IC04神经网络基础(论文资料)

《IC04神经网络基础(论文资料)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第4章神经网络基础概述神经网络学习算法典型神经网络4.1概述模糊控制技术基于人类语言的描述和推理。模糊控制从人的经验出发，解决了智能控制中人类语言的描述和推理问题，尤其是一些不确定性的语言描述和推理问题，从而在机器模拟人脑感知、推理等智能行为方面迈出重大的一步。模糊控制在处理数值数据、自学习能力等方面还远没有达到人脑境界。人工神经网络（ANN，ArtificialNeuralNetwork，简称神经网络）从另一个角度出发，即从人脑的生理学和心理学着手，通过人工模拟人脑的工作机理来实现机器的部分智能行为。神经生理学和神经解剖学研究表明，人在胚胎形成过程中，神经细胞(NeuraiCell)或神经

2、元(Neuron)从管状结构发展成为中枢神经系统。人的大脑中的神经网络是一个由(1011-1014)个神经元交织而成的网状结构，它完成诸如智能、思维和情感过程等高级精神活动。人的大脑或神经网络的强大功能促使人们去研究如何在功能上来近似或模拟，于是就有了人工神经网络的研究。人工神经网络又称作连接主义(Connectionism)的人工智能或连接机制模型(ConnectionismModel)，是对自然或生物神经网络若干基本特征的抽象和模拟。人工神经网络是在现代生物学研究人脑组织成果的基础上提出的，通过模拟人类大脑神经网络的结构和行为，用来模拟人脑思维方式的数学模型。神经网络反映了人脑功能的基本

3、特征，如并行信息处理、学习、联想、模式分类、记忆等。实质上，人工神经网络是一种计算系统，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统，以满足人类对思维机器的需求。可以是算法(非实体形式)，也可以是电子线路(实体形式)。它使用大量简单相连的神经元，借着学习功能，模仿生物脑细胞神经的功能。神经网络具有信息的分布存储、并行处理以及自学习能力等优点，所以它在信息处理、模式识别、智能控制等领域有着广阔的应用前景。20世纪80年代以来，人工神经网络研究所取得的突破性进展。神经网络控制是将神经网络与控制理论相结合而发展起来的智能控制方法。它已成为智能控制的一个新的分支，为解决复杂的非线性、不确

4、定、未知系统的控制问题开辟了新途径。并行分布处理：神经网络具有高度的并行结构和并行实现能力，因而能够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和动态控制。非线性映射：神经网络具有固有的非线性特性，这源于其近似任意非线性映射能力。这一特性给非线性控制问题带来新的希望。通过训练进行学习：神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此，神经网络能够解决那些由数学模型或描述规则难以处理的控制过程问题。人工神经网络的特性适应与集成：神经网络能够适应在线运行，并能同时进行定量和定性操作。神经网络的强适应和信息融合能力使得网络过程可

5、以同时输入大量不同的控制信号，解决输入信息间的互补和冗余问题，并实现信息集成和融合处理。这些特性特别适于复杂、大规模和多变量系统的控制。硬件实现：神经网络不仅能够通过软件而且可借助硬件实现并行处理。近年来，一些超大规模集成电路实现硬件已经问世，而且可从市场上购到。这使得神经网络具有快速和大规模处理能力的实现网络。研究与发展•1.萌芽期（1890-1969年）：人工神经网络的兴起1890年，W.James发表专著《心理学》，讨论了脑的结构和功能。1943年，美国神经生理学家McCulloch和数学家Pitts合写了一篇关于神经元如何工作的开拓性文章：“ALogicalCalculusofIde

6、asImmanentinNervousActivity”。该文指出，脑细胞的活动像断/通开关，这些细胞可以按各种方式相互结合，进行各种逻辑运算。提出了生物脑神经元的数学模型，即著名的M-P模型，该模型给出了神经元的形式化数学描述和网络结构的描述方法。研究与发展1949年，心理学家DonalaHebb写了一本书：“TheOrganizationofBehavior”。在该书中，他强调了心理学和生理学间的联系和沟通，指出脑细胞间的思路每当通过参与某种活动时将被加强，这就是所谓的神经网络学习的“突触修正假设”，认为神经元之间的连接强度随神经元的活动而变化，该假设也称为Hebb学习规则。1957年，

7、计算机专家FrankRosenblatt开始从事感知器的研究，并制成硬件，通常被认为是最早的神经网络模型（Perceptron模型）。它是一个连续可调的M-P神经元模型，经过训练可以对一定的模式集合进行分类识别。1959年，两位电机工程师BernardWidrow和MarcianHaff开发出一种叫作自适应线性单元（ADALINE）的网络模型，并在他们的论文“AdaptiveSwitchingCircuits