人工智能学年论文——对人工神经网络学习的探讨

人工智能课程论文

学院计算机与信息技术

专业计算机科学与技术

年级2010级计科一班

姓名

课题对人工神经网络学习的探讨

对人工神经网络学习的探讨

摘要：

随着智能技术研究和应用的不断深入，人工智能越来越受到社会的关注。在中国科协2008年举办的"十项引领未来的科学技术"网络评选中，"人工智能技术"名列第四。人工智能作为一项引领未来的科学技术，正在以其无限的潜力，影响着未来科学技术的发展，改变着人类的生产生活方式。

人工智能就是要用机器模拟、延伸和扩展人的智能。智能就像人类生命体的精髓一样，人工智能则是人造智能系统的精髓。今天，从智能理论到智能应用，从智能产品到智能产业，从个体智能到群体智能，从智能家居到智能社会，人工智能已无处不在，其新理论、新方法、新技术、新系统、新应用如雨后春笋般不断涌现。创新智能技术，深化智能应用是人工智能发展的根本。

人工神经网络是一种新的数学建模方式，它具有通过学习逼近任意非线性映射的能力，本文主要提出了一种基于动态BP神经网络的猜测方法。

关键字：人工智能；动态系统；反向传播；人工神经网络；BP神经网络

一、简介

作为动态系统辨识、建模和控制的一种新的、令人感兴趣的工具，人工神经网络（ANN ）提供了一种普遍而且实用的方法从样例中学习值为实数、离散值或向量的函数。像反向传播（BACKPROPAGATION）这样的算法，使用梯度下降下来调节网络参数以最佳拟合由输入—输出对组成的训练集合。ANN学习对于训练数据中的错误健壮性很好，且已被成功的应用到很多领域，例如视觉场景分析、语音识别以及机器人控制等。

对人工神经网络的研究可以追溯到计算机科学的早期。然而，直到20世纪60年代晚期，人们才开始清楚单层的感知器网络的表现能力很有限，而且找不到训练多层网络的有效方法。在20世纪80年代中期ANN的研究经历了一次复兴，主要是因为训练多层网络的反向传播算法的发明。自从20世纪80年代，反向传播算法就成为应用最广泛的学习方法，而且人们也积极探索出了很多其他的ANN 方法。

二、人工神经网络学习的国内外研究状况

随着人工神经网络20世纪80年代在世界范围内的复苏，国内也逐步掀起了研究热潮。经过十几年的发展，中国学术界和工程界在人工神经网络的理论研究和应用方面取得了丰硕成果，学术论文、应用成果和研究人员逐年增加．在国际上，1987年，在美国加洲召开了第一届国际神经网络学会．此后每年召开两次国际联合神经网络大会(IJCNN)．不久，该学会创办了刊物Journal Neural Networks，另有十几种国际著名的神经网络学术刊物相继问世，至此，神经网络理论研究在国际学术领域获得了其应有的地位。

作为人工神经网络学习的典型算法反向传播（BP）算法，近年来国内外学者对这一算法提出了一些改进。其中，由宋绍云、仲涛提出的BP人工神经网络网络的新算法解决了传统算法的局部极小及收敛速度慢的问题。该算法是在BP神经网络现有的基础上提出的一种新的算法。

人工神经网络的研究同样在实践中也有所发展。比如，基于人工神经网络的并行强化学习自适应路径规划，可以很好的应用于机器人蔽障系统。BP算法在雷达目标识别中的应用以及在超声检测中的应用等都是在BP算法改进的基础上实现的。

三、所选专题的研究意义与研究方法

从1946年第一台电子数字计算机问世以来直到现在，大多数信息处理都采用程序式计算方式。这种方式解题需要设计算法或规则，并正确的编制成软件，然后才能进行问题求解。这种解题方式必须考虑3个因素：问题的形式化；可进行计算的算法；计算的复杂性。

人脑处理信息的特点如下：大规模并行处理；具有很强的容错性，善于联想、概括、类比和推广；具有很强的自适应能力。

由上可知，脑是最复杂、最完美、最有效的一种信息处理装置，人们正以极大的兴趣研究它的结构和机理。以此为背景，以人工神经网络为基础，形成了神经网络的新学科。目前，对大脑思维的过程了解仍然很肤浅，人工神经网络模拟的研究还很不充分，人们面临的是一个充满未知的新领域。神经网络将在基本原理方面进行更深刻的探索。

神经网络研究的主要目的如下：

（1）理解脑系统为何具有智能。这些计算与符号表示的形式操作处理不同，

人脑是如何组织和实施这些计算的。

（2）研究各种强调“计算能力”的神经网络模型，并不着重于这些模型的生物学保真程度

（3）研究大规模并行自适应处理机理。

（4）研究神经计算机的体系结构和实现技术。

四、适合神经网络学习的问题

人工神经网络学习非常适合于这样的问题：训练集合为含有噪声的复杂传感器数据，例如来自摄像机和麦克风的数据。它也适用于需要较多符号表示的问题，例如决策树学习任务。这种情况下ANN和决策树学习经常产生精度大体相当的结果。反向传播算法是最常用的ANN学习技术。它适合具有以下特征的问题:

(1)实例是用很多“属性-值”对表示的。

(2)系统中输出的是30属性向量，每一个分量对应一个建议的驾驶方向。每个输出值是0和1之间的某个实数，对应于在预测相应驾驶方向时的置信度。 (3)训练数据可能包含错误：ANN学习算法对于训练数据中的有非常好的健壮性。

