人工神经网络历史现状及发展趋势.pdfVIP

X-r神经网络历史、 现状及发展趋势 andTrend History、Current ofANN Development (上海理工大学，上海200093) 陈寿平 (南京航空航天大学江苏南京市210016)骞森 摘要：本文综述了神经网络的历史、现状和发展趋势，筒述了神经网络研究在控制和学 习机理方面的特点，并就神经网络研究存在的问题做了重点分析。 关键词：神经网络人工智能鲁棒性 模糊控制 Abstract：This sununariⅫthe andtrend of neural paper history，currentdevelopment artificial network(ANN)．It theANN of introduces characte五sfic and briefly study on∞ntrollinglearning mechanism,and the ofNN emphaticallyanalysesquestionsstudy． words：Neural Key networkArtificial Robustnesscontrol indUlgence Fuzzy 1人工神经网络的发展历史 Neural 人工神经网络(ArtificialNetwork，简称ANN)是一门发展十分迅速的交叉学 科，它涉及到生物、计算机、数学、电子、物理、心理学、认识科学等许多学科。它的发 展可追溯到上一个世纪。 1890年，W．James出版《生理学》一书，首次阐明了有关人脑结构功能及相关学习 联想记忆的规则。到了上世纪加年代，人们总结19世纪末期Helmotz的工作，再次试图将 物物理学和数学的有关结果，提出了神经元突触模型中最原始最基本的模型—MP模型， 这是自W．James以来第一个采用集体并行计算结构来描述人工神经网络及网络工作，并 证明了MP模型可完成任意有限的逻辑运算。1949年，Hebb通过对大脑神经细胞的人类 学习行为和条件反射的观察和研究，发表了《行为自组织》一书。提出了神经元学习的一 般规贝I—Hebbin算法，指出当两个神经元同时兴奋时，连接权值强度增加，这一思想至今 仍为许多算法所采用，并在最近的生理解剖学中得到了证实。50年代以来，以符号机制 (Symbohsm)为代表的经典人工智能(Artificial 定理，建立了第一个真正的人工神经网络模型，之后Rosenblatt又提出了带有隐层的三层 这种网络用硬件实现，主要用于自适应系统，后来在此基础上发展了非线性多局自适应虚 网络。 分析rRosenbatt的单层感知器，以一个异或运算的例子批评了人工神经网络，智能系统如 何从环境中自主学习的问题事实上并未很好解决，使人工神经网络的发展走人了低谷。 80年代中期人们开始深入地探索知识发现的内在逻辑，结果发现，归纳逻辑，尤其是 不完全归纳逻辑是通往知识发现的合理途径。从数理逻辑的角度讲，以演绎逻辑为基础的 算法体系可以发现新的定理，却无法发现新的定律。换句话说，基于符号推理的经典人工 智能形式体系在机器定理证明方面的成功和在规则提取方面的失败同属必然。Rumelhart、 Error，BP)能够有效地解决多层网络中隐节点的学习问题，证明MillsIcy对多层网络可能 不存在有效的学习方法的断言并不正确。人工神经网络的研究在一定程度上正面回答了智 能系统如何从环境中自主学习的问题，而遗传算法的新一代支持者则希望揭示学习过程在 ＆Paper认为不能实现的多层网络的