第-0-章-智能信息处理课程介绍

智能信息处理课程介绍SchoolofInformationScience&TechnologyDalianMaritimeUniversity宁博网络中心307室课程介绍课程学习的重要性智能信息处理学科知识点课程教学内容课程设计和上机实验课程考核方法教材和参考书目智能万物皆有智能经过数万年的演化，自然中的各种生物均具有智能。万物之灵-人具有智能，且能智慧地制造各种工具来延伸和拓展自身的能力。智能ABC生物智能(BiologicalIntelligence,BI)人工智能(ArtificalIntelligence,AI)计算智能(ComputationalIntelligence，CI）由数学方法和计算机实现的，CI的来源是数值计算和传感器是非物质的，是人造的，常用符号表示，AI的来源是人的知识精华和传感器数据）由人脑的物理化学过程反映出来,人脑是有机物,它是智能的物质基础B(有机）A(符号）C(数值）人类智能感知与认识客观事务、客观世界和自我(生存能力)通过学习取得经验与积累知识(发展能力)理解知识，运用知识和经验分析、解决问题(高级智能)联想、推理、判断、决策(高级智能)运用语言进行抽象、概括(语言能力)发现、发明、创造、创新(高级智能)实时、迅速、合理地应付复杂环境(实时反应能力)预测、洞察事务发展、变化(预测能力)人工智能(AI)人工智能(ArtificialIntelligence)：研究人类智力活动奥秘的探索与记忆思维机理；开发人类智力活动的潜能；探讨用各种机器模拟人类智能的途径；使人类的智能得以物化与延伸的一门学科。人工智能符号主义连接主义行为主义研究怎样让计算机模仿人脑从事推理、设计、思考、学习等思维活动,以解决和处理较复杂的问题，简单地说，研究如何让计算机模仿人脑进行工作。从心理的角度对智能的模拟计算智能的产生(CI)计算智能（ComputationalIntelligence）借鉴仿生学思想，基于生物体系的生物进化、细胞免疫、神经细胞网络等某些机制，用数学语言抽象描述的计算方法，来模仿生物体系和人类的智能机制，产生了所谓的计算智能从生理的角度对智能的模拟计算智能计算智能：以生物进化的观点认识和模拟智能，基于“从大自然中获取智慧”的理念，通过人们对自然界独特规律的认知，提取出适合获取知识的一套计算工具。仿生算法：遗传算法、免疫算法、模拟退火算法、蚁群算法、微粒群算法人工神经网络计算智能系统和人工智能系统计算智能系统只涉及数值（低层）数据，含有模式识别部分，不应用人工智能意义上的知识，能够呈现出：计算适应性计算容错性接近人的速度误差率与人相近人工智能系统计算智能系统以非数值方式加上知识值智能信息处理产生的原因人类所处的客观环境和所面对的客观世界：变化的、发展的，是浩瀚无垠的；人类的知识：不断丰富、不断更新，不完全的、不可靠的、不精确的、不一致的和不确定的人类了解客观世界，提高生活质量：使用不精确的、不完美的知识不断地、逐步地进行的。物联网全面感知---传感网技术专业智能处理---智能科学与技术专业可靠传递---网络工程专业智能信息处理利用对不精确性、不确定性的容忍来达到问题的可处理性和鲁棒性。将不完全的、不可靠的、不精确的、不一致的和不确定的知识和信息，逐步变得完全、可靠、精确、一致和确定的过程和方法。智能信息处理的特点智能信息处理的对象及方法多样性复杂性综合性智能信息处理涉及到信息科学的多个领域现代信号处理人工神经网络模糊系统理论进化计算人工智能智能信息处理的研究内容基础理论研究信息和知识处理的数学理论复杂系统的算法设计和分析并行处理理论与算法量子计算和生物计算等新型计算模式机器学习理论和算法生物信息和神经信息处理互联网智能大规模文本处理图像视频信息检索与处理基于Web的知识挖掘商务和金融智能电子政务电子商务电子金融智能信息处理技术应用智能家电智能卡，智能手机、玩具、大厦、空调、洗衣机机器人工业机器人”、“智能机器人”定理证明：借助计算机来证明数学猜想或定理，四色猜想模式识别：指纹辨别、手写汉字识别、语音识别智能信息处理技术应用智能机器人系统需综合运用多种智能信息处理技术来提高其智能性；数据融合技术实现多种传感数据以及特征的互补，并通过多重模型的决策融合提高决策的准确性和稳健性；计算机视觉和图象处理技术根据摄像头采集的图象实现目标检测和识别、障碍物的避让；数据挖掘技术实现知识的自学习建模和在线学习；人工智能技术实现知识的表达、决策推理、故障诊断等功能，等等。智能信息处理技术应用公共安全和灾害防治运用图象分析技术实现生物特征信息（如：人脸、指纹、虹膜）、非法入侵物和火焰的识别，从而应用于智能安保中的门禁、身份识别和防火防盗。遥感图象处理和数据挖掘将有效地应用于森林火灾和洪灾的监测和预报。农业数据挖掘技术和专家系统技术将应用于农作物的选种、化肥和农药的使用、病虫害的防治；遥感图象处理技术和数据挖掘技术将有效地应用于农作物产量估计。智能信息处理技术应用商业和电子商务数据挖掘技术将应用于市场预测和分析、大型超市的货架分析、电子商务中个性化购物的预测和分析等。金融和保险业数据挖掘和专家系统将应用于外汇和期货股市的分析、金融风险的评估、保险产品的设计等。主要的智能信息处理技术神经计算技术BP网络径向基函数神经网络Hopfield反馈神经网络模糊计算技术模糊逻辑与推理粗糙集进化计算技术遗传算法蚁群算法微粒群算法总学时54学时，分为两大部分：A、课堂教学：(44学时)介绍智能信息处理的基本概念、原理、相关的理论和技术方法。B、实验教学:(10学时)以MATLAB为工具，针对每章节的内容进行实验。课程教学内容课堂教学内容第1篇绪论