(4)可容忍长时间的训练：网络训练算法通常比像决策树学习这样的算法需要更长的训练时间。

(5)可能需要快速求出目标函数值。

(6)人类能否理解学到的目标函数是不重要的：神经网络学习方法学习到得权值经常是人类难以解释的。

五、对人工神经网络学习研究的认识及观点

（一）人工神经网络学习的几种算法

1.有监督Hebb算法

2.单层感知器

3.梯度（LMS）算法

4.BP算法

这几种算法中，BP算法应用最为广泛。

（二）基于反向传播网络的学习

反向传播算法是一种计算单个权值变化引起网络性能变化值得较为简单的方法。由于BP算法过程包含从输出节点开始，反向地向第一隐含层（即最接近输入层的隐含层）传播由总误差引起的权值修正，所以称为“反向传播”。（1）反向传播网络的结构

鲁梅尔哈特和麦克莱兰于1985年发展了BP网络学习算法，实现了明基斯的多层网络设想。BP网络不仅含有输入节点和输出节点，而且还含有一层或多层隐（层）节点。

BP算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐单元层逐层处理后，传至输出层。每一层神经元的状态只影响下一层神经元的状态。如果在输出层得不到期望输出，那么就转为反向传播，把误差信号沿原连接路径返回，并通过修改各层神经元的权值，使误差信号最小。

反向传播算法是一种很有效的学习算法，它已解决了不少问题，成为神经网络的重要模型之一。

（2）反向传播算法性能分析

反向传播算法作为指导多层感知器训练的最流行的算法而出现，基本上，它是一个梯度（导数）的技术而不是一个最优化技术。其具有两个明显的性质：局部计算简单；可实现权值空间的随机梯度下降。多层感知器背景下的BP学习的这两个属性导致了它的优点和缺点。

1.BP网络的优点

①BP网络实质上实现了一个从输入到输出的映射功能，而数学理论已经证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题。

②BP网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力。通过学习，BP网络能在任意精度范围内表达复杂的非线性映射。

③BP网络具有泛化能力，能从样本数据中学习知识，抽象一般性规律。BP 网络的泛化能力既与自身记忆容量相关，又与学习样本具有的信息量相关。

2.BP网络的问题

传统的BP网络在诸多领域得到广泛应用，也取得一定的成效，但在实际应用中有时处理结果并不理想，还存在诸多问题。究其原因，主要是BP网络还存在许多固有的缺点，这不只是多层前向BP网络的问题。

①BP算法的学习速度很慢；

②网络训练失败的可能性较大。

六、小结

人工神经网络学习为学习实数值和向量值函数提供了一种实际的方法，对于

连续的和离散值得属性都可以使用，并且对训练数据中的噪声具有很好的健壮

性。反向传播算法是最常见的网络学习算法，这已经被成功应用在很多学习任务

中，比如手写识别和机器人控制。

反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差

以拟合训练数据。反向传播算法最令人感兴趣的特征之一，是它能够创造出网络

输入中没有明确出现的特征。

过度拟合训练是ANN学习中的一个重要问题。过度拟合导致网络泛化到新的

数据时性能很差，尽管网络对于数据表现非常好。交叉验证方法可以用来估计梯

度下降搜索的合适终止点，从而最小化过度拟合的风险。

任何新生事物的成长都不是一帆风顺的。人工神经网络学习也不例外。但是，

经过长时间的研究发展，神经网络学习已经逐步成长起来了，在未来的发展中可

能会遇到新的困难，甚至遭受较大的挫折。广大研究者也可能会为此承受巨大风

险。但是作为科学研究者，我们应持有乐观的态度，为神经网络学习的发展做贡

献。

参考文献

[1]宋绍云,仲涛.BP人工神经网络的新型算法.人工智能及识别技术,2009,5(5)

[2]李晓峰,徐玖平,王荫清,贺昌政.BP人工神经网络自适应学习算法的建立及

其应用.系统工程理论与实践.2004,5(5)

[3]李建珍.基于遗传算法的人工神经网络学习算法.西北师范大学学报.2002

[4]耿晓龙,李长江.基于人工神经网络的并行强化学习自适应路径规划.科学技

术与工程.2011,11(4)

[5]蔡自兴,徐光祐.人工智能及其应用.北京：清华大学出版社,2010

[6]史忠植.神经网络.北京：高等教育出版社,2009

[7](美)Tom M.Mitchell .曾华军等译.机器学习.北京：机械工业出版社，2003

[8]涂序彦.人工智能：回顾与展望.中国人工智能学会.北京:科学出版社,2006

[9]朱福喜，朱三元，伍春香.人工智能基础教程.北京:清华大学出版社,2006

[10]王万森.人工智能原理及其应用(第3版).北京：电子工业出版社,2012

人工智能与神经网络课程论文

1. 引言 (2) 2. 在农业生产管理与决策中的应用 (2) 2.1. 在农业机械化中的应用 (2) 2.2. 在智能农业专家系统中的应用 (3) 3. 在预测和估产中的应用 (3) 3.1. 在农作物虫情预测中的应用 (3) 3.2. 在作物水分和营养胁迫诊断及产量估测中的应用 (4) 4. 在分类鉴别与图像处理中的应用 (5) 5. 结束语 (5)

BP 神经网络的研究与应用摘要: 本文概述了BP 神经网络在农机总动力预测、农业专家系统信息决策、虫情测报、农作物水分和养分胁迫、土壤墒情、变量施肥、分类鉴别和图像处理等领域的应用情况，总结了人工神经网络模型的优点，指出其在精准农业和智能农业中的重要理论技术支撑作用。关键词: BP神经网络; 农业工程; 农业专家系统; 变量施肥; 土壤墒情 Research and Application of BP Neural Network Abstract: Application of BP neural network in prediction of total power in agriculture machinery，information decision-making by agricultural experts system，pest forecast，crops to water stress and nutrient stress，soil moisture condition，variable rate fertilization，identification and image processing were overviewed．Characteristics of artificial neural network model were summed．Supporting role for important theory and technology in precision agriculture and intelligent agriculture were pointed． Key words: BP neural network，Agricultural engineering，Agricultural experts system，Variable rate fertilization，Soil moisture condition

