人工神经网络及其应用.docxVIP

研究生课程考试答题纸 研究生学院 考核类型：A ()闭卷考试(80%) +平时成绩(20%)； B ()闭卷考试(50%) +课程论文(50%)； C ( 7 )课程论文或课程设计(70%) +平时成绩(30%)。 学号： 姓名： 班级： 题号 —* 二 三 四 五 亠 八 七 八 九 十 合计 满分 40 30 30 100 得分 一、撰写“人工神经网络及其应用论文(40分) 要求： 1、 人工神经网络的发展前景； 2、 人工神经网络的种类及应用领域； 3、 结合自己的专业和课题方向论述人工神经网络在该领域中的应用; 4、 结合实例做仿真研究。 二、课程设计——编写程序(30分) 根据所学人工神经网络学习训练算法，编制人工神经网络训练算法程序，训练非线性函数 模拟。 三、平时成绩(30分) 人工神经网络及其应用 摘要：人工神经网络技术是人工智能的重要分支，具有自适应、自组织、自学习的特点。在近 二十年中发展中取得了大量成果，本文详细介绍了神经网络的发展前景，人工神经网络的种类 和应用领域，在信号去噪领域的应用并结合实例做了仿真研究。 关键词：神经网络 发展前景 信号去噪 应用 1、人工神经网络的发展前景 人工神经网络(Artificial Neural Networks, NN)是由大量的、简单的处理单元(称为 神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个 高度复杂的非线性动力学系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适 应和自学习能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问 题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、 控制论、机器人学、微电子学、心理学、微电子学、心理学、光计算、分子生物学等有关，是 一门新兴的边缘交叉学科。 人工神经网络的整个发展过程，大致可以分为4个阶段：形成时期，低谷时期，复兴时期, 发展时期。 形成时期 1943年，生理学家McCulloch和数学家Pitts发表文章，提出了笫一个神经元模型(M-P模 型)，他们的努力奠定了网络模型和以后神经网络开发的基础，开启了人们对人工神经网络的 研究。1951年，心理学家Donala 0. Hebb提出了连接权值强化的Hebb法则：在神经网络中， 信息存储在连接权中，神经元Z间突触的联系强度是可变的，这种变化建立起神经元Z间的连 接。Hebb法则为构造有学习功能的神经网络模型奠定了基础。1954年，生物学家Eccles提岀 了真实突触的分流模型，这一模型通过突触的电牛理实验得到证实，因而为神经网络模拟突触 的功能提供了原型和生理学的证据。1956年，Uttley发明了一种由处理单元组成的推理机，用 于模拟行为及条件反射。70年代屮期，他把该推理机用于自适应模式识别，并认为该模型能反 映实际神经系统的工作原理。I960年,Widrow和Hoff提出了自适应线性元件Adalino网络模型, 这是一种连续取值的自适应线性神经元网络模型，他们对分段线性网络的训练有一定作用，此 方法速度较快且具有较高的精度。 低谷时期 在第一次神经网络研究热潮屮，人们忽视了其本身的局限性。1969年Minskyh和Papert经 过多年的研究，提出了对当前成果的质疑，指出当前的网络只能应用于简单的线性问题，却不 能有效地应用于多层网络，由此开始了神经网络的低谷期。1972年，芬兰的Kohonen教授，提 出了自组织映射(SOM)理论；同时美国的神经牛?理学家和心理学家Anderson,提出了一个与之 类似的神经网络，称为“交互存储器”。现在的神经网络主要是根据Kohonen的工作來实现的。 1980年福岛邦彦发表的“新认知机”(Neocognitron)是视觉模式识别机制模型，它与生物视 觉理论结合，综合出一种神经网络模型，使它像人类一样具有一定模式识别能力。在低谷时期, 许多重要研究成果都为日后神经网络理论研究打下了坚实的基础。 复兴时期 1982年,美国物理学家Hopfield博士捉出了Hopfield模型理论，他证明了在一定条件下, 网络可以达到稳定的状态。在他的影响下，大量学者又重新开始了对神经网络的研允。1986年, 由美国的Rumelhart 和McCkekkand 提出了PDP (Parallel Distributed Processing)网络思想, 再一次推动了神经网络的发展。20世纪90年代中后期，神经网络研究步入了一个新的时期， 在已有理论不断深化的同吋，新的理论和方法也不断涌现。1995年，Jenkins等人开始研究光 学神经网络(PNN),建立了光学二维并行互连与电子学混合的光学神经网络系统。经过多年的 发展，目前已有上百种的神经网