自然计算
编辑自然计算,也叫自然计算,是一个被引入的术语,包括三类方法:1)那些从自然界获取灵感以开发新的问题解决技术的方法;2)那些基于使用计算机来合成自然现象的方法;以及3)那些采用自然材料(如分子)来计算的方法。构成这三个分支的主要研究领域是人工神经网络、进化算法、蜂群智能、人工免疫系统、分形几何、人工生命、DNA计算和量子计算,等等。自然计算所研究的计算范式是从各种自然现象中抽象出来的,如自我复制、大脑的运作、达尔文进化论、群体行为、免疫系统、生命形式的定义属性、细胞膜和形态发生。除了传统的电子硬件,这些计算范式可以在其他物理介质上实现,如生物大分子(DNA、RNA),或陷落离子量子计算装置。相反,人们可以将自然界中发生的过程视为信息处理。这些过程包括自组装、发育过程、基因调节网络、蛋白质-蛋白质相互作用网络、生物运输(主动运输、被动运输)网络和单细胞生物的基因组装。了解生物系统的努力还包括半合成生物体的工程,以及从信息处理的角度理解宇宙本身。事实上,人们甚至提出了信息比物质或能量更基本的观点。最近有人提出,整个宇宙是一台量子计算机,计算它自己的行为。宇宙/自然作为计算机制的问题是通过探索自然,帮助计算性的想法,以及研究自然过程作为计算(信息处理)。
自然启发的计算模型
编辑最成熟的经典自然启发的计算模型是细胞自动机、神经计算和进化计算。最近从自然过程中抽象出来的计算系统包括蜂群智能、人工免疫系统、膜计算和非晶体计算。详细的评论可以在许多书中找到。
细胞自动机
编辑细胞自动机是一个由细胞阵列组成的动态系统。空间和时间是离散的,每个单元可以处于有限的状态。细胞自动机根据先验给出的过渡规则同步更新其细胞的状态。一个细胞的下一个状态是由过渡规则计算出来的,它只取决于它的当前状态和它的邻居的状态。
神经计算
编辑神经计算是在计算机器和人类神经系统的比较中出现的研究领域。这个领域的目的是了解生物体的大脑是如何工作的,并根据人脑处理信息的原理设计有效的算法。人工神经网络是一个由人工神经元组成的网络。
一个人工神经元A配备有一个函数.一些神经元被选为输出神经元,网络函数是将n个输入值与m个被选输出神经元的输出联系起来的矢量函数。注意,不同的权重选择对相同的输入产生不同的网络函数。逆向传播是一种监督下的学习方法,通过这种方法反复调整网络中连接的权重,以使实际输出的向量与期望输出的向量之间的差异最小。基于误差反向传播的学习算法可用于为给定的网络拓扑结构和输入-输出对找到最佳权重。
进化计算
编辑进化计算是一种受达尔文进化论启发的计算范式。
内容由匿名用户提供,本内容不代表vibaike.com立场,内容投诉举报请联系vibaike.com客服。如若转载,请注明出处:https://vibaike.com/163248/