人工智能在物联网中的应用毕业论文

毕业设计设计（论文）题目：人工智能在物联网中的应用专业班级：物联网141 学生姓名：周钟婷指导教师：李生好设计时间：2017.5.8——2017.6.9 重庆工程职业技术学院

重庆工程职业技术学院毕业设计（论文）任务书任务下达日期：2017.5.8 设计（论文）题目：人工智能在物联网中的应用设计（论文）主要内容和要求： 1.显示器件：引领TFT-LCD技术的创新和发展，致力于加快AMOLED、柔性显示、增强现实、虚拟现实等新型显示器件及薄膜传感器件的进步。 2.智慧系统：以“物联网和人工智能”为主要方向，以用户为中心，基于在显示、人工智能和传感技术优势，发展智能制造、智慧屏联、智慧车联、智慧能源四大物联网解决方案。 3.智慧健康服务：将显示技术、信息技术与医学、生命科技跨界结合，发展信息医学，提供物联网智慧健康产品及服务。教学团队主任签字：指导教师签字：年月日年月日

重庆工程职业技术学院毕业设计（论文）指导教师评语评语：成绩：指导教师签名：年月日

重庆工程职业技术学院毕业设计（论文）答辩记录

目录摘要................................................... (1) 第一章目前人工智能技术的研究和发展状况......... . (2) 第二章显示器件事业技术应用 (2) 第三章智慧系统事业技术应用 (2) 3.1智能制造 (2) 3.2智慧屏联 (2) 3.3智慧能源 (2) 3.4智慧车联 (3) 第四章智慧健康服务事业技术应用.................... .. (3) 第五章目前人工智能发展中所面临的难题.......... . (3) 5.1计算机博弈的困难................... .. (3) 5.2机器翻译所面临的问题................... . (4) 5.3自动定理证明和GPS的局限.......... (4) 5.4模式识别的困惑 (5) 第六章人工智能的发展前景 (5) 6.1人工智能的发展趋势 (5) 6.2人工智能的发展潜力大 (5) 结束语 (6) 参考文献 (6)

人工智能教程习题及答案第9章神经网络与遗传算法

第九章神经网络与遗传算法习题参考解答 9.1练习题 9.1 何谓人工神经网络?它有哪些特征? 9.2 生物神经元由哪几部分构成?每一部分的作用是什么?它有哪些特性? 9.3 什么是人工神经元？它有哪些连接方式？ 9.4 B-P算法的网络结构是什么？简述B-P算法的学习过程。 9.5 什么是网络的稳定性? Hopfield网络模型分为哪两类?两者的区别是什么? 9.6 有教师学习与无教师学习的区别是什么? 请分析说明。 9.7 Hopfield模型与B-P模型的网络结构有何异同？ 9.8 简述简单遗传算法的基本原理和一般过程,说明个体选择的常用策略,以及遗传操作“交叉”和“变异”所起的作用。 9.9 遗传算法有哪些特点？在应用遗传算法时要解决的最关键问题有哪些？ 9.2习题参考解答 9.1 答: （略） 9.2 答: 生物神经元主要由三部分构成：细胞体、轴突和树突。每一部分的作用是：（a）细胞体是神经元的新陈代谢中心，同时还用于接收并处理从其他神经元传递过来的信息。（b）轴突的作用相当于神经元的输出电缆，它通过尾部分出的许多神经末梢以及梢端的突触向其他神经元输出神经冲动。（c）树突的相当于神经元的输入端，用于接收从四面八方传来的神经冲动。神经元的功能特性包括：（a）时空整合功能。（b）神经元的动态极化性。（c）兴奋与抑制状态。（d）结构的可塑性。（e）脉冲与电位信号的转换。（f）突触延期和不应期。（g）学习、遗忘和疲劳。 9.3 答: （略） 9.4 答: B-P算法的网络结构是一个前向多层网络。网络中不仅含有输入节点和输出节点，而且含有一层或多层隐（层）节点，网络中各处理单元间的连接如图6.16所示。当有信息向网络输入时，信息首先由输入层传递到隐层节点，经特性函数（人工神经元）作用后，再

