（OCR）软件光学识别（OCR）软件可以快速地从图像中识别出汉字。
（1）OCR软件可以识别的图像格式有： tif 、 bmp 、 jpg 等格式；（2）OCR软件可以识别的图像中的文字内容，但不能识别图像部分（注意：表格也可以识别）；（3）OCR对识别图像的要求是字符清晰；文字摆放平行、水平。
（4）具体的识别步骤：①扫描图像；②打开图像文件；③对图像进行倾斜校正④划分识别区域；⑤单击识别按钮；⑥校对文字（三）字处理软件(word 2003及之前版本文件扩展名：.doc，word2007及之后版本文件扩展名：.docx)（1）批注功能可以对选中的字、词或问段落发表看法和建议。
1.信号与系统的关系信号自身需要被分析，也可以用它来研究系统；信号与系统是密不可分的，经常看到的一下几种情况：（1）控制，已知系统和系统输出求输入（2）辨识，已知系统输入和系统输出求系统（3）分析，已知系统输入和系统求系统输出（4）处理，已知系统输入和系统，求系统输出2.信号的分类准周期信号，又称近周期信号。
趋势项信号，一般的不具有周期和确定性变化规律的直流信号，如：定量仪。
瞬变冲激信号，瞬变是指持续几个周期的衰减信号（几个周期就衰减没了），冲激则是不同形式的单个脉冲。
3.随机信号定义随机信号是无法用函数描述的信号，是随机过程的一次实现。
随机过程在条件相同的情况下对一个信号进行重复观测，第i 次观测得到一个随机函Xi(t)，每开始一次观测从t=0开始，得到一个观测的样本集合{ X1(t)、X2(t)、……、Xi(t)、……}，这个集合就是一个随机过程。
随机过程,举例：电子元器件的热噪声和投硬币随机信号的性质：平稳性、各态历经性4.平稳随机信号证明方法：5.方差、均值、自相关函数关系均值：⎰∞∞-==dx t x xf t X E t m x x ),()]([)(方差：⎰∞∞--=-=dxt x f t m x t m t X E t x x x x ),()]([})]()({[)(222σ表示二法：)()]([)(222t m t X E t x x-=σ周期信号下的数字特征6.各态历经性判断：当均值和相关函数的集合平均等于时间平均和时间相关函数时则称：随机信号x(t)满足各态历经性物理意义：单独一个随机函数x(t)所经历的状态可以代表所有随机变量（即随即过程）在所有时间上的经历状态。
实际意义：由一次观测就能够足够了（对一次观测时间平均可以获得总体的统计特性）7.一维概率密度8.相关函数和协方差函数的关系 相关函数：[]212121212121),,,()()(),(dx dx t t x x f x x t X t X E t t R x ⎰⎰+∞∞-+∞∞-==其绝对值越大，表示相关性越强应用：流量计、相关分析的路径记忆、浓度传感器 协方差函数：[][]{})()()()(),(221121t m t X t m t X E t t K x x x --=[])()(),()()()()(),(2121212121t m t m t t R t m t m t X t X E t t K x x x x x x -=-=共同点：也描述了相关性不同点：它只考察了信号交流成分间的相关性（相似性）。
《智能信息处理》课程考试题
1、表1为某电子设备的测试数据与实际故障模式之间的关系，请应用表1数据作为样本，设计一BP神经网络故障辨识器，其中，取学习率η=0.5，动量因子α=0.5，E<0.02，起用增加动量项的BP算法。
（1）给出具体的神经网络结构与结构参数；
（2）给出具体的程序；
（3）给出BP网络训练的误差下降曲线；
（4）表2为该电子设备在使用时的状态测试与数据预处理结果，应用BP网络诊断该设备此时的故障模式。
表1 故障输入、输出训练样本
表2 模糊化数据
解：（1）：利用三层BP网络来识别电路故障。
取输入节点数in =5，代表5个关键测试点
电压信号；取输出节点数out =10，分别代表9种故障元件和正常情况。
其BP网络结构如图所示。
根据BP网络隐层节点设计的经验公式，隐层节点数hide可取为：hide =
in+α=50+α= 12（α=1~10）并且f(x)=1/(1+exp（-x)）
out
*
输入层隐形层输出层
（2）具体的程序见电子版
（3）BP网络训练的误差下降曲线:
（4）应用BP网络诊断该设备表2的故障模式：
Y1=9;Y2=5分别是第9和第5种出现故障。
3、用标准遗传算法求f(x)=x2－22x+30函数的最小值，x [0,31]。
给出了用遗传算法求解此问题的计算过程和结果。
（1）给出源程序；
（2）给出最初两次遗传运算过程；
解：（1）源程序见电子版
当X=11.64时y= -90.64是最小值
用C++运行的结果图如下
（2）前两次计算过程的运行结果图。
人工智能有能力做三件事：知识存储 解决问题 获取新知识
人工智能的三个关键部分：表示 学习 推理
神经网络至今经历了兴起、萧条和兴盛三个时期。
神经网络动力学过程有 过程--计算过程 和 过程--学习过程
前馈神经网络的发展经历了：兴起 萧条 和 兴盛 三个时期
前馈神经网络模型有：感知器、BP网络、RBF网络
遗传算法的三个算子：选择算子、交叉算子、变异算子
遗传算法主要由三种运算组成：选择运算 交叉变异 变异运算
编码方法可以分为三大类：二进制编码方法、浮点数编码方法、符号编码方法。
Hopfield神经网络模型一般由单层全互连的神经元u i(i=1,…，n)组成。
自组织映射神经网络模型SOM）它是一种无监督学习神经网络
计算智能包括神经网络、模糊信息处理 和 遗传算法 。
计算智能核心内容：神经网络、进化计算和模糊系统
模糊数学是研究和处理模糊性现象的数学方法. 经典数学是以精确性为特征的.
