神经网络的研究热点分析..docxVIP

神经网络的研究热点剖析 神经网络的研究热点剖析 类别：通信网络 摘 要：首先介绍了神经网络的发展、优点及其应用，然后对 神经网络当前的几个研究热点进行了剖析，即神经网络与小波剖析、混沌、粗集理 论、分形 理论的交融及其应用领域和存在的问题。剖析结果表示这些交融方法 具有很好的发展前景。 0 引言 神经网络最早的研究是 40 年代心理学 家 Mcculloch 和数学家 Pitts 合作提出的 ，他 们提出的 MP模型拉开了神经网络研究的序幕。神经网络的发展大概经过 3 个阶段： 1947～196 9 年为初期，在这期间科学家们提出了很多神经元模型和学习规则，如 MP模型、 HEBB学习 规 则和感知器等； 1970～1986 年为过渡期，这期间神经网络研究经过了一个 低潮，持续发展 。在此期间，科学家们做了大量的工作，如 Hopfield 教授对 网络引入能量函数的观点，给出 了网络的稳定性判据，提出了用于联想记忆和 优化计算的途径。 1984 年， Hiton 教授提出 Bol tzman 机模型； 1986 年 Kumelhart 等人提出误差反向流传神经网络，简称 BP网络。当前， BP网 络已 成为宽泛使用的网络。 1987 年至今为发展期，在此期间，神经网络受到国际重 视，各个 国家都展开研究，形成神经网络发展的另一个热潮［ 1］。 人工神经元网络是生物神经网络的一种模拟和近似，它从结构、实现机理和功能上 模拟生物 神经网络。从系统观点看，人工神经元网络是由大量神经元通过极其 丰富和完善的连结而构 成的自适应非线性动向系统。 神经网络具有以下优点： (1) 具有很强的鲁棒性和容错性，这是因为信息是散布存贮于网络 内的神 经元中； (2) 并行办理方法，人工神经元网络在结构上是并行的，而且网络的各个单 元能够同时进行近似的办理过程，使得计算快速； (3) 自学习、自组织、自适应性，神经元 之间的连结多种多样，各元之间联接强度具有一定可塑性， 使得神经网络能够办理不确定或 不知道的系统； (4) 能够充足逼近随意复杂的 非线性关系； (5) 具有很强的信息综合能力，能 同时办理定量和定性的信息， 能很好的协调多种输入信息关系，适用于办理复杂非线性和不 确定对象。 神经网络以其独特的结构和办理信息的方法，在很多实际应用领域中取得了显 著的收效，主 要 应用如下： (1) 自动控制领域； (2) 办理组合优化问题； (3) 模 式辨别； (4) 图像办理； (5) 传 感器信号办理； (6) 机器人控制； (7) 信号办理； 卫生保健、医疗； (9) 经济； (10) 化工领 域； (11) 焊接领域； (12) 地理领 域； (13) 数据挖掘、电力系统、交通、军事、矿业、农业和 气象等领域。 1 神经网络研究热点 神经网络在好多领域已得到了很好的应用，但其需要研 究的方面还好多。其 中，具有散布存储、并行办理、自学习、自组织以及非线 性映射等优点的神经网络与其他 技术的结合以及由此而来的混杂方法和混杂系 统，已经成为一大研究热点。 由于其他方法也有它们各自的优点，所以将 神经网络与其他方法相结合，取长补短，既而可 以获得更好的应用效果。当前 这方面工作有神经网络与模糊逻辑［ 1～5］、专家系 统［ 6～ 9］、遗传算法［ 10、11］、小波剖析、混沌、粗集理论、分形理 论、凭证理论［ 25～ 27］和 灰色系统［ 28～ 33］等的交融。文中主要就神经网 络与小波剖析、混沌、粗集理论、分形理论的交融进行剖析。 1.1 神经网络与小波剖析的结合 1981 年，法国地质学家 Morlet 在寻求地质数据时，通过对 Fourier 变换与加窗 Fouri er 变换的异同、特点及函数结构进行创造性的研究，首次提出了“小波剖析”的观点，成立 了以他的名字命名的 Morlet 小波。 1986 年以出处于YMeyer、 S Mallat 及 IDaubechies 等 的奠定工作，小波剖析快速发展成为一门新兴学科。 Meyer 所著的“小波与算子”， Daubech ies 所著的“小波十 讲”是小波研究领域最权威的著作。 小波变换是对 Fourier 剖析方法的打破。它不只在时域和频域同时具有优秀的局部化性 质，而且对低频信号在频域和对高频信号在时域里都有很好的分辨率，进而能够聚集到对象 的 随意细 节。小波剖析相当于一个数学显微镜，具有放大、缩小和平移功能，通过检查不同放 大倍数下的变化来研究信号的动向特性。因此，小波剖析已成为地球物 理、信号办理、图像 办理、理论物理等诸多领域的强有力工具。 小波神经网络将小波变换优秀的时频局域化特性和神经网络的自学习功能相结合，因而 具有 较强的逼近能力和容错能力。在结合方法上