《人工智能及应用》论文

重庆理工大学专业选修课课程考察报告《人类智能与人工智能的思考》课程名称：《人工智能及应用》学生姓名：学号：提交时间：2016年12月12日

[摘要] 计算机技术的高速发展使得计算机的运算速度可以超过人脑的运算速度，同时出现了诸如进行人机对弈等高度智能的计算机，那么是否意味着人工智能能够达到或超过人类智能的程度呢？本文将对此进行分析、思考。 [关键词] 计算机；人类智能；人工智能；算法；思维进入2l世纪，计算机硬件和软件更新的速度越来越快，计算机这个以往总给人以冷冰冰的机器的形象也得到了彻底的改变。人机交互的情形越来越普遍，计算机被人类赋予了越来越多的智能因素。伴随着人类把最新的计算机技术应用于各个学科，对这些学科的认知也进入了日新月异的发展阶段，促使大量的新的研究成果不断涌现。例如：“人机大战”中深蓝计算机轻松的获胜、人类基因组排序工作的基本完成、人类大脑结构性解密、单纯器官性克隆的成功实现等等。随着计算机这个人类有史以来最重要的工具的不断发展，伴随着不断有新理论的出现，人类必须重新对它们进行分析和审视。由于近几年生物学和神经生理学等许多新的研究成果的出现，对于人工智能与人类智能之间的关系引起了人们更多的思考。本文以比较的方法分析人类智能与人工智能二者的异同，并从马克思主义哲学的角度再次对人工智能与人类智能的进行了分析。一、人类智能与人脑思维我们知道所有的动物都有中枢神经控制系统，有了这一套系统也就有了思维。思维在不同的生物之间具有不同的功能，在低等动物中思维的作用更多的是本能控制，高等动物除了本能控制以外还有为适应环境所工作，人类思维则具有了改造环境所进行的工作。人类的思维起源于对周围事物的认识，最初是形象思维过程，等人们发现各个事物之间的相互关系之后，就开始了逻辑思维过程，随着对事物之间相互关系的分门别类和对周围世界认识的加深，又有形式逻辑，数理逻辑，抽象逻辑等等。人类自身的智能是人类思维活动中表现出来的能力，大脑是人类认知和智能活动的载体，思维是大脑对客观事物的本质及其内在联系的概括和反映。人类智能的也就是人类思维的结果。但是直到现在，科学家对于人脑的结构以及人脑的思维过程一直处于研究阶段，当然，随着时间的推移和科学技术水平的提高，有一天人类应该会破解自身的思维过程。

人工智能(部分习题答案)

1.什么是人类智能？它有哪些特征或特点？定义：人类所具有的智力和行为能力。特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的？解：人工智能于1956年夏季在美国Dartmouth大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能？它的研究目标是？定义：用机器模拟人类智能。研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能的发展经历了哪几个阶段？解：第一阶段：孕育期（1956年以前）；第二阶段：人工智能基础技术的研究和形成（1956~1970年）；第三阶段：发展和实用化阶段（1971~1980年）；第四阶段：知识工程和专家系统（1980年至今）。 5.人工智能研究的基本容有哪些？解：知识的获取、表示和使用。 6.人工智能有哪些主要研究领域？解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 7.人工智能有哪几个主要学派？各自的特点是什么？主要学派：符号主义和联结主义。特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 8.人工智能的近期发展趋势有哪些？解：专家系统、机器人学、人工神经网络和智能检索。 9.什么是以符号处理为核心的方法？它有什么特征？解：通过符号处理来模拟人类求解问题的心理过程。特征：基于数学逻辑对知识进行表示和推理。 11.什么是以网络连接为主的连接机制方法？它有什么特征？解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。特征：研究神经网络。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。步骤：（1）定义谓词及个体，确定每个谓词及个体的确切含义；（2）根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值；（3）根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来：（1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。解：定义谓词如下： Like(x,y)：x喜欢y。 Club(x)：x是梅花。 Human(x)：x是人。 Mum(x)：x是菊花。 “有的人喜欢梅花”可表达为：(?x)(Human(x)∧Like(x,Club(x))) “有的人喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为：(?x)(Human(x)∧Like(x,Club(x))∧ Like(x,Mum(x))) （1）他每天下午都去玩足球。解：定义谓词如下： PlayFootball(x)：x玩足球。 Day(x)：x是某一天。则语句可表达为：(?x)(D(x)→PlayFootball(Ta)) （2）市的夏天既干燥又炎热。解：定义谓词如下： Summer(x)：x的夏天。 Dry(x)：x是干燥的。 Hot(x)：x是炎热的。则语句可表达为：Dry(Summer(Taiyuan))∧Hot(Summer(Taiyuan)) （3）所有人都有饭吃。

人工智能论文3500字

研究生课程论文人工智能前沿论文题目:人工智能技术在求机器人工作空间的应用课程老师:罗亚波学院班级:汽研1602班学生姓名:张小涵学号:15 2016年10月

人工智能技术在求机器人工作空间的应用摘要人工智能的发展迅速,现在已经渗透到机器人的全方位分析与机器人的工作空间的计算中,其对机器人的应用起着越来越重要的作用。元素限制法由三个限制元素构成,分别为杆长限制、转角限制、连杆的干涉。在初步确定限制元素后即可得到边界条件,即可得到工作空间。圆弧相交法由运动学反解过程、工作空间的几何描述以及工作空间的计算过程组成。两者各有其优缺点,都就是可取的求工作空间的方法。关键词:人工智能元素限制圆弧相交工作空间 Abstract With the rapid development of artificial intelligence, it has been applied to the analysis of the robot and the working space of the robot、It plays a more and more important role in the application of the robot、The element restriction method is composed of three elements, which are the length of the rod, the restriction of the angle and the interference of the connecting rod、 Boundary conditions can be obtained after the preliminary determination of the limiting element、 The arc intersection method is composed of the process of the inverse kinematics of the kinematics, the geometric description of the working space and the calculation process of the working space、 Both have their own advantages and disadvantages, are desirable for the working space of the method、Key words: artificial intelligence element limit arc intersection working space

人工智能习题&答案-第4章-计算智能1-神经计算-模糊计算

第四章计算智能（1）：神经计算模糊计算4-1 计算智能的含义是什么？它涉及哪些研究分支？贝兹德克认为计算智能取决于制造者提供的数值数据，而不依赖于知识。计算智能是智力的低层认知。主要的研究领域为神经计算，模糊计算，进化计算，人工生命。 4-2 试述计算智能（CI）、人工智能（AI）和生物智能（BI）的关系。计算智能是智力的低层认知，主要取决于数值数据而不依赖于知识。人工智能是在计算智能的基础上引入知识而产生的智力中层认知。生物智能，尤其是人类智能，则是最高层的智能。即CI包含AI包含BI 4-3 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？人工神经网络具有如下至关重要的特性： (1) 并行分布处理适于实时和动态处理 (2)非线性映射给处理非线性问题带来新的希望 (3) 通过训练进行学习一个经过适当训练的神经网络具有归纳全部数据的能力，能够解决那些由数学模型或描述规则难以处理的问题 (4) 适应与集成神经网络的强适应和信息融合能力使得它可以同时输入大量不同的控制信号，实现信息集成和融合，适于复杂，大规模和多变量系统 (5) 硬件实现一些超大规模集成是电路实现硬件已经问世，使得神经网络成为具有快速和大规模处理能力的网络。 4-4 简述生物神经元及人工神经网络的结构和主要学习算法。

