類神經網路簡介 B88901009 朱峰森 B89901103 梁家愷
什麼是人工智慧? 電腦具有人類的知識和行為，並具有學習、推理判斷來解決問題、記憶知識和了解人類自然語言的能力 可自我學習 會利用經驗法則 具有推演的能力
什麼是類神經網路? 以電腦（軟體或硬體）來模擬生物大腦神經的人工智慧系統，並將此應用於辨識、決策、控制、預測……等等。 實作人工智慧的方法
模擬神經元 (perceptron) X Inputs W Weight S Summation φ Activation function Y Output
神經元->神經網路 不同的問題有不同的網路組合方法 利用樣本去對網路做訓練(Train),逐漸改變W,使Y接近目的值->convergence
特性 平行處理 容錯 不需要整個系統都正常運作 結合式記憶 只要有片段的紀錄便可推至答案 簡單程式模擬
特性 解決最佳化 超大型積體電路實作 處理一般演算法難以處理的問題
簡單應用: 推銷員問題(TSP) 複雜度O(2n),不一定找得到解. 利用n個完全連接的神經元( as a N x N matrix),讓神經元自動學習 不一定可得到正確的解,只有一定的機率是最佳解 利用Hopfield Network 如果城市 i 是第 j 個被拜訪的城市, Vxiyi=1 前兩項:確保網路中每一行每一列最多只有一個神經元被啟動 第三項:確保整個網路中全部只有 n個神經被啟動。 第四項:讓網路偏好較短路徑
簡單應用: 推銷員問題(TSP) 程式模擬1(利用彈性網路) 程式模擬2(利用螞蟻王國) 程式模擬3(Kohonen Feature Map)
和傳統系統,程式比較 一般程式答案唯一 ->類神經網路的答案會越來越好 一般程式只會回答定義過的東西 ->類神經網路可以提供一個合理的解
類神經網路與人類思維 類神經網路的目的 人類思維的特色 沒有明確區分記憶與思考部份 不理性 學習
模型 聯想式學習 Hopfield 無監督式學習 Self-organizing maps 監督式學習 Backpropagation
Hopfield
Hopfield (cont’)
Hopfield (cont’)
Backpropagation 會有一組正確的 ”答案”等在輸出端 輸出端根據這組答案與自己輸出的差量調整內部的Weighting 把這個差量往下傳
Backpropagation (cont’)
Self-Organizing Maps 一直做題目 不告訴你答案 可將N維的資料 map到2維
SOMs 範例
SOMs 範例(2)
應用 資訊應用 影像辨識 文字辨識 語音辨識
應用(part2) 商業應用 股票、債券、期貨....等，投資分析 商業信用評估 可適性控制 洗衣機