人工神经网络基本理论读nshi..docVIP

2人工神经网络基本理论 人工神经网络(artificial neural networks, ANN)，或简称神经网络，是人们在模仿人脑处理问题的过程中发展起来的一种新型智能信息处理理论，它通过大量的被称为神经元的简单处理单元构成非线性系统，对人脑的形象思维、联想记忆等进行模拟和抽象，实现与人脑相似的学习、识别、记忆等信息处理能力。神经网络在经历了60多年的曲折发展之后，在许多领域已显示出巨大的潜力和广阔的应用前景回。 2. 1人工神经网络研究的发展简史 人工神经网络的研究始于20世纪40年代。半个多世纪以来，它经历了一条由兴起到衰退、又由衰退到兴盛的曲折发展过程tz4}0 1943年美国心理学家W. S. MeCulloch和数学家W. Pitts合作，用逻辑的数学工具研究客观事件在形式神经网络中的表述，从此开创了对神经网络的理论研究。他们在分析、总结神经元基本特性的基础上，首先提出了神经元的数学模型，简称为MP模型。神经元模型的出现开创了人工神经网络研究的先河，并为以后的研究提供了依据。 1949年心理学家D. 0. Hebb提出了一种调整神经网络连接权值的规则。他认为，学习过程是在神经元的突触上发生的，连接权值的调整正比于两个相连神经元活动状态的乘积，这就是著名的Hebb学习算法。直到现在，Hebb学习算法仍然是神经网络中一个极为重要的学习算法