神经网络的一般性简介和局部搜索训练算法.pptVIP

神经网络的一般性介绍及局部搜索训练算法 报告人 谭松波 时间 2004-3-18 主要内容 人工神经网络的发展过程 人工神经网络的基本原理 前馈式神经网络模型及经典算法 局部搜索训练算法 人工神经网络是目前国际上信息领域中迅速发展的前沿研究方向之一，具有广泛的应用前景。对它的研究已取得了很多丰硕的成果。神经网络系统是由大量简单的处理单元（即神经元）广泛连接而成的复杂网络系统。它反映了人脑功能的许多基本特性，但它并不完全是人脑神经网络系统的真实写照，而只是对其作某种简化、抽象和模拟。 神经网络的发展历史 神经网络的研究已有50多年的历史，它的发展道路是曲折的，几经兴衰，目前已在许多领域得到了成功的应用。 人工神经网络的研究始于本世纪40年代。1943年，心理学家McCulloch和数学家Pitts合作，融合了生物物理学和数学，提出了第一个神经元计算模型—MP模型。这种单个神经元模型功能较弱，但连接而成的网络记忆能力巨大。这种巨大的记忆能力存储在网络中足够多的神经元之间丰富的连接强度上。 MP模型虽然简单，但它开创了神经网络模型的理论研究，为各种神经元模型及网络模型的研究打下了基础。 1949年心理学家Hebb提出神经元之间突触联系强度可变的假设。他认为学习过程是在突触上发生的，突触的联系强度随其前后神经元的活动而变化。