AI课程考核论文

《AI课程考核论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、青岛理工大学研究生课程考试试卷2010"2011学年第1学期考试科目：人工智能课程编号：A0070008学生姓名：高方杰班级：1110班任课教师：翟正利专业名称：计算机应用技术学号：1112081202341成绩：学分：阅卷人（签字）：人工神经网络研究综述及B-P模型详解摘要近几十年来，神经网络得到了飞速发展，引起了不同领域专家的广泛关注。它的产生和发展使电子科学和信息科学发生了革命性的变化。本文简要介绍了人工神经网络的发展过程，基本特征及其模型,探讨分析了其发展前景。关键词神经网络B-P模型SURVEYONA

2、RTIFICIALNEURALNETWORKAbstractA.N.Nhasbeenexperiencedarapiddevelopmentfordecades・Ithasattractedmanyexpertsfromdifferentfieldsandmakesgreatcontributionstotherevolutionarychangesininformationtechnologyandelectronictechnology.Inthispaper,we，vebrieflyintroducedt

3、hedevelopmenthistoryofA.N.N,itsbasicfeaturesandmodels,andthenthefutureofthistechnology・keywordsA.N.NB-P一、引言人工神经网络是模仿脑细胞结构和功能、脑神经结构以及思维处理问题等脑功能的信息处理系统，它从模仿人脑智能的角度出发，探寻新的信息表示、存储和处理方式。这种神经网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。它采用了与传统人工智能和信息处理技术完全不同的机理，克服了

4、传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点，它通过预先提供的一批相互对应的输入和输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。由于人工神经元网络具有复杂的动力学特性、并行处理机制、学习、联想和记忆等功能，以及它的高度自组织、自适应能力和灵活性而受到自然科学领域学者的广泛重视。二、人工神经网络的发展人工神经网络从20世纪40年代初开始研究，至今经历了兴起、高潮、低谷及稳步发展的历程，在众多科学家艰苦不懈的研究探索中,终

5、于取得了较大的进步。1943年，心理学家W.S.Mcculloch和数理逻辑学家W.Pitts提出了M-P模型，M-P模型的提出具有开创意义，为以后的研究工作提供了重要依据；1949年，心理学家D.0.Hebb提出突触联系可变的假设。由这一假设得出的学习规则Hebb学习规则，为神经网络的学习算法奠定了基础；1957年，计算机科学家Rosenblatt提出了著名的感知机(Perception)模型，是第一个完整的人工神经网络，并且第一次把神经网络研究付诸工程实现，从而奠定了从系统的角度研究人工神经网络的基础；I9

6、60年B.Windrow和M.E.Hoff提出了自适应线性单元网络，可用于自适应滤波、预测和模型识别；1982年和1984年美国加州理工学院生物物理学J.J.Hopfield发表的两篇文章，提出了新的神经网络模型Hopfield网络模型和实现此网络模型的电子电路，为神经网络的工程实现指明了方向，有力地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；1984年，Hinton等人将模拟退火算法引入神经网络中，提出了Boltzmann机网络模型；1986年，D.E.Rumelhart和J.LMccleiland

7、提出了误差反向传播算法，成为至今影响很大的一种网络学习方法；90年代初，诺贝尔奖获得者Edelman提出了Darwinism模型，建立了神经网络系统理论；几乎同时，Aihara等人给出了一个混沌神经元模型，该模型已成为一种经典的混沌神经网络模型；1995年，Mitra把人工神经网络与模糊逻辑理论、生物细胞学说以及概率论相结合提出了模糊神经网络，使得神经网络的研究取得了突破性进展。现在，神经网络的应用研究取得了很大的成绩，涉及的领域非常广泛。在应用的技术领域方面，主要有计算机视觉、语言识别、模式识别、神经计算机的

8、研制、专家系统与人工智能。涉及的学科有神经生理学、信息科学、计算机科学、微电子学、光学、生物电子学等。三、人工神经网络的基本工作原理神经元是构成神经网络的最基本单元，神经元之间的连接方式不同，可得到不同的神经网络；各神经元之间连接强度是由神经网络内部加权系数决定的，加权系数决定了信号传递的强弱，信号可以起刺激作用也可以起抑制作用，而且加权系数可以随着训练进行改变。这些特征使得人工神经网