计算智能概述：模式识别与神经网络

"第5章(计算智能1-概述).ppt" 本资料主要介绍了计算智能的基本概念，由许建华教授在南京师范大学计算机科学与技术学院的课程中讲解。计算智能是人工智能的一个分支，它强调通过数值数据处理实现智能，而不是依赖于预先设定的知识。 计算智能的定义源于Bezdek在1992年的观点，它指的是不依赖于人类知识的智能形式，区别于传统的人工智能。计算智能主要包括模式识别、神经网络、模糊逻辑以及进化计算等多个领域。Bezdek在1994年进一步提出了ABC理论，其中C代表数学和计算机，A代表人工的，B代表生物的，以此来描述计算智能的底层认知特性。 计算智能与人工智能在认知层次上有显著差异。人工智能通常涉及中层认知，包括知识的运用，而计算智能则更偏向于底层，不依赖于知识，但具备计算适应性、计算容错性和接近人类的处理速度。这种低层认知的特点使得计算智能在某些任务上，如模式识别，展现出与人类相似的性能。 以美国邮政数字识别数据库(USPS)为例，该数据库包含7300个训练样本和2000个测试样本的16X16像素图像。对比人工识别的2.5%错误率，决策树C4.5的错误率为16.2%，五层神经网络的错误率为5.1%，而支持向量机(SVM)的错误率降低到4.0%。这些数据展示了计算智能方法在实际问题中的有效性。 计算智能的研究涵盖了多种技术，例如神经网络在模拟人脑神经元结构的基础上进行学习和预测；模糊逻辑则是处理不确定性和模糊信息的工具，允许在不精确的数据中进行推理；进化计算借鉴生物进化原理，如遗传算法，通过模拟自然选择和遗传变异来优化问题解决方案。 计算智能是利用数学和计算机技术模拟生物智能的一种手段，它不依赖于明确的规则和知识，而是通过学习和适应环境来解决问题。随着技术的发展，计算智能在图像识别、语音识别、自动驾驶等众多领域展现出巨大的潜力，并持续推动着人工智能的研究进步。