（2学时）

1测试智能信息处理概述

1.1测试智能信息处理的产生及发展

1.1.1测试系统的组成与特点

1.1.2智能计算的产生与发展

1.2智能信息处理的主要技术

1.2.1神经计算技术

1.2.2模糊计算技术

1.2.3进化计算技术

1.3智能技术的综合集成

1.3.1模糊系统与神经网络结合

1.3.2神经网络和遗传算法结合

1.3.3模糊技术、神经网络和遗传算法综合集成

1.3.4智能计算展望

课堂教学内容第2篇神经计算

（10学时）

3神经计算基础（2学时）

3.1人工神经网络基础

3.1.1人工神经网络的提出

3.1.2人工神经网络的特点

3.1.3历史回顾

3.1.4生物神经网络

3.1.5人工神经元

3.1.6人工神经网络的拓扑特性

3.1.7存储与映射

3.1.8人工神经网络的训练

课堂教学内容

3.2感知器（4学时）

3.2.1感知器与人工神经网络的早期发展

3.2.2感知器的学习算法

3.2.3线性不可分问题

4神经计算基本方法（4学时）

4.1

BP网络

4.1.1

BP网络简介

4.1.2基本BP算法

4.1.3

BP算法的实现

4.1.4

BP算法的理论基础

4.1.5

几个问题的讨论课堂教学内容第3篇模糊计算

（22学时）

7模糊逻辑与模糊推理（6学时）

7.1模糊逻辑与模糊推理概述

7.2模糊推理的MATLAB实现

8模糊计算的应用（4学时）

补充新内容

9粗糙集（12学时）

9.1智能数据预处理及知识系统表达

9.2知识与分类，近似与粗集的基本概念

9.3知识系统的简化和逻辑表达

9.4集成粗糙神经网络预示诊断应用

课堂教学内容第4篇进化计算与群智能

10遗传算法（8学时）

10.1遗传优化算法基础

10.2遗传优化算法的工程应用

11禁忌搜索算法第5篇智能信息处理的发展与未来（2学时）实验内容序号实验内容学时1神经网络算法实现42模糊聚类算法实现43粗糙集算法实现64遗传算法合计10上机时间安排上机地点：信息楼A座105智能专业实验室上机时间：

实验报告提交要求提交3项小实验报告；提交电子的和纸面的实验报告；将陆续发布具体的实验报告提交要求。上机软件和学习网站

MATLAB2009A学习网站：教材及参考书(1)

教材王雪：测试智能信息处理

清华大学出版社，2008.1

参考书《智能信息处理方法导论》，高隽编著，机械工业出版社，2004.《智能信息处理》，熊和金