数据挖掘结课论文人工神经网络.docxVIP

1[2] 1 [2] 数据挖掘技术 ——人工神经网络 （） 摘　要　人工神经网络是数据挖掘常用技术之一，它通过对人脑或自然神经网络若干基本 特性的抽象和模拟，使数学模型拥有大脑的某些机理与机制，从而实现某些功能。本文主 要介绍了人工神经网络的发展、基本特征、工作原理、未来研究方向等。 关键词：数据挖掘; 人工神经网络; 网络模型; 学习规则; 人工智能　 Surveying DataMining: Artificial Neural Networks Abstract: Artificial neural network is one of the technologies commonly used in data mining, it is the human brain, or through some basic properties of natural neural networks and simulation of abstraction, so that the brain has a certain mathematical model of the mechanism and the mechanism to achieve certain functionality. This paper describes the development of artificial neural network, the basic features, working principle, future research directions. Key word: DataMining; Artificial Neural Networks; Network model; regulation; Artificial Intelligence 引言 人类具有高度发达的大脑，大脑是思维活动的物质基础，人脑的机构，机制与功能中 凝聚着无比的奥秘与智慧。而人工神经网络（ArtificialNeuralNetworks，简写为 ANNs） 也简称为神经网络（NNs）或称作连接模型（ConnectionistModel），就是一种模仿人类神 经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程 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。人工神经网 络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分 析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种 学习分析的过程被称为“训练”。 人工神经网络近来越来越受到人们的关注，因为它为解决大复杂度问题提供了一种相 对来说比较有效的简单方法。它广泛应用于工业、农业、医疗等方面，可以很容易的解决 具有上百个参数的问题。目前，人 工 神 经 网络 虽 然 已取 得了 许 多应 用， 但仍 有些 问题 值 得 进一 步研 究 尤 其 是 在实 际应 用方 面。 随 着研 究的 不断 深 入， 人工 神 经 网络 必将 得 到 不 断的 完善 ，并 取得 更好 的应 用效 果。 1.人工神经网络的概念和基本特征  [1] 1.1 基本概念：人工神经网络（ArtificialNeuralNetworks，简写为 ANNs）也简称为神经 网络（NNs）或称作连接模型（ConnectionistModel）就是以数学和物理方法以及信息处理 的角度对人脑神经网络进行抽象，并建立某种简化模型。 1.2 基本特征 ：（1）非线性 非 线 性关系是自然界的普遍特性。大脑的智慧就是一种 非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种 非线性 关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。 　　（2）非局限性 一个 神 经 网 络通常由多个神经元广泛连接而成。一个系统的整体行为 不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。 1 作者简介： 通过单元之间的大量连接模拟大脑的非局限性。联想 记 忆是非局限性的典型例子。 　　（3）非常定性 人工神经网络具有自适应、 自 组 织、自学习能力。神经网络不但处理 的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。经 常采用迭代过程描写动力系统的演化过程。 　　（4）非凸性 一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例 如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故 系统具有多个较稳定的平衡态，这将导致系统演化的多样性。 2.人工神经网络产生背景和发展历史  [3] 2