人工神经网络|人工智能被定义为“一个科学和工程领域，涉及对通常称为智能行为的计算理解流行

文章图片

文章图片

文章图片

人工智能被定义为“一个科学和工程领域，涉及对通常称为智能行为的计算理解，以及表现出这种行为的人工制品的创造” 。亚里士多德试图将“正确思维”形式化通过他的三段论。现代的许多工作都受此启发，早期对思维运作的研究有助于建立当代逻辑思维。使计算机能够以某种方式运行，使人看起来很聪明的程序被称为人工智能系统。英国数学家艾伦·图灵是现代计算机科学和人工智能的奠基人之一。
【人工神经网络|人工智能被定义为“一个科学和工程领域，涉及对通常称为智能行为的计算理解】

他将计算机中的智能行为定义为在认知任务中达到人类水平表现的能力，这后来成为流行的“图灵测试” 。自上世纪中叶以来，研究人员一直在探索智能技术在认知任务中的潜在应用。人工智能技术在外科领域的应用最早由冈恩于 1976 年进行了首次研究，当时他探索了通过计算机分析诊断急性腹痛的可能性。过去二十年出现了激增对医疗人工智能感兴趣。
现代医学面临着获取、分析和应用

解决复杂临床问题所必需的大量知识的挑战。医学人工智能的发展与旨在帮助临床医生制定诊断、制定治疗决策和预测结果的人工智能程序的开发有关。它们旨在支持医护人员的日常工作，协助完成依赖数据和知识操作的任务。此类系统包括人工神经网络、模糊专家系统、进化计算和混合智能系统。
从过去二十年的出版量来看，人工神经网络是医学领域最流行的人工智能技术。人工神经网络是受生物神经系统启发的计算分析工具。它们由高度互连的计算机处理器网络组成，称为“神经元” ，能够为数据处理和知识表示执行并行计算。他们从历史示例中学习、分析非线性数据、处理不精确信息以及将模型应用于独立数据的能力使其成为医学领域非常有吸引力的分析工具。

麦卡洛克和皮茨使用简单的二元阈值函数发明了第一个人工神经元。下一个重要里程碑是心理学家弗兰克·罗森布拉特在 1958 年开发了感知器作为实用模型。已经提出了许多基本感知器网络的变体，但最流行的模型是多层前馈感知器。这些网络由神经元层组成，通常是一个输入层、一个或多个中间层或隐藏层和一个输出层，每个层都与其他层完全连接。神经元由链接连接，每个链接都有一个与之相关的数字权重。神经网络通过重复调整这些权重来“学习” 。人工神经网络的重要特征之一是它们可以从训练环境中的经验中学习。由于缺乏合适的学习算法，多层前馈感知器的使用受到限制，直到保罗·韦伯斯博士生介绍了“反向传播”学习。其他一些流行的网络设计包括霍普菲尔德网络、径向基函数和组织特征图。人工神经网络已经在现实世界中得到了广泛的应用。它们准确分类和识别模式的能力吸引了研究人员将它们应用于解决许多临床问题。当我们意识到许多临床情况下的诊断、治疗和预测结果取决于许多临床、生物学和病理变量的复杂相互作用时，越来越需要像人工神经网络这样可以利用这些变量之间复杂关系的分析工具。

人工神经网络|人工智能 被定义为“一个科学和工程领域，涉及对通常称为智能行为的计算理解

人工神经网络|人工智能被定义为“一个科学和工程领域，涉及对通常称为智能行为的计算理解