人工智能在交通控制中的应用

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,史蒂文斯皮尔伯格执导电影人工智能,21世纪中期，机器人制造技术已经高度兴旺，先进的机器人不但拥有可以乱真的人类外表，还能感知自身的存在。莫妮卡的儿子马丁重病住院，生命危在旦夕，为了缓解伤痛的心情，她领养了机器人小孩大卫，大卫的生存使命就是爱她。马丁糊涂，恢复安康，回到了家里，一系列的事情使大卫“失宠”，最终被莫妮卡抛弃。在躲过机器屠宰场的残酷追杀后，大卫在机器情人乔的帮助下，开头查找自己的生存价值：渴望变成真正的小孩，重新回到莫妮卡妈妈的身边。,内容概要,一、人工智能概述,二、人工智能进展,三、人工智能应用,四、人工智能在交通掌握中的应用,一、人工智能概述,人工智能(Artificial Intelligence)的定义始终没有一个统一的标准。,著名的美国斯坦福大学人工智能争论中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于学问的学科怎样表示学问以及怎样获得学问并使用学问的科学。”,美国麻省理工学院的温斯顿教授认为“人工智能就是争论如何使计算机去做过去只有人才能做的智能工作。”,诸如此类的定义根本都反映了人工智能学科的根本思想和根本内容。即人工智能是争论人类智能活动的规律，构造具有肯定智能的人工系统，争论如何让计算机去完成以往需要人的智力才能胜任的工作，也就是争论如何应用计算机的软硬件来模拟人类某些智能行为的根本理论、方法和技术。,涉及学科：计算机科学、信息论、掌握论、自动化、仿生学、生物学、心理学、数理规律、语言学、医学和哲学等多门学科。,争论范畴：自然语言处理，学问表现，智能搜寻，推理，规划，机器学习，学问猎取，组合调度问题，感知问题，模式识别，规律程序设计，软计算，不准确和不确定的治理，人工生命，神经网络，简单系统，遗传算法等。,应用领域：智能掌握，专家系统，机器人学，语言和图像理解等。,实际应用：机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统,智能搜寻，定理证明，博弈，自动程序设计，还有航天应用等。,由于人们对智能本质的不同理解,形成了人工智能多种不同的争论途径和学派,其中主要包括符号主义(Symbolism)、联结主义(Connectionism)和行为主义(Behaviorism)。,符号主义认为智能产生于大脑抽象思维的过程中,以物理符号系统假设为根底,通过对具有物理模式的符号实体的建立、修改、复制和删除等操作生成其他符号构造,从而实现智能行为。,联结主义认为智能产生于大脑神经元之间的相互作用及信息往来的过程中,因此通过对大脑神经系统构造的模拟来建立人工神经元网络,从而实现相应的智能行为.,行为主义人工智能与上述传统人工智能的最大区分在于,它摒弃了内省的思维过程,而把智能的争论建立在可观测的具体的行为活动根底上.,人工智能的两种实现方法,人工智能在计算机上实现时有2种不同的方式。一种是承受传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法一样。这种方法叫工程学方法Engineering approach，它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法Modeling approach，它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法一样或相类似。遗传算法Generic Algorithm, 简称GA和人工神经网络Artificial Neural Network,简称ANN均属后一类型。,为了得到一样智能效果，两种方式通常都可使用。承受前一种方法，需要人工具体规定程序规律，假设玩耍简洁，还是便利的。假设玩耍简单，角色数量和活动空间增加，相应的规律就会很简单按指数式增长，人工编程就特别繁琐，简洁出错。而一旦出错，就必需修改原程序，重新编译、调试，最终为用户供给一个新的版本或供给一个新补丁, 特别麻烦。承受后一种方法时，编程者要为每一角色设计一个智能系统一个模块来进展掌握，这个智能系统模块开头什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种简单状况。这种系统开头也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永久错下去，用不着公布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做具体规定，应用于简单问题，通常会比前一种方法更省力。,强人工智能,强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。,弱人工智能,弱人工智能观点认为不行能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自办法识。主流科研集中在弱人工智能上。,人工智能极限的哲学问题,人工智能不具有人的思维的社会性。,人工智能不具有人的主观能动性。,人工智能不具有主观世界。,二、人工智能进展,人工智能的传奇可以追溯到古埃及，但随着1941年以来电子计算机的进展，技术已最终可以制造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后,争论者们进展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的进展比预想的要慢，但始终在前进，从消失到现在，已经消失了很多AI程序，并且它们也影响到了其它技术的进展。80年月AI被引入了市场,并显示出有用价值。,目前，AI 技术在美国、欧洲和日本进展很快。在 AI技术领域特别活泼的 IBM 公司。已经制造了号称具有人脑的千分之一的智力力量的“ASCII White”电脑，而且正在开发的更为强大的新超级电脑“蓝色牛仔(blue jean)”，据其争论主任保罗霍恩称，估计“蓝色牛仔”的智力水平将大致与人脑相当。