神经网络在管道漏磁信号分析中的应用

《神经网络在管道漏磁信号分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、鎏堕：!：些奎堂堡主堂堡堡塞一——1969年，美国麻省理工学院著名人工智能学者M．Minsky和s．Papert编写了影响很大的((Perceptron))一书。该书指出：单层的的感知机只能用于线性问题的求解，而对于像XOR(异或)这样简单的非线性问题却无法求解。他们还指出，能求解非线性问题的网络应该是具有隐含层的多层神经网络，而将感知机模型扩展多层网络是否有意义，还不能从理论上得到有力的证明。由于M沁ky的悲观结论，加上当时以逻辑推理为基础的人工智能和数字计算机取得了辉煌的成绩，从而大大降低了许多人对人工神经网络的热情及克服理论障碍的勇气。在这之后近10年中，神经网络的研究进入了一

2、个缓慢发展的低潮期。在这个低潮期，研究工作并没有完全停顿下来，仍有许多学者继续进行探索，并取得了一些重要成果。在这期间，芬兰的学者T．Konen提出了自组织映射理论；美国学者s．A．Groddberg提出了自适应共振理论(ART)：日本学者福岛邦彦(K．Fukushima)提出了认知机(Neocognitron)模型。这些研究成果对以后神经网络的研究和发展都产生了重要的影响。进入80年代，神经网络的研究又引起了众多学科领域学者的关注，并很快形成了热潮。其主要原因是以逻辑推理为基础的人工智能理论和Von．Neumann计算机在处理诸如视觉、听觉、形象思维、联想记忆和运动控制等智能信息处

3、理问题上受到了挫折；具有并行和分布机制的人工神经网络本身的研究成果以及脑科学和神经科学成果的推动作用：VLSI技术和光电技术的发展为神经网络的实现提供了物质基础。由于以上原因，使人们产生了一个共识，即人工神经网络可能成为未来智能机的良好模式。美国加州理工学院生物物理学家J．J．Hopfield于1982年和1984年在美国科学院院刊发表的两篇文章，有力的推动了神经网络的研究，引起了神经网络研究的又一次热潮。1982年他提出了一个新的神经网络模型--Hopfield网络模型。他在这种网络模型的研究中，首次引人类网络能量函数的概念，并给出了网络稳定性的判据。1984年Hopfield提出

4、了网络模型实现的电子电路，为神经网络的工程实现指明了方向。Hopfield的研究成果开拓了神经网络用于联想记忆和优化计算的新途径，并为神经计算机的研究奠定了基础。1984年Hinton等人将模拟退火算法引入到神经网络中，提出了Boltzmann机(BM)网络模型。BM网络算法为神经网络优化计算跳出局部极小提供了-3．沈

5、j¨工业人学硕士学位论文————————————————————————————————————_————r—————————————————————————一个有效的方法。1986年D．E．Rumelhart和J．LmcClelland及其研究小组发表了两本专著：(

6、(ParallelDistributedProcessing))、((ExplorationinMicrostructureofConnition))。该书致力于认知微观结构的探索，特别是他们提出的误差反向传播(EBP)学习算法，成为至今为止影响很大的一种网络学习算法。1987年美国神经计算机专家R．Hecht．Niesen提出了对向传播(CounterPropagation)神经网络，该网络具有分类灵活、算法简练的特点，可用于模式识别、函数分类、统计分析和数据压缩的等领域。1988年美国加州大学的LO．Chua等人提出了细胞神经网络(CNN)模型，它在视觉初级加工得到了广泛的应用。

7、自1985年第一个人工神经网络感知机出现以来，提出的神经网络已近40种。80年代中期以来，神经网络的应用研究取得了很大的成绩，涉及的面非常广泛。就应用技术领域而言有计算机视觉，语音的识别、理解与合成，优化计算，智能控制及复杂系统分析，模式识别神经计算机的研制，知识处理，专家系统与人工智能。涉及的学科有神经生物学，认识科学，数、理科学，心理学，信息科学，计算机科学，微电子学，光学，生物电子学等。从众多应用研究领域取得的丰硕成果看，人工神经网络的发展具有强大的生命力。当前存在的问题是智能水平还不高，许多应用方面的要求还不能得到很好的满足；网络分析和综合的一些理论性问题(如：稳定性、收敛性

8、的分析、网络的结构综合等)还未得到很好的解决。随着人们对大脑信息处理机理人识的深化，以及人工神经网络智能水平的提高，人工神经网络必将在科学技术领域发挥更大的作用。针对当前人工神经网络存在的问题，今后研究的主要方向可分为理论研究和应用研究两个方面。在理论方面的研究有：(1)利用人工生理和认知科学研究大脑思维及智能的机理。(2)利用神经科学基础理论的研究成果，用数理方法探索智能水平更高的人工神经网络模型，深入研究网络的算法和性能，例如稳定性、收敛性、容错性、鲁