人工神经网络实现中的面向对象技术.pdfVIP

人工神经网络实现中的面向对象技术。 徐小文 张雨浓 毛宗源 (华章理工大学自动控制工程系) 摘要奉文详述丁面向对量控术在^工神经孵籍实理上的应用．作为一个兵垂的倒于，量后鲭出反向传着三层阿培模型的面 向对象语言(Jln语言)软件实现的宴爿． ， 关蝴肛糨一络多躯面向唠序设计件经元锻 取j子 也无补益。而且，传统的软件实现和仿真方法 一、引言 并不深入面向对象思想：更多的神经网络实现 或仿真程序表现为一个数学算法的串行执行， 人工神经网络就是采用物理可实现的系统 使得神经网络的动态结构(神经元的不断增添、 (如纯软件实现或软硬件实现)来模仿人脑神经 删减)的实现愈发困难，降低了人工神经网络 细胞的结构和功能的系统，也是近年来得到迅 (软件实现)的可重用性、可扩充性及易移植、 速发展的一个国际前沿研究领域。它是由很多 易维护的特点，进而阻碍了大型复杂的用于控 处理单元(人工神经元)有机地联接起来，进 制、决策和专家系统中的人工神经网络(软 行并行的工作；从原理上而言，如：BP结构的 件)功能模块(NNM)的开发。现存的人工神 人工神经网络应当是一种软硬件实现的完全并 经阿络软件实现上的难题表现为： 行处理系统；同一层的全体神经元并行的运算， ·如何软件设计和实现一个神经元模型 而后将输出结果同步送至下一层的全体神经 (进而对硬件实现有良好的启示作用)? 元，再继续由下一层神经元井行的运算。这种 ·怎样实现大量可行的神经元及其权向量 并行的集体功能就像用透镜得到图象的傅立叶 的动态增删? 变换一样，十分迅速。在误差回传并对权和阈 ·如何达到同层神经元并发处理的效果， 值进行自校正的阶段，同时为了更有效地突破 从而解决应用上的快速性和实时性? 某些局部极小点和优化系统资源，需要针对不 同的问题选取一个合适的网络结构，动态的增 二、面向对象技术的引入 删网络各层的神经元． · 从中可见，人工神经网络实现上的突出特 面向对象方法被认为是90年代计算机科 点和优点应当体现在大规模的并行处理和结构 学技术领域的导向技术之一，以类、对象、消 。 方面的动态性。 息和方法为其基本的特征，追求的是求解空间 但就目前面育，在串行处理机上进行的仿 与问题空间的直接模仿，即认为数据模型是与 真和软件实现，限制了人工神经网络潜在的并 概念模型相对应的(效据模型是概念模型在数 行性，因此即使规模较小的人工神经网络的软 据世界的抽象描述)；从认识论的观点，基于对 件仿真和实现也表现出了较差的实时性，缺乏 象比较符合人类的思维方式[1]，因此它不仅限 对其硬件实现上的指导意义；这样单线程的仿 于程序设计领域，而且已经渗透到了计算机和 真程序移植到多处理器的中、小型机上，性能 人工智能的有关分支，出现了面向对象的计算 ·本文受广东省自然辩学基垒赞助