计算智能：人工神经网络模型与关键词解析

"该资源是一份关于计算智能的研究生教材，特别关注人工神经网络的典型模型，包括自适应谐振理论(ART)和双向联想存储器(BAM)。此外，还探讨了计算智能与传统人工智能的区别，以及相关领域的定义和相互关系。" 计算智能是当代科学技术发展的一个重要方向，它涵盖了神经计算、模糊计算、进化计算和人工生命等多个领域。与传统人工智能不同，计算智能更侧重于基于数值数据的处理，而非依赖于知识库。这一概念最早由贝兹德克在1992年提出，并强调人工神经网络应被称为计算神经网络。 人工神经网络（ANN）是计算智能的核心组成部分，其中两个典型的模型是自适应谐振理论(ART)和双向联想存储器(BAM)。ART由格罗斯伯格提出，分为ART-1和ART-2，分别用于处理二值和连续值的输入。然而，ART的一个主要缺点是对输入变化过于敏感，导致输出的不稳定性。 双向联想存储器(BAM)由科斯克开发，它是一种具有学习能力的单状态互联网络。尽管BAM能实现数据存储和联想，但其存储密度较低，并且容易引发振荡问题，这限制了其实际应用。 计算智能与人工智能的区分在于，前者更注重计算和数据驱动，后者则更多地依赖于知识表示和推理。马克斯和贝兹德克通过ABC模型（Artificial, Biological, Computational）进一步阐述了这些关系。ABC模型显示了从简单的人工系统到复杂的生物智能系统的层次结构，每个领域都有其特定的研究焦点和相互联系。 表4.1详细列出了ABC及其相关领域的定义，明确了计算智能作为一种低层认知智力方式的地位，它虽然属于人工智能的一部分，但更偏向于基础的计算和数据处理。 通过学习这些基本概念和模型，我们可以更好地理解计算智能如何通过模拟生物神经系统的功能来解决复杂问题，以及如何与传统人工智能方法相辅相成，推动技术的发展。