由于人工智能有着宽阔的进展前景，巨大的进展市场被各国和各公司所看好。多家公司在人工智能的分支争论方面保持着肯定的投入比例。,我国很长一段时间以来，机械和自动掌握专家们都把研制具有人的行为特征的类人性机器人作为奋斗目标。在 1990 年成功研制出我国第一台两足步行机器人的根底上，经过科研 10 年攻关，于2023 年 11 月，又成功研制成我国第一台类人性机器人。,人工智能进展方向,信息检索：人工智能在网络信息检索中的应用，主要表现在：如何利用计算机软硬件系统仿照、延长与扩展人类智能的理论、方法和技术，包括机器感知、机器思维、机器行为，即学问猎取、学问处理、学问利用的过程。由于网络学问信息既包括规律性的学问，如一般原理概念，也包括大量的阅历学问，这些学问不行避开地带有模糊性、随机性、不行靠性等不确定性因素，对其进展推理，需要利用人工智能的争论成果。,专家系统：一个基于规章的专家系统能够在专家的指导下，随着阅历的积存而利用自学习力量进展规章的扩大和修正，专家系统对历史记录的依靠性相对于统计方法较小。,人工智能在机器人：机器人足球系统是目前进展人工智能体系争论的热点，其即高科技和消遣性于一体的特点吸引了国内外大批学者的兴趣。决策系统主要解决机器人足球竞赛过程中机器人之间的协作和机器人运动规划问题，在机器人足球系统设计中需要将人工智能中的决策树、神经网络、遗传学的等算法综合运用，随着人工智能理论的进一步进展，将使机器人足球有长足的进展。,三、人工智能应用,专家系统,专家系统是以学问为根底的智能推理系统,与通用问题求解系统不同,专家系统强调在某一专业领域中积存大量的学问,包括实现范例以及该领域专家们所具有的阅历和规律。固然这些规律并不要求是很严谨,但它们是有启发性的。这些学问构成数据库,系统在学问库的根底上进展其特地领域的学问,使系统到达模拟专家的程度。简洁说(学问库)+(推理机)=专家系统。,专家系统大致分为三个组成局部:学问库、推理机和人机界面,具体构造主要有学问库、数据库、推理机、解释器、学问猎取(学习系统)和人机界面组成,其中学问库和推理机是核心局部。专家系统通过提取学问库中的学问,由推理机进展一系列的推理,得出结论,指导工作。,专家系统具有以下特点(1)它所解决的问题是简单而特地的问题,这些问题很难用准确的数学语言描述,也没有确定的算法去解决;(2)专家系统不同于传统的数据处理算法而是突出学问的价值,推广和应用专家学问;(3)它承受人工智能原理和技术,如符号表示、符号推理和启发搜寻等。,人工智能掌握,可用于掌握的人工智能方法主要有3种：模糊掌握、神经网络掌握、专家系统掌握。由于模糊掌握是其中最为简洁、最具实际意义的方法，因而它的应用实例最多。,人工智能掌握器的优势,不同的人工智能掌握通常用完全不同的方法去争论。但AI掌握器例如：神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于掌握策略的统一开发。这些AI函数近似器比常规的函数估量器具有更多的优势，这些优势如下：,1它们的设计不需要掌握对象的模型在很多场合，很难得到实际掌握对象的准确动态方程，实际掌握对象的模型在掌握器设计时往往有很多不确实性因素，例如：参数变化，非线性时，往往不知道。,2通过适当调整依据响应时间、下降时间、鲁棒性能等它们能提高性能。例如：模糊规律掌握器的上升时间比最优PID掌握器快1.5倍，下降时间快3.5倍，过冲更小。,3它们比古典掌握器的调整简洁。,4在没有必需专家学问时，通过响应数据也能设计它们。,5运用语言和响应信息可能设计它们。,6它们有相当好的全都性当使用一些新的未知输入数据就能得到好的估量，与驱动器的特性无关。现在没有使用人工智能的掌握算法对特定对象掌握效果特别好，但对其他掌握对象效果就不会全都性地好，因此对具体对象必需具体设计。,7它们对新数据或新信息具有很好的适应性。,8它们能解决常规方法不能解决的问题。,9它们具有很好的抗噪声干扰力量。,10它们的实现特别廉价，特殊是使用最小配置时。,11它们很简洁扩展和修改,四、人工智能在交通掌握中的应用,人工智能方法在信号处理中的应用,交通掌握中，模糊掌握一向被广泛争论；而在模糊理论的应用中，最为要的步骤之一就是建立模糊集的隶属度函数，如何客观而准确地选取隶属函数也始终是一个重要的话题。在这个问题上，人工智能扮演了重要的角色，为隶属函数的求解问题供给了很多非传统的途径。,1、神经网络,利用 BP神经网络推断隶属函数,前馈式神经网络，即BP神经网络是目前应用比较广泛的一种,神经网络模型，它可以通过梯度下降法令误差反向传播，通,过多层修正使误差趋向最小，也就是使隶属函数趋向于最精,确值。将前馈式神经网络与模糊规律结合起来形成神经模糊,推理系统是一个多层系统，每一层都有各自不同的功能。,多目标优化模型的模糊解法,多目标模糊求解首先要依据惯常步骤求出各子目标的约束最,优解，利用这些最优解将这些子目标函数模糊化之后，最终,所求出的使交集的隶属函数取最大值的解便是该模型的模糊,最优解。,2、小波分析理论,运用小波分析优化模糊推理规章,构建隶属函数时最大的问题就在于无法系统性地去查找一个准确的隶属函数。通过将小波基函数与模糊集隶属函数相结合，即可建立小波隶属函数，这种函数有助于弥补以上缺点，然而仍无法去除依据固有的推理规章进展推理所带来的问题。遗传算法是一种全局优化搜寻算法，利用它将小波函数进展优化，可以改进该函数缺乏自学习功能的弊病，完善对小波隶属函数的优化，使隶属函数的查找能够进一步准确化。,3、遗传算法,遗传算法具有良好的全局寻优力量依据遗传算法的原理，要运用此算法进展优化，首先要将问题的某些局部与基因片段相对应，依据遗传规章进展选择、穿插、变异,后，选取其中优秀的个体保存下来组成下一代的族群，从而完成优化。运用遗传算法对模糊系统的隶属函数进展优化主要是调整参数，如位置、外形等。进展优化后，往往能够到达使整个系统稳定精度提高、更加靠近隶属度的全局最优解的效果。,