生物神经元大多数神经元由一个细胞体(cell body或soma)和突(process)两部分组成。突分两类，即轴突(axon)和树突(dendrite)，轴突是个突出部分，长度可达1m，把本神经元的输出发送至其它相连接的神经元。树突也是突出部分，但一般较短，且分枝很多，与其它神经元的轴突相连，以接收来自其它神经元的生物信号。轴突的末端与树突进行信号传递的界面称为突触(synapse)，通过突触向其它神经元发送信息。对某些突触的刺激促使神经元触发(fire)。只有神经元所有输入的总效应达到阈值电平，它才能开始工作。此时，神经元就产生一个全强度的输出窄脉冲，从细胞体经轴突进入轴突分枝。这时的神经元就称为被触发。突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋或抑制。学习就发生在突触附近。每个人脑大约含有10^11-10^12个神经元，每一神经元又约有10^3-10^4个突触。神经元通过突触形成的网络，传递神经元间的兴奋与抑制。大脑的全部神经元构成极其复杂的拓扑网络群体，用于实现记忆与思维。人工神经网络的结构人工神经网络由神经元模型构成。每个神经元具有单一输出，并且能够与其它神经元连接，存在许多输出连接方法，每种连接方法对应于一个连接权系数。人工神经网络的结构分为2类， (1)递归(反馈)网络有些神经元的输出被反馈至同层或前层神经元。信号能够从正向和反向流通。Hopfield网络，Elmman网络和Jordan网络是代表。 (2) 前馈网络具有递阶分层结构，由一些同层神经元间不存在互连的层级组成。从输入层至输出层的信号通过单向连接流通，神经元从一层连接至下一层，不存在同层神经元之间的连接。多层感知器(MLP)，学习矢量量化网络(LVQ)，小脑模型连接控制网络(CMAC)和数据处理方法网络(GMDH)是代表。人工神经网络的主要学习算法 (1) 指导式(有师)学习根据期望和实际的网络输出之间的差来调整神经元连接的强度或权。包括Delta规则，广义Delta规则，反向传播算法及LVQ算法。 (2) 非指导(无导师)学习训练过程中，神经网络能自动地适应连接权，以便按相似特征把输入模式分组聚集。包括

神经网络在人工智能中的应用

神经网络在人工智能中的应用摘要：人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。关键词：人工智能，神经网络一、人工智能 “人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。二、神经网络

神经网络是：思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。人工神经网络是由大量的简单基本元件——神经元相互联接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，但大量神经元组合产生的系统行为却非常复杂。人工神经网络反映了人脑功能的若干基本特性，但并非生物系统的逼真描述，只是某种模仿、简化和抽象。与数字计算机比较，人工神经网络在构成原理和功能特点等方面更加接近人脑，它不是按给定的程序一步一步地执行运算，而是能够自身适应环境、总结规律、完成某种运算、识别或过程控制。三．神经网络在人工智能中的应用专家系统

人工智能结课论文

内蒙古科技大学2014/2015 学年第一学期《人工智能》结课报告课程号：76807376-01 考试方式：结课报告使用专业、年级：计算机应用2012-3,4 任课教师：陈淋艳班级：12级计算机3班学号：1276807336 姓名：王志鹏

目录前言 (3) 一、专家系统简介 (4) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (12) 七、专家系统的总结 (13) 八、学习心得 (14) 参考文献 (15)

前言人工智能是经过40多年发展起来的一门综合性学科，它旨在研究如何利用计算机等现代工具设计模拟人类智能行为的系统。在众多的人工智能应用领域中，专家系统是30多年来发展起来的一种最具代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。专家系统是人工智能中最活跃的一个分支，是人工智能发展最重要的推动力。由于人类对自身的思维规律和智能行为仍在探索中，因此，人工智能与专家系统仍然是一门开放的年轻学科。近几年来，人工智能与专家系统的研究越来越深入，新的思想、新的理论以及新的方法与技术不断涌现，新的研究成果不断充实着这一研究领域，尤其是模糊逻辑与神经网络及其结合的研究已成为当前人工智能或智能模拟的重要研究方向，学术论文数以千计，应用成果迭出。

一、专家系统简介摘要:自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的30年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。构建专家系统用到的思维方式可能是各种认知工具中最难的,因为它需要形式推理与逻辑推理,建构专家系统需要智力上的参与和挑战。本文首先介绍了专家系统的概念和理论及发展概况，并着重分析他们的应用和发展前景。

人工智能之人工神经网络(PDF 23页)

1 第八章人工神经网络吉林大学地面机械仿生技术教育部重点实验室张锐

2 8.1 神经网络的基本概念及组成特性 8.1.1 生物神经元的结构与功能特性从广义上讲，神经网络通常包括生物神经网络与人工神经网络两个方面。生物神经网络是指由动物的中枢神经系统及周围神经系统所构成的错综复杂的神经网络，它负责对动物肌体各种活动的管理，其中最重要的是脑神经系统。人工神经网络是指模拟人脑神经系统的结构和功能，运用大量的软、硬件处理单元，经广泛并行互连，由人工方式建立起来的网络系统。生物神经元就通常说的神经细胞，是构成生物神经系统的最基本单元，简称神经元。神经元主要由三个部分构成，包括细胞体、轴突和树突，其基本结构如图所示。 1. 生物神经元的结构生物神经元结构吉林大学地面机械仿生技术教育部重点实验室张锐