关系的特性：自反性、对称性和传递性
典型的学习规则：hebbian学习规则和Delta学习规则
遗传算法 主要用于函数最优化计算，它是模拟生物在自然环境中的遗传和进化过程的一种自适应全局寻优的随机搜索算法。
遗传编码: 把问题的可行解从其物理解空间转换到遗传算法所能处理的搜索空间(编码空间)的转换方法称为编码
描述神经网络模型的六个要素：传播规则 活跃规则 输出规则 互连模式 学习规则 环境
神经网络 :是由大量的、同时也是很简单的处理单元（神经元）广泛地互相连接而形成的复杂网络系统。
反映了人脑功能的许多特性，是对人脑功能进行某种简化、抽象和模拟。
BP反向传输算法的基本过程：初始化阶段前馈阶段 权值调整阶段 学习精度计算 学习结束判断
智能：智慧和能力。
个体有目的的行为、合理的思维以及有效适应环境的能力。
神经计算的特点
大规模并行性、集团运算和容错能力。
信息的分布式表示。
学习和自组织能力。
多层神经网络系统具有强大的解算能力和处理实际问题的能力。
计算智能：借鉴仿生学思想，基于生物体系的生物进化、神经细胞网络等机制，用数学语言抽象描述的计算方法，用以模仿生物体系和人类的智能机制。
SOM模型计算的基本原理
当某个模式输入时，输出层某一神经元得到最大刺激而竞争获胜（产生最大输出值）。
同时该获胜神经元周围的一些神经元也因侧向相互作用而受到较大刺激，修改这些神经元和输入神经元之间的连接权值。
当输入模式发生变化时，输出层上获胜的输出神经元也发生改变。
通过神经网络权值的调整，使得输出层特征分布能反映输入样本的分布情况。
根据SOM模型的输出状态，不但能够判断输入模式所属的类别，并使得输出神经元代表某一模式类别，还能够得到整个数据区域的大体分布情况，即从样本数据中获得数据分布的大体本质特征。
遗传算法的主要过程如下：
1） 初始化。
设置进化代数计数器 t =0 ，设置最大进化代数T，随机生成N个个体作为初始群体P(0)。
2） 个体评价。
计算群体P(t)的各个个体的适应度。
3） 选择运算。
将选择算子作用于群体P(t)。
4） 交叉运算。
将交叉运算作用于群体P(t)。
5）变异运算。
将变异运算作用于群体P(t) 。
经过选择、交叉、变异运算之后得到下一代群体P(t+1)。
6）终止判断。
若最大适应度的值变化小于某较小数,或若迭代次数超过某设定数t >T ，则以具有最大适应度ɛ的个体作为最优输出，终止算法；否则 t:= t+1，转到2）。
遗传算法步骤进行
1. 确定决策变量及各种约束条件，即确定出个体的表现型和问题的解空间。
2. 建立优化模型，即确定出目标函数f()。
3. 确定表示可行解的染色体编码方法，即确定出染色体的基因型X及遗传算法的搜索空间。
4. 确定解码方法，即确定出由个体基因型X到个体表现型的转换关系。
5. 确定个体适应度的评价方法，即确定出由目标函数值f()到个体适应度F(X) 的转换规则。
6. 设计遗传算子，即确定出选择运算、交叉运算、变异运算等具体操作方法。
7. 确定算法的有关运行参数，即确定出算法的N、T、Pc、Pm 等参数。
遗传算法特点
1. 以决策变量的编码作为运算对象；
2. 直接以目标函数值作为搜索信息；
3. 并行搜索（多条搜索路线）；
4. 随机搜索。
全局性、稳健性。
最大隶属原则Ⅰ 最大隶属原则ⅠI (计算题的时候要提下)
模糊相似关系：若模糊关系 R 是 X 上各元素之间的模糊关系，且满足：(1) 自反性：R( x , x ) = 1； (2) 对称性：R( x , y ) = R( y , x ) ； 则称模糊关系 R 是 X 上的一个模糊相似关系.
神经计算：非编程的自适应信息处理方式称之为神经计算
稳定性是指神经网络系统在进行神经计算时，系统最终能收敛到一个稳定状态
计算智能与人工智能的关系：观点二：大部分学者 计算智能 人工智能 生物智能
人工智能
广义定义： 通过对人类智力活动的探索与记忆思维规律的研究，以开发人类智力活动的潜力，探讨各种机器模拟人类智能的途径，以使人类的智能得以物化和延伸。
狭义定义：研究如何构造智能机器（智能计算机）或者智能系统，使它能模拟、延伸、扩展人类智能的学科。
神经计算的本质:计算的数学观点 、计算的物理观点、神经网络的计算是一种非编程的信息处理方式。
四、设有输入P=[-1 -0.5 0.3 -0.1; -0.5 0.5 -0.5 1.0]，输出T=[1
1 0 0]，设计一的MATLAB程序，采用BP神经网络进行训练并测试。
（10分）
clc
% 定义训练样本 P 为输入矢量
P=[-1 -0.5 0.3 -0.1; -0.5 0.5 -0.5 1.0];
T=[1, 1, 0, 0];
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm') inputWeights=net.IW{1,1}
inputbias=net.b{1}
layerWeights=net.LW{2,1}
layerbias=net.b{2}
% 设置训练参数
net.trainParam.show = 50;
net.trainParam.lr = 0.05; % Learning rate net.trainParam.mc = 0.9; %Learning moment net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
% 调用 TRAINGDM 算法训练 BP 网络 [net,tr]=train(net,P,T);
% 对 BP 网络进行仿真
A = sim(net,P)
% 计算仿真误差
E = T - A
MSE=mse(E)。
