智能信号处理.pptx
- 文档编号:2733406
- 上传时间:2022-11-10
- 格式:PPTX
- 页数:36
- 大小:753.45KB
智能信号处理.pptx
《智能信号处理.pptx》由会员分享,可在线阅读,更多相关《智能信号处理.pptx(36页珍藏版)》请在冰豆网上搜索。
智能智能信号信号处处理理什么是智能?
什么是智能?
智能可以是名词,也可以是形容词。
智能可以是名词,也可以是形容词。
用用作作名名词词,智智能能是是指指人人类类所所能能进进行行的的脑脑力力劳劳动动,包包括括感感觉觉、认认知知、记记忆忆、联联想想、计计算算、推推理理、判判断断、决决策策、抽抽象象、概括概括用用作作形形容容词词,智智能能的的意意义义是是:
人人一一样样的的、聪聪明明的的、灵灵活活的、柔性的、自学习的、自组织的、自适应的、自治的的、柔性的、自学习的、自组织的、自适应的、自治的智智能能理理论论的的研研究究包包括括两两方方面面:
其其一一是是对对智智能能的的产产生生、形形成成和和工工作作的的机机制制的的直直接接研研究究;其其二二是是研研究究如如何何利利用用人人工工的的方方法模拟、延伸和扩展智能。
法模拟、延伸和扩展智能。
什么是什么是智能信号处理?
智能信号处理?
能能够够使使用用工工具具是是人人类类的的重重要要特特征征。
人人们们对对于于体体力力上上胜胜过过他他们们的的机机器器司司空空见见惯惯,然然而而,当当IBM的的计计算算机机(DeepBlue)打打败败国国际际象象棋棋大大师师Kasparov的的时时候候,许许多多人人坐坐不不住住了了:
计计算算机机如如此此聪聪明明,它它们们能能力力的的成成长长会失去控制,最终危害人类吗?
会失去控制,最终危害人类吗?
实实际际上上,胜胜过过人人类类棋棋手手的的计计算算机机,无无非非是是按按照照程程序序设设计计者者事事先先规规定定的的算算法法行行事事,是是编编程程者者的的算算法法胜胜了了国际象棋大师。
国际象棋大师。
什么是什么是智能信号处理?
智能信号处理?
心心理理活活动动的的最最高高层层级级是是思思维维策策略略,中中间间一一层层是是初初级级信信息息处处理理,最最低低层层级级是是生生理理过过程程,即即中中枢枢神神经经系系统统、神神经经元元和和大大脑脑的的活活动动,与与此此相相应应的的是是计计算算机机程程序序、语语言言和和硬件。
硬件。
研研究究认认知知过过程程的的主主要要任任务务是是探探求求高高层层次次思思维维决决策策与与初初级级信信息息处处理理的的关关系系,并并用用计计算算机机程程序序来来模模拟拟人人的的思思维维策略水平,而用计算机语言模拟人的初级信息处理过程。
策略水平,而用计算机语言模拟人的初级信息处理过程。
这是智能信息处理的起源!
这是智能信息处理的起源!
智能智能信号信号处理理智能信号的处理方法神经网络概念BP神经网络神经网络的应用实例1、智能信号、智能信号处理方法理方法人工智能人工智能(ArtificialIntelligence,AI),是研究、,是研究、开发用于模拟开发用于模拟、延伸和扩展人的智能的理论、方法、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
技术及应用系统的一门新的技术科学。
基于基于人人的的慢速脑慢速脑研究研究;思维思维观点观点:
AI不仅限于逻辑思维,还应考虑形象思维、不仅限于逻辑思维,还应考虑形象思维、灵感思维,才能促进灵感思维,才能促进AI的突破性的发展。
的突破性的发展。
快速脑快速脑非逻辑脑非逻辑脑图像脑图像脑右脑右脑慢速脑慢速脑逻辑脑逻辑脑学术脑学术脑左脑左脑1、智能信号、智能信号处理方法理方法人工智能人工智能神经网络神经网络小波分析小波分析模式识别模式识别模糊聚类模糊聚类专家系统专家系统遗传算法遗传算法2.1神神经网网络的概念的概念人人工工神神经经网网络络是是从从微微观观结结构构与与功功能能上上对对人人脑脑神神经经系系统统的的模模拟拟而而建建立立起起来来的的一一类类模模型型,具具有有模模拟拟人人的的部部分分形形象象思思维维的的能能力力。
其其特特点点主主要要是是具具有有非非线线性性、学学习习能能力力和和自自适应性,是模拟人的智能的一条重要途径适应性,是模拟人的智能的一条重要途径。