3 从生物控制论的观点来看，作为控制和信息处理基本单元的神经元，具有下列一些功能与特性。 2. 神经元的功能特性（1）时空整合功能神经元对于不同时间通过同一突触传入的信息，具有时间整合功能；对于同一时间通过不同突触传入的信息，具有空间整合功能。两种功能相互结合，使生物神经元具有时空整合的输入信息处理功能。（2）神经元的动态极化性尽管不同的神经元在形状及功能上都有明显的不同，但大多数神经元都是以预知的确定方向进行信息流动的。（3）兴奋与抑制状态神经元具有两种常规工作状态，即兴奋状态与抑制状态。（4）结构的可塑性突触传递信息的特性是可变的，随着神经冲动传递方式的变化，其传递作用可强可弱，所以神经元之间的连接是柔性的，这称为结构的可塑性。吉林大学地面机械仿生技术教育部重点实验室张锐

人工智能习题作业神经计算I习题答案

第五章神经网络课后习题及答案一、选择题： 1. 在BP算法中，设y=f(xi)为xi的平滑函数，想知道xi对y增大变化的情况，我们可求，然后进行下列的哪一项？（ B ） A 取最小 B 取最大 C 取积分 D 取平均值 2. 对于反向传播学习，无论是在识别单个概念的学习或识别两个概念的学习中，都涉及到下列的哪一个操作？（ A ） A 权值的修正 B 调整语义结构 C 调整阀值 D 重构人工神经元 3. 根据Hopfield网络学习的特点，能实现联想记忆和执行线性和非线性规划等求解问题其应用没有涉及到下列的哪一个内容？（ D ） A 模糊推理模型 B 非线性辨认 C 自适应控制模型 D 图象识别 4. 对于神经网络的二级推理产生式规则由三个层次构成，它不含下列的哪一个层次？（ C ） A 输入层 B 输出层 C 中间层 D 隐层 5. 人工神经网络借用了生理神经元功能的一些描述方式，它涉及到下列的哪一些内容？（ ABC ） A 模拟神经元 B 处理单元为节点 C 加权有向图 D 生理神经元连接而成

6. 在应用和研究中采用的神经网络模型有许多种，下列的哪一些是具有代表性的？（ ABD ） A 反向传递（BP） B Hopfield网 C 自适应共振 D 双向联想存储器 7. 下列的哪一些内容与反向传播学习算法有关？（ ABCD ） A 选取比率参数 B 误差是否满足要求 C 计算权值梯度 D 权值学习修正 8. 构造初始网络后，要用某种学习算法调整它的权值矩阵，使NN在功能上满足样例集给定的输入一输出对应关系，并由此产生推理，该矩阵必须满足下列的哪一个性质？ ( A ) A 收敛性 B 对称性 C 满秩性 D 稀疏性 9. 在人工神经元的功能描述中，往往会用一激发函数来表示输出，常用的一般非线性函数有下列的哪一些项？ ( ABD ) A 阀值型 B 分段线性强饱和型 C 离散型 D S i gm oid型 10. 基于神经网络的推理，其应用中必须涉及到下列的哪一些内容？ ( ACD ) A NN的结构模型 B NN的推理规则 C NN的学习算法 D 从NN到可解释的推理网二、填空题： 1. 前馈网络是一种具有很强学习能力的系统，结构简单，易于编程。前馈网络通

人工智能论文

重庆理工大学专业选修课课程考查报告《AI的发展与未来》课程名称：《人工智能及应用》专业：软件工程学号：学生姓名：提交时间：2017年5月5日

进入人工智能人工智能的话题，在近年尤其火热，很多人是因为在2016年看到AlphaGo打败了世界围棋冠军李世石。这使得大家对人工智能非常感兴趣，同时也有很多人思考人工智能是否应该继续无节制地发展下去？人们会担忧将来人工智能发展到一定的高度可能会取代人类。包括霍金、比尔·盖茨这样伟大的人物也怀疑人工智能。我们谁都无法下结论说到底该不该发展人工智能，所以我们先来了解一下什么是人工智能，否则我们只会在对人工智能的恐惧中无法获得理性认知。人工智能似乎没有明确的定义。人工智能就是研究如何使计算机去做过去只有人才能做的智能工作[1]，这是美国麻省理工学院的温斯顿教授认为的人工智能。人工智能大概来说可能是有几个部分，首先是感知，感知是包括视觉、语音、语言；然后是决策，做一些预测，做一些判断；那当然如果你要做一套完整的系统，就像机器人或是自动驾驶，它会需要一个反馈[2]。人工智能的发展通过了解人工智能发展的主要里程碑，可能会更加直观的了解人工智能。在感知方面，比如我国的科大讯飞。该企业使命是让机器能听会说，能理解会思考；用人工智能建设美好世界[3]。正如他们的企业使命，讯飞语音识别软件现在已经能听懂人们所说的，而且正确率相当高，如果要打很多字完全可以不动手，直接念一遍就都以文字的形式输出来。以前电视里播的现场直播都是没有字幕的，现在已经可以在直播的时候也可以看到实时字幕。可见语音识别给我们带来了巨大的便利。还如微软的小冰，你可以在微信关注她，并且同她聊天，还可以和她语音聊天，她甚至可以为你唱歌。现在小冰会的东西越来越多，也越来越智能。决策方面，从早期MicrosoftOffice里的工具到Google广告的推荐，然后到金融行业的很多智能决策公司的出现，进步迅速。现在的gamil，有时候收到email，Google会跳出来问要不要发回复，有时候它连回复都帮你写好了，而且写的很精确。这也是人工智能的体现。可能以后我们讲话都不用，助理能帮我们搞定。最后是反馈，比如无人驾驶汽车，它通过车载传感系统感知道路环境，并根据感知所获得的道路、车辆位置和信息，控制车辆的转向和速度，自动规划行车路线并控制车辆到达预定目标的。从而使车辆能够安全、可靠地在道路上行驶。深度学习及其应用领域提到人工智能就不得不提深度学习，它是一种神经网络，它的特点是使用了多层网络，能够学习抽象概念，同时融入自我学习，而且收敛相对快速。收敛快速可能是一种技巧，不见得是一个理论，但是有一批人通过它解决了很多重要的问题。简单的来说，如果我们有很多笑脸，然后我们把笑脸的像素输入到一个神经网络里面去，最后你那儿希望让机器能识别这是姚明，那是马云，但是因为你这个深度学习的网络很深，要一次性学会这么多也会比较困难，所以就需要用到一个比较快速收敛的技巧——自我学习。通过自我学习，机器会逐步从大量的样本中逐层抽象出相关的概念，然后做出理解，最终做出判断和决策。深度学习或者是任何的机器学习，它是不是超越人类的能力表现，如果超越的话，可能很多应用就会产生。比如在机场，如果机器识别人脸的准确度超过人，那么那些边防的人就可能不需要那么多。这并不是说机器不会犯错，而是说既然人不能比机器做的更好，那不妨就用机器取代。

