非主流神经网络综述_王燕.pdfVIP

42 福 建 电 脑脑福建 2011 年第 8 期 非主流神经网络综述 王 燕 （ 南京晓庄学院数学与信息技术学院 江苏 南京 211171 ） 【摘 要】： 神经网络是一个相当广阔而又发展很快的领域。 本文首先简单的回顾了神经网络的主要 发展历史，接下来阐述了目前一些非主流神经网络并分析了其优缺点和应用场景。 希望这些网络能使广大 科研工作者对这个领域的广度有所了解，并为继续研究神经网络提供一个起点。 【关键词】： 神经网络；优缺点；应用场景 1. 发展历史 上述新进展对神经网络研究领域重新注入了活 神经网络领域研究的背景工作始于 19 世纪末和 力。 在 20 世纪 90 年代，人们发表了成千上万篇论文， 20 世纪初。 它源于物理学、心理学和神经生理学的跨 神经网络也有了很多应用。 目前常见的神经网络如下。 学科研究， 主要代表人物有 Herman Von Helmholts， 前馈网络有：感知机、线性联想器、自适应神经元、反传 Ernst Mach 和 Ivan Pavlov。 网络；竞争网络有：Hamming 网络、自组织特征图、学习 现代神经网络的研究可以追溯到 20 世纪 40 年代 向量量化器、Grosssberg 网络、ART 网络； 动态联想存 Warren McCullloch 和 Walter Pitts 的工作。 他们从原理 储器网络有：Hopfield 网络。 和其它模式识别方法一 上证明了人工神经网络可以计算任何算术和逻辑函 样， 每一种神经网络都有自己的优缺点和一定的应用 数。 通常认为他们的工作是神经网络领域研究工作 范围，上述常见的神经网络也不例外。 的开始。 下面对一些非主流神经网络进行阐述， 这些非主 人工神经网络第一个实际应用出现在 20 世纪 50 流神经网络可能能解决您所面临的一些使用常见神经 年代后期，Frank Rosenblatt 提出了感知机网络和联想 网络不能解决的问题， 同时希望通过这些网络能使您 学习规则。 Rosenblatt 和他的同事构造了一个感知机网 对这领域的广度有所了解， 并为您继续深入研究网络 络，并公开演示了他进行模式识别的能力。 这次早期的 提供一个起点。 成功引起了许多人对神经网络研究的兴趣。 不幸的是， 2．神经网络介绍 后来研究表明基本的感知机网络只能解决有限的几类 2.1 前馈和联想网络 问题。 2.1.1．径向基网络[1] 同时，Bernard Windrow 和 Ted Hoff 引入了一个新 径向基(RBF)网络由两层组成。