它它是是由由简简单单信信息息处处理理单单元元(人人工工神神经经元元,简简称称神神经经元元)互互联联组组成成的的网网络络,能能接接受受并并处处理理信信息息。
网网络络的的信信息息处处理理由由处处理理单单元元之之间间的的相相互互作作用用来来实实现现,它它是是通通过过把把问问题题表表达成处理单元之间的连接权来处理的。
达成处理单元之间的连接权来处理的。
2.1神神经网网络的概念的概念神神经网网络是是人人脑的的某某种种抽抽象象、简化化和和模模拟,反反映映了了人人脑功能的若干基本特性:
功能的若干基本特性:
(1)网网络的的信信息息处理理由由处理理单元元间的的相相互互作作用用来来实现,并具有并行并具有并行处理的特点。
理的特点。
(2)知知识与与信信息息的的存存储,表表现为处理理单元元之之间分分布布式式的的物理物理联系。
系。
(3)网网络的的学学习和和识别,决决定定于于处理理单元元连接接权系系的的动态演化演化过程。
程。
(4)具有)具有联想想记忆的特性。
的特性。
2.1神神经网网络的概念的概念1943年,美国心理学家年,美国心理学家McCulloch和数学家和数学家Pitts共同提出共同提出“模模拟生物神生物神经元元”的被称的被称为MP的人的人工神工神经元元模型模型,从此从此开开创了了对神神经网网络的理的理论研究。
研究。
2.1神神经网网络的概念的概念其中:
其中:
为阈值为连接接权值为激活函数激活函数2.1神神经网网络的概念的概念神神经元模型的作用函数,用以模元模型的作用函数,用以模拟神神经细胞的胞的兴奋、抑制以及抑制以及阈值等非等非线性特性。
性特性。
2.1神神经网网络的概念的概念MPMP模模型型在在发发表表时时并并没没有有给给出出一一个个学学习习算算法法来来调调整整神神经经元元之之间间的的来来连连接接权权值值。
但但是是,我我们们可可以以根根据据需需要要,采采用用一一些些常常见见的的算算法法来来调调整整神神经经元元连连接接权权,以以达达到到学学习习的的目目的的。
下面介绍的下面介绍的HebbHebb学习规则就是一个常见学习算法学习规则就是一个常见学习算法。
HebbHebb学学习习规规则则:
神神经经网网络络具具有有学学习习功功能能。
对对于于人人工工神神经经网网络络而而言言,这这种种学学习习归归结结为为:
若若第第ii个个和和第第jj个个神神经经元元同同时处于兴奋状态,则它们之间的连接应当加强,即时处于兴奋状态,则它们之间的连接应当加强,即:
2.2神神经网网络的互的互联模式模式根据连接方式的不同,神经网络的神经元之间的连接有如下几种形式。
根据连接方式的不同,神经网络的神经元之间的连接有如下几种形式。
11)前向网络)前向网络前前向向网网络络结结构构如如下下图图。
神神经经元元分分层层排排列列,分分别别组组成成输输入入层层、中中间间层层(也也称称为为隐隐含含层层,可可以以由由若若干干层层组组成成)和和输输出出层层。
每每一一层层的的神神经经元元只只接接受受来来自自前前一一层层神神经经元元的的输输入入,后后面面的的层层对对前前面面的的层层没没有有信信号号反反馈馈。
输输入入模模式式经经过过各各层层次次的的顺顺序序传传播播,最最后后在在输输出出层层上上得得到到输输出出。
感感知知器器网网络络和和BPBP网网络均属于前向网络。
络均属于前向网络。
2.2神神经网网络的互的互联模式模式22)有反馈的前向网路)有反馈的前向网路其其结结构构如如下下图图。
输输出出层层对对输输入入层层有有信信息息反反馈馈,这这种种网网络络可可用用于于存存储储某某种模式序列。
如神经认知机和回归种模式序列。
如神经认知机和回归BPBP网络都属于这种类型。
网络都属于这种类型。
2.2神神经网网络的互的互联模式模式33)层内有相互结合的前向网络)层内有相互结合的前向网络其其结结构构如如下下图图。
通通过过层层内内神神经经元元的的相相互互结结合合,可可以以实实现现同同一一层层内内神神经经元元之之间间的的横横向向抑抑制制或或兴兴奋奋抑抑制制。