人工智能部分习题答案

人工智能部分习题答案 Document number：WTWYT-WYWY-BTGTT-YTTYU-2018GT

1.什么是人类智能它有哪些特征或特点定义：人类所具有的智力和行为能力。特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的解：人工智能于1956年夏季在美国Dartmouth大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能它的研究目标是定义：用机器模拟人类智能。研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能的发展经历了哪几个阶段解：第一阶段：孕育期（1956年以前）；第二阶段：人工智能基础技术的研究和形成（1956~1970年）；第三阶段：发展和实用化阶段（1971~1980年）；第四阶段：知识工程和专家系统（1980年至今）。 5.人工智能研究的基本内容有哪些解：知识的获取、表示和使用。 6.人工智能有哪些主要研究领域解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 7.人工智能有哪几个主要学派各自的特点是什么主要学派：符号主义和联结主义。特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 8.人工智能的近期发展趋势有哪些解：专家系统、机器人学、人工神经网络和智能检索。 9.什么是以符号处理为核心的方法它有什么特征解：通过符号处理来模拟人类求解问题的心理过程。特征：基于数学逻辑对知识进行表示和推理。 11.什么是以网络连接为主的连接机制方法它有什么特征解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。特征：研究神经网络。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。步骤：（1）定义谓词及个体，确定每个谓词及个体的确切含义；（2）根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值；（3）根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来：（1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。解：定义谓词如下： Like(x,y)：x喜欢y。 Club(x)：x是梅花。 Human(x)：x是人。 Mum(x)：x是菊花。 “有的人喜欢梅花”可表达为：(?x)(Human(x)?Like(x,Club(x))) “有的人喜欢菊花”可表达为：(?x)(Human(x)?Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为：(?x)(Human(x)?Like(x,Club(x))? Like(x,Mum(x))) （1）他每天下午都去玩足球。解：定义谓词如下： PlayFootball(x)：x玩足球。 Day(x)：x是某一天。则语句可表达为：(?x)(D(x)?PlayFootball(Ta)) （2）太原市的夏天既干燥又炎热。解：定义谓词如下：

人工智能神经网络

基于神经网络的人机对抗人工智能系统（理论） -------------------------------------------------------------------------------- 基于神经网络的人机对抗人工智能系统 Harreke 摘要：人工智能是一门科学名称。自电子计算机发明后不久，人工智能学科即宣布创立，其目的就是要模拟人类的智力活动机制来改进计算机的软件硬件构成，使他们掌握一种或多种人的智能，以便在各种领域内有效替代人的脑力劳动，特别是解决用传统软硬件方法难以解决的问题，如模式识别，复杂的控制行为或对海量的数据进行实时评估等。所谓人工智能，就是由人工建立的硬件或软件系统的智能，是无生命系统的智能。智能是人类智力活动的能力，是一个抽象的概念。一个软件或硬件系统是否有智能，只能根据它所表现出来的行为是否和人类某些行为相类似来做判断。人工智能在计算机上的实现，有两种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或生物机体所用的方法相同。这种方法称为工程学方法，它的编程方式虽然简单，智能效果显著，可是算法和程序一旦固定下来，智能就很难再进一步提高。另一种是模拟法，它不仅要看智能效果，还要求实现方法和人类或生物机体所用的方法相同或类似。人工神经网络是模拟人类或生物大脑中神经元的活动方式，属于模拟法。人工神经网络入门难度大，编程者需要为每一个对象设置一个智能系统来进行控制，新设置好的智能系统，虽然一开始什么都不懂，但它拥有学习的能力，可以通过学习，不断提升智能，不断适应环境、应付各种情况。通常来讲，使用人工神经网络虽然编程复杂，但编写完成后的维护工作，将比使用其他方式编程后的维护更加省力。本文采用人工神经网络构建一个完整的人工智能系统，并将该人工神经网络理论应用于电脑领域的项目DOTA。关键词：人机对抗，神经网络，人工智能，DOTA 目录第一章神经网络系统概述 1.1生物学神经网络 1.2人工神经网络

