第一章神经网络概述PPT参考课件.pptVIP

* 经济学领域 信贷分析 神经网络评价系统将公司贷款申请表中的关键数据编码为输入向量，将实际的信用情况作为输出评价，用数以千计的历史数据对网络进行训练后，可给出准确的评价结果。 市场预测 神经网络的市场预测已经广泛应用于股票和期货价格的预测中。 返回 * §1.6 人工神经网络与自动控制 自动控制是上世纪中形成和发展起来的一门新兴学科，它是一门涉及到诸如数学、计算机、信息、电工、电子等众多领域的交叉学科。它的应用和影响，已经遍及很多的技术和社会科学领域。 在自动控制发展的过程中，计算机科学一直对它产生着巨大的影响。随着科学技术的发展，对控制系统智能化的要求也越来越高。 * 神经网络的应用已经渗透到自动化控制领域的各个方面，包括系统辨识、系统控制、优化算法以及控制系统的故障诊断与容错控制等。 系统辨识 传统的辨识方法，对于一般的非线性系统的辨识是很困难的，而神经网络却为此提供了一个有力的工具。与传统的基于算法的辨识方法相比，神经网络系统辨识具有如下特点： (1) 由于神经网络可以任意精度逼近非线性函数，故它可以为非线性系统的辨识提供一个通用的模式。 * (2) 神经网络系统辨识是非算法式的，神经网络本身就是辨识模型，其可调参数反映在网络内部的连接权上。不需要建立以实际系统数学模型为基础的辨识格式，故可以省去辨识前对系统建模这一步骤。 (3) 神经网络作为实际系统的辨识模型，实际上也是系统的一个物理实现，可应用于在线控制。 * 神经控制器 控制器在实施控制系统中起着大脑的作用神经网络具有自学习和自适应的等智能特点，非常适合做控制器。对于复杂的非线性系统，神经控制器所能达到的控制效果往往明显好于常规控制器。 故障诊断与容错控制 神经网络故障诊断与容错控制有两种途径：一种是在传统的方法中使用神经网络；另一种是用神经网络直接构成具有容错能力的控制器。 * 神经网络的收敛性和稳定性问题 在逼近非线性函数问题上，神经网络的现有理论只解决了存在性问题 神经网络的学习速度一般比较慢，为满足实时控制的需要，必须予以解决 对于控制器和辨识器，如何选择合适的神经网络模型与确定的结构，尚无理论指导 难点问题 返回 * §1.7 小结 什么是人工智能 什么是人工神经网络 神经网络的发展 神经网络的基本特征 神经网络的基本功能 返回 * 参考书目 Simon Haykin著, 叶世伟, 史忠植译. 神经网络原理. 机械工业出版社, 2004 George F. Luger著,史忠植等译. 人工智能——复杂问题求解的结构和策略. 机械工业出版社, 中信出版社 蒋宗礼. 人工神经网络导论. 高等教育出版社，2001 胡守仁，余少博，戴葵. 神经网络导论. 国防科技大学出版社，1993 韩力群. 人工神经网络理论、设计及应用. 化学工业出版社，2002 王旭，王宏，王文辉. 人工神经元网络原理与应用. 东北大学出版社，2000 徐丽娜. 神经网络控制. 哈尔滨工业大学出版社，1999 阎平凡，张长水. 人工神经网络与模拟进化计算. 清华大学出版社，2000 孙增圻等. 智能控制理论与技术. 清华大学出版社, 广西科学技术出版社, 1999 返回 * * * * 联想记忆功能 由于神经网络具有分布存储信息和并行计算的性能，因此它具有对外界刺激信息和输入模式进行联想记忆的能力。联想记忆有两种基本形式：自联想记忆与异联想记忆。 自联想记忆 网络中预先存储（记忆)多种模式信息，当输入某个已存储模式的部分信息或带有噪省干扰的信息时，网络能通过动态联想过程回忆起该模式的全部信息。 异联想记忆 网络中预先存储了多个模式对，每一对模式均由两部分组成，当输入某个模式对的一部分时，即使输入信息是残缺的或迭加了噪声的，网络也能回忆起与其对应的另一部分。 神经网络通过预先存储信息和学习机制进行自适应训练，可以从不完整的信息和噪声干扰中恢复原始的完整信息，这一能力使其在图象复原、图像和语音处理、模式识别、分类等方面具有巨大的潜在应用价值。 * 低潮时期 1969年，美国学者格诺斯博格（Grossberg）和卡普特尔（Carperter）提出了自适应共振理论（ART）模型。 1972年，芬兰学者克豪南（Kohonen）提出了自组织映射（SOM）理论。 1979年，福岛邦彦（Fukushima）提出了认知机（Necognitron）理论。 在此之后，神经心理学家安德森（Anderson）提出了BSB模型，韦伯斯（Webos）提出了BP理论，为神经网络的发展奠定了基础。 * 复兴时期