这这样样可可以以限限制制每每层层内内可可以以同同时时动动作作的的神神经经元元素素,或或者者把把每每层层内内的的神神经经元元分分为为若若干干组组,让让每每一一组组作作为为一一个个整整体体进进行行运运作作。
例例如如,可可以以利利用用横横向向抑抑制制机机理理把把某某层层内内具具有有最最大大输输出出的的神经元挑选出来,从而抑制其他神经元,使之处于无输出的状态。
神经元挑选出来,从而抑制其他神经元,使之处于无输出的状态。
2.3神神经网网络的学的学习方式方式神神经网网络的学的学习也也称称为训练,指的是通,指的是通过神神经网网络所在所在环境的刺激作用境的刺激作用调整神整神经网网络的参数(的参数(权值和域和域值),使神),使神经网网络以一种新的方式以一种新的方式对外部外部环境做出反境做出反应的一个的一个过程。
能程。
能够从从环境中学境中学习和在学和在学习中提高自身性能是神中提高自身性能是神经网网络的最有意的最有意义的性的性质。
根据学根据学习过程的程的组织方式不同,学方式不同,学习方式分方式分为两两类:
有有监督学督学习和无和无监督学督学习。
2.3神神经网网络的学的学习方式方式1)有有监督学督学习:
对于于监督学督学习,网,网络训练往往要基往往要基于一定数量的于一定数量的训练样本。
本。
训练样本通常由本通常由输入矢量入矢量和目和目标矢量矢量组成。
在学成。
在学习和和训练过程中,网程中,网络根据根据实际输出与期望出与期望输出的比出的比较,进行行连接接权值和域和域值的的调节。
通。
通过将期望将期望输出成出成为导师信号,它是信号,它是评价价学学习的的标准。
最典型的有准。
最典型的有监督学督学习算法是算法是BP算法,算法,即即误差反向差反向传播算法。
播算法。
2.3神神经网网络的学的学习方式方式2)无无监督学督学习:
对于无于无监督学督学习,则无教无教师信号提信号提供供给网网络,网,网络能能够根据其特有的根据其特有的结构和学构和学习规则,进行行连接接权值和域和域值的的调整。
此整。
此时,网,网络的学的学习评价价标准准隐含于其内部。
含于其内部。
智能智能信号信号处理理智能信号的处理方法神经网络概念BP神经网络神经网络的应用实例3.1BP神神经网网络有导师的学习方式输入量与输出量构成一个训练对正向+反向的数据流学习过程正向:
输入层各级隐层输出层反向:
输出层各级隐层输入层BP神经网络是一种多层感知神经网络,采用误差反向传递学习算法(ErrorBackPropagation),基本结构包括输入层、中间层(隐含层)和输出层,每层都由节点组成。
3.1BP神神经网网络l误差逆传播神经网络(BackPropagationNeuralNetwork,简记作BP网络)l工程实际中运用最为广泛的一种神经网络。
3.1BP神神经网网络输入模式从输入层经隐含层传向输出层的“模式顺传播模式顺传播”过程网络的期望输出与实际输出之差的误差信号由输出层输出层经隐含隐含层层向输入层输入层逐层修正连接权的“误差逆传播误差逆传播”过程由“模式顺传播模式顺传播”和“误差误差逆传播逆传播”的反复交替进行的网络“记忆训练”过程网络趋向收敛即网络的全局误差趋向极小值的“学习收敛”过程。
性能(误差)函数3.1BP神神经网网络初始化W输入和期望输出计算隐层和输出层的输出迭代次数加1调节输出层和隐层的连接权值改变训练样板训练样终止?
迭代终止?
NoNoyy基本流程基本流程3.1BP神神经网网络BP神经网络的运行包括两个阶段训练或学习阶段(trainingorlearningphase)向神经网络提供一系列输入输出数据组,通过数值计算方法和参数优化技术,使节点连接的权重因子不断调整,直到从给定的输入能产生所期望的输出。
预测(应用)阶段(generalizationphase)以训练好的网络,对未知的样本进行预测。
输入、输出层节点网络层数激活函数的选择隐含层节点数的确定学习速率和冲量系数网络的初始连接权值3.2BP神神经网网络设计要点要点输入层节点数:
输入层节点数:
即实际问题中的因素个数,或称因变量个数初始值预处理:
初始值预处理:
预处理方法有归一化处理、标准化处理和主成分
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 信号 处理