2019人工智能与健康试题及答案

2019人工智能与健康试题及答案一、单项选择题 1.（）是集机械、电子、控制、计算机、传感器、人工智能等多学科先进技术于一体的现代制造业重要的自动化装备。 D.工业机器人 2.（）是利用计算机将一种自然语言（源语言）转换为另一种自然语言（目标语言）的过程。 B.机器翻译 3.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。 B.机器学习 4.（）是人以自然语言同计算机进行交互的综合性技术，结合了语言学、心理学、工程、计算机技术等领域的知识。 A.语音交互 5.（）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。 A.深度学习 6.（）是研究用计算机系统解释图，像实现类似人类视觉系统理解外部世界的一种技术，所讨论的问题是为了完成某一任务需要从图像中获取哪些信息，以及如何利用这些信息获得必要的解释。 B.图像理解 7.（）是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。 A.专家系统 8.（）是一种处理时序数据的神经网络，常用于语音识别、机器翻译等领域。 C.循环神经网络 9.（）是一种基于树结构进行决策的算法。 B.决策树 10.（）是用电脑对文本集按照一定的标准进行自动分类标记。

C.文本分类 11.（）是指能够按照人的要求，在某一个领域完成一项工作或者一类工作的人工智能。 C.弱人工智能 12.（）是指能够自己找出问题、思考问题、解决问题的人工智能。 B.强人工智能 13.（）是指在各个领域都比人类要强的人工智能。 A.超人工智能 14.（）是指直接通过肢体动作与周边数字设备和环境进行交互。 A.体感交互 15.（）是自然语言处理的重要应用，也可以说是最基础的应用。 C.文本分类 16.（）宣布启动了“先进制造伙伴计划”“人类连接组计划”“创新神经技术脑研究计划”。 C.美国 17.（）中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。 B.2018年10月31日 18.《“健康中国2030”规划纲要》中提到，健康是经济社会发展的（） B.基础条件 19.《“健康中国2030”规划纲要》中提到，全民健康是建设健康中国的（） D.根本目的 20.1997年，Hochreiter&Schmidhuber提出（）。 D.长短期记忆模型 21.2005年，美国一份癌症统计报告表明：在所有死亡原因中，癌症占（） A.1/4 22.2012年，Hinton教授小组在ImageNet竞赛中夺冠，降低了几乎（）的错误率。 B.50% 23.2017年，卡内基梅隆大学开发的一个人工智能程序在（）大赛上战胜了四位人类玩家，这在人工智能发展史上具有里程碑式的意义。 C.德州扑克 24.50年前，人工智能之父们说服了每一个人：“（）是智能的钥匙。” B.逻辑 25.癌症的治疗分为手术、放疗、化疗。据WTO统计，有（）的肿瘤患者需要接受放疗。

人工智能论文机器学习与大数据

《人工智能》课程结课论文课题：机器学习与大数据姓名：学号：班级：指导老师： 2015年11月13日

机器学习与大数据摘要大数据并不仅仅是指海量数据，而更多的是指这些数据都是非结构化的、残缺的、无法用传统的方法进行处理的数据。大数据时代的来临，随着产业界数据量的爆炸式增长,大数据概念受到越来越多的关注。然而随着大数据“越来越大”的发展趋势，我们在分析和处理的过程中感觉到的困难也愈加的多了。这个时候我们想到了机器学习。机器学习几乎无处不在，即便我们没有专程调用它们，它们也经常出现在大数据应用之中，大数据环境下机器学习的创新和发展也倍加受到了关注。关键词：大数据；机器学习；大数据时代 Machine learning and big data Abstract Big data is not only refers to the huge amounts of data, and to talk about these data are structured, broken, can't use the traditional method of processing of the era of big data, with the industry to the explosion of data volumes, large data concept is more and more , as the data, the development trend of "growing" in the process of analysis and processing we feel is more time we thought about the machine learning is almost everywhere, even if we don't have to call them specially, they are also often appear in the big data applications, large data machine learning under the environment of innovation and the development also has received

人工智能习题答案

（此文档为Word格式，下载后可以任意编辑修改！）试卷装订封面

第一章绪论 1-1. 什么是人工智能？试从学科和能力两方面加以说明。从学科角度来看：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动 1-2. 在人工智能的发展过程中，有哪些思想和思潮起了重要作用？控制论之父维纳1940 年主张计算机五原则。他开始考虑计算机如何能像大脑一样工作。系统地创建了控制论，根据这一理论，一个机械系统完全能进行运算和记忆。帕梅拉?麦考达克(Pamela McCorduck)在她的著名的人工智能历史研究《机器思维》(Machine Who Think,1979) 中曾经指出：在复杂的机械装置与智能之间存在着长期的联系。著名的英国科学家图灵被称为人工智能之父,图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。提出了著名的图灵测试。数理逻辑从19 世纪末起就获迅速发展；到20 世纪30 年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。 1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型。60-70年代，联结主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮，控制论思想早在40-50 年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。到 60-70 年代，控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子。 1-3. 为什么能够用机器(计算机)模仿人的智能？物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移6种功能。反之，任何系统如果具有这 6 种功能，那么它就能够表现出智能(人类所具有的智能)。物理符号系统的假设伴随有3个推论。推论一: 既然人具有智能，那么他(她)就一定是个物理符号系统。推论二: 既然计算机是一个物理符号系统，它就一定能够表现出智能。推论三: 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。 1-4. 现在人工智能有哪些学派？它们的认知观是什么？符号主义(Symbolicism) ，又称为逻辑主义(Logicism) 、心理学派(Psychlogism) 或计算机学派(Computerism) [ 其原理主要为物理符号系统( 即符号操作系统)假设和有限合理性原理。] 认为人的认知基元是符号，而且认知过程即符号操作过