神经网络历史发展及应用综述个人整理.docVIP

人工神经网络历史发展及应用综述 1、引言 人类为了生存在改造探索自然的过程中，学会利用机械拓展自身的体力，随着对自然认识的不断深入，创造语言，符号，算盘、计算工具等来强化自身脑力。复杂的计算是人脑来的，计算机比人脑更、更准计算机出现，人类开始真正有了一个可以模拟人类思维的工具多少年以来，人们从生物学、医学、生理学、哲学、信息学、计算机科学、认知学、组织协同学等各个角度。在寻找上述问题答案的研究过程中，逐渐形成了一个新兴的交叉学科，称之为“神经网络”。神经网络的研究涉及这些领域结合、渗透相互推动研究。学普遍认为，人类大脑的思维三种基本方式分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维。逻辑性的思维是根据逻辑规则进行推理的过程这一过程可以写成指令，让计算机执行。而直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的以下两点信息通过神经元上的兴奋模式分布储在网络上信息处理通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟第二种人思维方式。人工神经网络人脑的若干基本特，但并非的，只是某种模仿、简化和抽象。依靠网络系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。算法数学模型Hecht—Nielsen于1988 按照Rumellhart，McClelland，Hinton的PDP （Parallel Distributed Processing）理论 1）信息的分布表示 2）运算的全局并行与局部操作 3）处理的非线性特征 对大脑基本特征的模拟： 1）形式上：神经元及其联接；BN对AN 2）表现特征：信息的存储与处理 人工神经网络最开始实际上是没有任何规则，根据学习规则把预先准备的输入与输出相互对应的数据进行分析，了解所给数据蕴含的基本规则，这过程也就是所谓的“学习”和“适应”， 经过训练（反复地学习）后掌握所给数据的规则，依据规则用新输入的数据快捷地推算出所需的结果。 3、特征 人工神经网络是通过模仿人脑神经系统的组织结构和部分活动机理进行信息处理的新型网络系统。可见人工神经网络的性能是由本身的结构特征和人工神经元的特性所决定的,同时也与其学习算法相关。下面从网络结构、性能、能力和实现方式四个方面阐述神经网络的基本特征。 3.1网络结构特征：并行处理、分布存储、神经元联接，结构可塑。 一个神经网络通常由多个神经元广泛接而成神经网络的拓朴结构是神经细胞的互连方式。神经元是一个信息处理单元，而且，它对信息的处理是非线性的。把神经元抽象为一个简单的数学模型。(1) 非线性映射逼近能力。作为模拟人脑的人工神经网络，人工神经元的互联与并行处理使神经网络呈现明显的非线性特征。理论已证明，任意的连续非线性函数映射关系可由某一多层神经网络以任意精度加以逼近。单元简单、结构有序的神经网络模型显然是非线性系统建模的有效框架模型。 (2) 强大的容错能力。存储的分布使神经网络具备了一种特殊的功能---容错能力。一是在少量人工神经元被破坏的情况下，仍可保证信息被存取，保证网络系统在一定程度损伤的情况下整体性能不受影响。二是输入信息出现模糊、残缺或变形时，神经网络仍然能够对不完整的信息输入进行正确识别。如果人工神经元具有阈值网络具有更好的性能，可以提高容错性和存储容量。(3)计算的模糊性。人工神经网络特有的信息处理方式，对连续模拟信号以及不精确的、不完整的模糊信息的运算处理是不精确的。人工神经网络在被训练后，对输入信息的微小变化是不反应的。凡事都有其两面性，在高精度计算的情况下，这种不精确性是一个缺陷，但某些场合却可以利用这所谓的缺陷获取良好的系统性能。例如模式识别时可将这不精确性表现成“去噪音、容残缺”的能力，对实现良好地识别效果至关重要。需要注意的是，人工神经网络的这种特性不是通过隐含在专门设计的计算机程序中的人类的智能肺炎实现的，而是其自身的结构所固有的特性所给定的。 3.3能力特征：并行分布优化、非常定性、联想存储 (1) 对信息的并行分布式综合优化处理能力。人工神经网络的大规模互联网络结构,使其能兼容定性和定量信息,高速地并行实现全局性的实时信息处理,并协调多种输入信息之间的关系,其速度远高于串行结构的冯?诺依曼计算机。神经网络的工作状态是以动态系统方程式描述的，将优化约束信息（与目标函数有关）存储于神经网络的连接权矩阵之中，设置一组随机数据作为起始条件，当系统状态趋于稳定时，神经网络方程的解作为优化结果输出。这种优化计算能力在自适应控制设计中是十分有用的。 (2)非常定性。人工神经网络具有自适应、、自学习能力。神经网络不但处理的信息可以有各种变化，而且非线性本身也在