第8章神经网络精要.ppt

6.7 人工神经网络的应用开发设计 6.7.1 人工神经网络应用的可行性 人工神经网络技术与人工智能方法 在某些情况下，传统的人工智能方法或基于规则的方法可能更有效。当处理相对简单或是一个封闭的系统时，人工智能方法比较合适，因为在这种系统中，问题的特征和规律都是可理解的，并可以用逻辑或数学式精确描述。 对处理较复杂的问题或开放的系统，人工神经网络技术显得更为优越，因为在这种系统中，内部规律不甚了解，也不能用一组规则或方程进行描述，尤其是对于要求容错的任务，如图形的检测和识别、特征提取、预测和推论等，人工神经网络往往是最合适的处理手段。 6.7 人工神经网络的应用开发设计 6.7.2 人工神经网络应用的特点 对于给定的实际问题，要确定是否用人工神经网络技术解决，还要看其应用特点。 一些成功的人工神经网络应用，都有一些共同的特点： 该应用涉及一批密集的数据，而这些数据又依赖于多个相关的参数； 在该应用所涉及的范围内，已积累或收集了大量历史性数据和样本； 在该应用中提供的数据组是不完善的、有误差的，但它们却描述了确定的样本。 6.7 人工神经网络的应用开发设计 6.7.2 人工神经网络应用的特点 一般来说，比较适合人工神经网络的应用大多数都涉及图形识别或统计变换，例如： 字符识别 物体检测 信息预测 过程监控 信号处理 机器人控制 … 6.7 人工神经网络的应用开发设计 6.7.2 人工