资源描述：
《人工神经网络的发展及其应用.pdf》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、第8卷第2期重庆科技学院学报(自然科学版)2006年6月人工神经网络的发展及其应用1,2石幸利(1.重庆大学电气工程学院,400044;2.重庆科技学院,400042)摘要:介绍人工神经网络的发展历史、主要模型、原理及其在各个领域中的应用。关键词:人工神经网络;模型;原理;应用中图分类号:TP183文献标识码:A文章编号:1673-1980(2006)02-0099-03人工神经网络(ANN)的研究涉及医学、生理学、差异主要表现在研究途径、网络结构、运行方式、学哲学、信息学、计算机科学等众多学科领域,这些领习算法及其应用上。下面讨论几
2、种ANN模型。域互相结合、相互渗透并相互推动。不同领域的科学1多层前向神经网络MLFN家从各自学科的特点出发,提出问题并进行了研究。这是目前研究最多且应用最广的ANN,它采用ANN的研究始于1943年,心理学家W·Mcculloch和数多层局部连接结构、无反馈,神经元函数通常取Sig-理逻辑学家W·Pitts首先提出了神经元的数学模型。moid函数或FBR,一般按离散时间运行,采用有监督此模型直接影响着这一领域研究的进展。1948年,学习算法。冯·诺依曼在研究中提出了以简单神经元构成的再1.1MLFN的结构和运行原理生自动机网络结构;
3、20世纪50年代末,F·Rosenblatt设计制作了“感知机”,它是一种多层的神经网络,这y1y2yp项工作首次把人工神经网络的研究从理论探讨付诸第2层输出层于了工程实践;60年代初期,Widrow提出了自适应线性元件网络,这是一种连续取值的线性加权求和阈第1层隐含层值网络,在此基础上发展了非线性多层自适应网络。这些实际上就是一种ANN模型。80年代初期,美国物第0层输入层理学家Hopfield发表了两篇关于ANN研究的论文,引起了巨大的反响。人们重新认识到神经网络的威力x1x2xN以及付诸应用的现实性。随即,研究人员围绕着图1ML
4、FN网络结构图Hopfield提出的方法展开了进一步的研究工作,形成MLFN采取单向多层结构,如图1所示。每层包含了80年代中期以来ANN的研究热潮。若干个神经元,同一层的神经元之间无联系,层间信ANN是由神经元相互联接而成的自适应非线性息的传送只沿一个方向进行。一般采取由底向上的动态系统。由大量结构和功能比较简单的神经元组合方式描述这一结构,它包括一个输入层(层号l=0),产生的系统行为非常复杂。ANN反映了人脑功能的若L-1个隐层(层号l=1~L-1)和一个输出层(层号l=L)。干基本特性,但并非生物系统的逼真描述,只是某种(l)
5、第l层包含Nl个神经元,每个神经元的输出记为xi,i模仿、简化和抽象。与数字计算机比较,ANN在构成原(l)(l)(l)=1~Nl,它们构成一个行向量:X=[x1,...,xNl]。在计理和功能特点等方面更加接近人脑,它不是按给定的算网络层数时,不包括输入层。输入向量一般用X=[程序一步一步地执行运算,而是能够自身适应环境、Nx1,...,xN]表示,X∈R。输出向量一般用Y=[y1,...,yp]表总结规律、完成某种运算、识别或过程控制。P(0)示,Y∈R。对于每一个输入向量X=X,由底向上逐在ANN的研究中提出了很多模型,它们之间
6、的收稿日期:2006-01-08作者简介:石幸利(1968-),女,陕西兴平人,重庆科技学院副教授,重庆大学在读硕士研究生。·99·石幸利:人工神经网络的发展及其应用(1)(2)(L)层求得X,X,....直至求得X=Y。网络的层数L通常量Wj*与输入向量X的欧氏距离小于其他非获胜者。取2或3;对于复杂的问题,L可以取4~6。网络的学习是通过向网络馈送训练集中的输学习算法有改进BP算法、非BP算法以及二者混入向量来调整各个Wj,使得X至其编号j*的映射满合的算法等,最新提出的将统计学的EM算法用于足两项要求:(1)编码误差最小,(2)
7、实现保持拓扑[1]MLFN的研究刚刚开始。特性的映射。1.2MLFN的应用2.2自组织神经网络的应用MLFN的应用涉及各个领域:在图象、语音、癌细自组织神经网络的主要特点是学习算法为无胞、心脑电信号、伪钞等许多识别和分类任务中大量监督的自组织算法,其主要功能是实现对输入特征应用了MLFN;在信息和信号处理领域中,MLFN用于向量的聚类且在此基础上用于完成函数逼近、分类信道均衡、信号检测、编码信息安全、系统智能控制及模式识别等影射。自组织映射SOM网络在DM、系[2][3]和管理等许多方面;在经济和金融领域中,可用于坏统状态辨识和信号处
8、理等领域颇受重视。自适帐判断、股市预测等许多方面。应谐振理论ART网络的特点在于汲取了人脑智能活动的许多心理特点,诸如集中注意、短期与长期2自组织神经网络—SOM和ART记忆、记忆的弹性与刚性、学习与外界奖惩的关系2.1
