神经网络作业.docVIP

1.神经网络的发展与展望 经过近半个世纪的发展。神经网络理论在模式识别自动控制信号处理辅助决策人工智能等众多研究领域取得了广泛的成功，关于学习联想和记忆等具有智能特点过程的机理及其模拟方面的研究正受到越来越多的重视，目前神经网络研究与发展主要集中在以下5个方面. 1. 神经生理学 神经解剖学研究的发展通过神经网络研究的发展。人们对人脑一些局部功能的认识已经有所提高。如对感知器的研究，对视觉处理网络的研究。对存储与记忆问题的研究等都取得一定的成功。遗憾的是这些成功一方面还远不够完善。另一方面。在对人脑作为一个整体的功能的解释上几乎起不到任何作用。科学家已经积累了大量关于大脑组成大脑外形、大脑运转基本要素等知识，但仍无法解答有关大脑信息处理的一些实质问题。 整体功能决不是局部功能的简单组合，而是一个巨大的质的飞跃。人脑的知觉和认知等过程是包含着一个复杂的动态系统中对大量神经元活动进行整合的统一性行动。由于人们对人脑完整工作过程几乎没有什么认识。连一个稍微完善的可令人接受的假设也没有。这造成神经网络研究始终缺乏一个明确的大方向这方面如果不能有所突破。神经网络研究将始终限于模仿人脑局部功能的缓慢摸索过程当中。而难以达到研究水平的质的飞跃。 2. 与之相关的数学领域的研究与发展 神经元以电为主的生物过程在认识上一般采用非线性动力学模型。其动力学演变过程往往是非常复杂的。神经网络这种强的生物学特征和数学性质。要求有更好的数学手段而对解决非线性微分方程这样的问题。稍微复杂一些的便没有办法利用数学方法求得完整的解这使得在分析诸如一般神经网络的自激振荡稳定性混沌等问题时常常显得力不从心。更不用说。当我们面对人脑这样的由成千上万个神经元网络子系统组成的巨系统。而每个子系统具有某种特定功能，又可能由成千上万个神经元组成。每个神经元本身是一个基本的非线性环节。 因此，笔者认为当今神经网络理论的发展已经客观要求有关数学领域必须有所发展。并大胆预期一种更简洁、更完善和更有效的非线性系统表达与分析的数学方法是这一领域数学发展的主要目标之一。 3. 神经网络应用的研究与发展 从神经网络发展过程看，理论研究经常走在前列。有时会超出实际使用阶段。虽然说理论研究和实际应用可以相辅相成。但实际需求总是科技发展的主要推动力。目前，在神经网络实用上，虽然有不少实际应用成果报道。如智能控制、模式识别及机器人控制等，但真正成熟的应用还比较少见。在这方面，作者重点研究了神经网络在故障诊断领域的应用。如将神经网络与信息融合技术相结合，构造出一神经网络信息融合分类器，并将其应用于电子设备故障断之中。取得了比较好的应用效果。 4.神经网络硬件的研究与发展 要真正实现神经网络计算机则神经网络芯片设计与生产技术必须有实质性的进展。目前，在单片上集成数百个神经元的制作技术已经没有困难。但这种水平与神经网络实际应用的要求尚有较大距离。神经网络硬件设计和理论研究相比要落后很多。因此这也是神经网络研究发展的重要方向之一。在这方面，光学技术是实现神经网络及神经计算机的一个比较理想的选择。因为光学技术具有非常好的固有特性。主要体现在(高驱动性较高的通信带宽以光速并行传递信息等。虽然光学神经计算机实现技术目前还不成熟，其商品化大规模实现还有待时日，但一些光学神经元器件，光电神经计算机研究已表现出广阔的发展和应用潜力， 并引起相应领域的充分关注。 5.新型神经网络模型的研究 为了推动神经网络理论的发展，除了期待神经生理学等研究突破外!将神经网络与其他理论交叉结合。研究新型神经网络模型!也是神经网络研究发展方向之一。如将之与混沌理论相结合产生的混沌神经网络理论。再如将量子力学与神经网络的结合研究量子神经网络，实现功能强大的量子神经计算就是目前神经网络研究的热点之一。在模型研究方面作者将模糊集合论与小脑神经网络相结合。研究了模糊小脑神经网络的组织运行原理，并将其应用到动态非线性系统的在线故障辨识之中较好地解决了非线性动态系统容错控制问题。 2.人工神经网络的种类及应用领域 1.小波神经网络 小波神经网络将小波变换良好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，可以将小波函数作为基函数构造神经网络形成小波网络，或者小波变换作为前馈神经网络的输入前置处理工具，即以小波变换的多分辨率特性对过程状态信号进行处理，实现信噪分离，并提取出对加工误差影响最大的状态特性，作为神经网络的输入。 小波神经网络在电机故障诊断、高压电网故障信号处理与保护研究、轴承等机械故障诊断以及许多方面都有应用，将小波神经网络用于感应伺服电机的智能控制，使该系统具有良好的跟踪控制性能，以及好的鲁棒性，利用小波包神经网络进行心血管疾病的智能诊断，小波层进行时频域的自适应特征提取，前向神经网络用来