神经网络理论与其在运动生物力学研究中的应用.pdfVIP

神经网络理论及其在运动生物力学研究中的应用 严波涛 (西安体育学院 西安 710068) 1神经网络理论简介 神经网络是新兴的信息处理理论。较为准确的说法是从美国加州工学院物理学家霍普菲尔德 和应用研究进入高潮。在短短的20年中，神经网络已经成为信息处理的主要理论和方法之一，是当今人 工智能，模式识别，预测，信号处理，控制，模拟，仿真，计算等的主要手段。也是当前科学技术界重点 研究和发展的领域之一。 neural 神经网络是人工神经网络(Artificial 的基本处理单元构成(图1)，而基于人工神经网络所完成的信息处理就称为神经计算。在图1中，圆圈表 示处理单元，它也被模拟的称为神经元。这是一种带闽值的非线性运算单元，是对大脑神经细胞的兴奋、 抑制非线性关系的模拟。大量的神经元排列成层，层与层之间的连接既是处理单元的输入和输出通道，又 是对人类神经元的树突和突触的模拟(圆圈面模拟树突，连线表示轴突)。 权重修正 Xl 信号 X2 X3 输入层 中间层输出层 (隐层) 图1简单前向神经网络示意 网络对信息的处理分为两个阶段：在第一阶段，网络响应输入信号，改变神经元之间的连接权重，这 一过程称之为‘学习’或‘训练’；第二个过程是网络‘回忆’，对应输入信号相应有一个输出信号。鲁梅 型(并行分布式处理)。应用神经网络思想，建立解决具体问题的神经网络模型的方法就是神经网络技术。 网络模型之问的差异主要体现在神经元的激活函数、神经元和网络层次的数目、连接分布方式、修改连接 模式的学习规则以及系统运行环境等8个方面。 由此可见，神经网络与传统的信息处理方法和技术的主要区别是：它是从神经生理学和认知科学研究 成果出发，应用数学方法(和／或构造计算机硬件)模拟产生一种并行分布式的、非程序化的、适应性的类 似于大脑风格的信息处理技术。神经网络的信息处理是并行的，信息的表达是分布的，知识被各个单元之 间的连接所编码，以便在一定的条件下产生正确的激活模式。处理本身就在使用知识，而学习知识也在处 理中完成。它与人类大脑无论从结构上，或学习和运用知识解决问题的功能上有相当类似的特征。抛开具 体应用问题的性质，纯粹从数学角度看待信息的处理，神经网络与一般的传统数据处理和分析手段相比较， 在以下方面有其独到的优势： (1)模糊的数据： (2)需要决定的模式特征不明确： (3)数据本身非线性： (4)随机数据或数据中含有较多的噪声。 任何能够用传统的模型分析或统计方法解决的问题，一般来说用神经网络能处理的更好(张际先等， 1996)。 2人体运动系统的特性以及采用ANN理论和方法解决运动生物力学问题的可行性 任何人体运动都具有目的性，从时间来看，运动是一个过程，前一阶段的运动效果构成下一个运动阶 段的运动条件。运动要素像链环一样互相嵌接，最后形成总的运动效果。从因果关系来看，运动成绩(即 运动效果)是由一些直接影响因素决定的，而直接影响因素又是由下一层次的间接影响因素决定的。按这 种关系下推，在某一层次水平上，我们就可以获得一个基本影响因素集合。成绩和基本因素集之间就形成 了一种层次映射关系。运动分析和研究的的目的就是建立这种映射关系，发现运动规律。 人体运动具有复杂性和整体性特征。伯恩斯坦指出：“运动并非是由细节编织的环链，它是由结构组 成的，结构引起了细节上的差异”(伯恩斯坦，1967)。运动肢体间的动作组台(结构的表现)形成了运动 效果，但我们还没有找到一种精确的语言描述这一确定的关系。这就好像EMG与关节力矩的关系一样。 人体运动系统的复杂性表现在不同层次上和诸多方面(伯恩斯坦，1967；弗洛伊德，1930；皮亚杰， et 及复杂的关节结构就是一个令认生畏的机械系统，即就是假设了肌肉的工作特性，从力学角度要对这个系 统做出准确的几何和运动分析也是不可能的。 人体是一个多自由度运动系统，无论是生物还是非生物，多自由度系统能够在环境变化时，以一种与 环境变化协调的状态从一种稳定行为模式转换到另一种稳定行为模式。这种系统在现代物理学中又称之为