人工神经网络综述

《人工神经网络综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、人工神经网络综述摘要：人工神经网络是属于人工智能的一个组成部分，它的提出是基于现代神经科学的相关研究，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。首先论述了人工神经网络的发展历程，并介绍了几种常见的模型及应用现状，最后总结了当前存在的问题及发展方向。关键词：神经网络、分类、应用0引言多年以来，科学家们不断从医学、生物学、生理学、哲学、信息学、计算机科学、认知学、组织协同学等各个角度探索人脑工作的秘密，希望能制作模拟人脑的人工神经元。特别是近二十年来。对大脑有关的感觉器官的仿生做了不少工作，人脑含有数亿个神经元，并以特殊的复杂形式组成在一起，它能够在计算某

2、些问题（如难以用数学描述或非确定性问题等）时，比目前最快的计算机还要快许多倍。大脑的信号传导速度要比电子元件的信号传导要慢百万倍，然而，大脑的信息处理速度比电子元件的处理速度快许多倍，因此科学家推测大脑的信息处理方式和思维方式是非常复杂的，是一个复杂并行信息处理系统。在研究过程中，近年来逐渐形成了一个新兴的多学科交叉技术领域，称之为“人工神经网络”。神经网络的研究涉及众多学科领域，这些领域互相结合、相互渗透并相互推动。1人工神经网络概述1.1人工神经网络的发展人工神经网络是20世纪80年代以来人工智能领域中兴起的研究热点，因其具有独特的结构和处理信息的方法，使其在许多实际应用中

3、取得了显著成效。1.1.1人工神经网络发展初期1943年美国科学家家Pitts和MeCulloch从人脑信息处理观点出发，采用数理模型的方法研究了脑细胞的动作和结构及其生物神经元的一些基本生理特性，他们提出了第一个神经计算模型，即神经元的阈值元件模型，简称MP模型，这是人类最早对于人脑功能的模仿。他们主要贡献在于结点的并行计算能力很强，为计算神经行为的某此方面提供了可能性，从而开创了神经网络的研究。1958年FrankRosenblatt提出了感知模型(Pereeptron)，用来进行分类，并首次把神经网络的研究付诸于工程实践。1960年BernardWidrow等提出自适应线

4、形元件ADACINE网络模型，用于信号处理中的自适应滤波、预测和模型识别。1.1.2人工神经网络低谷时期1969年,Minsky和Papert对以感知器为代表的网络系统的功能及局限性从数学上做了深入研究,分析指出了出了感知器的局限性,导致了神经网络的研究降温，另外基于逻辑符合运算的人工智能的问题和局限性尚未显现出来,由此导致了神经网络发展史上长达十年的低潮期[4]。1.1.3人工神经网络快速发展时期90年代以来,神经网络的局限性得到了解决,特别是美国的物理学家Hopefield在1982年提出了新的神经网络模型使得网络的收敛性和稳定性研究有了明确判据[5,6],其应用领域不断扩

5、大,另外神经网络理论日益变得更加外向,注重自身与科学技术之间的相互作用。1991年Aibara等在前人推导和实验的基础上,给出一个混沌神经元模型,同年Inoue等提出用耦合混沌振荡子作为单个神经元构造混沌神经网络模型的方法。1995年,Jenkins等人研究了光学神经网络(PNN),建立了光学二维并行互连与电子学混合的光学神经网络系统。其他还有McAulay等学者致力于将电子俘获材料用于光学神经网络等[7]。1.2人工神经网络基本原理人工神经网络（Artificialneuralnetwork，ANN）是由大量的简单基本元件—神经元相互联接而成的自适应非线性动态系统。每个神经元

6、的结构和功能比较简单，但大量神经元组合产生的系统行为却非常复杂。人工神经网络的基本结构模仿人脑，反映了人脑功能的若干基本特性，能够自身适应环境、总结规律、完成某种运算、识别或过程控制。人工神经网络具有并行处理特征，可以大大提高工作速度。人工神经元以不同的方式，通过改变连接方式、神经元的数量和层数，组成不同的人工神经网络模型（神经网络模型）。人工神经元模型的基本结构如图1所示。图中X=(x1，x2，…xn)T∈Rn表示神经元的输入信号（也是其他神经元的输出信号）；wij表示神经元i和神经元j之间的连接强度，或称之为权值；yi是神经元i的输出。其表达式为式中，f（·）为传递函数（或

7、称激活函数），表示神经元的输入-输出关系。2几种常见的神经网络模型目前，神经网络模型的种类比较多，已有近40余种神经网络模型，其中典型的有以下几种：第一，BP神经网络。BP网络是反向传播(BackPropagation)网络，是目前应用最为广泛的网络，具有多层网络结构，可以有一个或者多个隐含层。他采用最小均方差学习方式，需有监督训练。BP算法也被广泛运用于函数逼近、模式识别、数据压缩等领域。典型的BP网络是三层，即输入层、隐含层(也称中间层)和输出层，各层之间实行全连接，同一层内的神经元无连