论文部分内容阅读
摘要：早在本世纪4 0年代中期，当威纳（Wiener）、罗森布拉特（Rosenblat）、麦卜洛克（McCulloeh）、皮茨（Pitts）等人在酝酿控制论的时候，人们已经把探索的目光投向了神经系统和思维的问题，试图探索冲经系统与思维活动的奥秘。在当时还未有“神经网络”这一词的出现。直到1943年第一个比较成功的神经元模型由麦卜洛克和皮茨提出的，神经元可用简单的 zha 值函数表示，并完成逻辑函数功能[1]。当然，后来麦卜洛克一皮茨模塑被修正和改进成为阈值逻辑模型，基于这种模型，人们曾经先后构造了许多模拟人的智能活动的人工系统。本文研究了神经网络的简单的架构、演变以及对其的展望。
关键词：神经网络
引言
神经网络从诞生发展至今，已经成为了一门涵盖多个学科，横跨众多领域的科学，并且神经网络这一新兴的科学在当今社会已经成为人工智能、认知科学、神经生理学、非线性动力学等相关专业领域的研究热点[2]。神经网络在机器学习和认知学科的领域内，是一种模仿动物中枢神经系统的结构和功能的数学模型，神经网络也是人工智能的“底层模型”，同时神经网络也是研究有关自适应非编程信息词条的一门工程学科。神经网络如同计算机的大脑，通过数学的严谨推导与计算机知识的灵活运用可以用来描述认识、决策以及控制等的智能行为。
一、神经网络的来源于构成
随着时代的进步，人类的需求水平也越来愈高，在物质生活充裕的同时，科学家们开始思考，如何让计算机做到如同人类一般的“思考”，如何才能制造出一个像“人”一样的机器。生物学家发现，人类之所以能够思考是在于人类拥有神经网络，由一个个神经元构建而成，当受到外部刺激之后，神经末梢将外部刺激转化为电信号，进而传到神经中枢，再由神经中枢做出反应，指挥身体反应。以上便是人类思考的过程，可以看出神经元在其中有着重要的的作用，所以科学家们就制造了模拟的“神经元”，最早的神经元模型又叫做“感知器”。
神经元由N输入端和一个输出端组成，N个输入端相当于前面所提及的人类体内的神经元的树突（接收外部的刺激），接收到外部的输入信息，一个输出端则相当于人类体内的神经元的轴突（负责传导电信号），负责将信息输出。此外，输入端不仅仅能够接受外界的原始信息，还能够接收到来自其他神经元所传递的信息，由此特点，可以看出神经元不但能够接收和处理信息，还能够存储相关的信息。神经网络具有自主学习的能力，同时，也具有接近于人类感知器官的识别和进行一些简单基础地判断能力。
二、神经网络的发展
近年来，神经网络的硬件设施配套技术取得了突破性地进展，使得神经网络逐渐走出了科学研究室，走向了国民经济的主战场，从初步尝试的阶段日渐趋于成熟，广泛为大众所知晓。与此同时，神经网络在国家国防科学技术现代化的建設中也具有广阔的应用领域和应用前景。利用光学神经元[3]可以极大地减少神经元在互联时交换信息带来的能量损耗，并且可以快速且并行的处理海量的、分布式的信息，正因如此光学神经元倍受人们的关注。
神经网络之所以能够在近几年内迅速地崛起与其的拓扑结构、学习算法以及在超大规模集成电路上的实现技术等因素密不可分。同时，神经网网络中许多的模型，比如Hopfield模型、Boltzmann模型、Hamming模型、Garpenter-Grossberg模型、Gauss模型、多层感知器模型等等都能打破了原有的神经元数量较少且容错性低，联接简单的局限性，从而形成了具有一定规模的联接灵活，且容错性高的神经网络。神经网络的容错性有两主要体现在两个方面：分布式的存储信息；当输入不稳定，模糊、残缺或者变形时，神经网络能够通过联想恢复，从而达到对不正确的信息进行正确的识别的能力。神经网络的大规模互联使得其能对全局信息进行并行综合优化的处理，并且能够很好的协调不同的输入信息之间的关系。与此同时，反向传播（BackPropagation）算法[4]的提出也是一个极为重大的突破。该算法是多层神经网络的训练中举足轻重的算法，其主要根据神经网络的实际输出与人们所期望的输出之间的误差大小来方向调节下一层各个神经元的权系数，同时将这样的调整依次向下传递。
三、结语
神经网络因为其与众不同的结构和综合优化的处理信息办法没在许多的领域里都取得了显著的成效，比如比如，图像处理、信号处理、模式识别、机器人控制、数据挖掘、电力系统等[5]。随着社会的不断进步与发展，科学技术的逐步成熟，AI在人们生活中的普及程度越来越高，神经网络已经不在是神秘的代名词，转而逐渐走进千家万户，为人们所了解所接纳。神经网络在
参考文献：
[1]马艳霞.人工神经网络发展之浅见[J]，延边工业学校，2007
[2]毛健，赵红东，姚婧婧.人工神经网络的发展及应用[J]，河北工学大学信息工程学院，2011
[3]朱大奇.人工神经网络研究现状及其展望[J]，江南大学通信与控制工程学院，2004
[4]钟珞.人工神经网络及其融合应用技术[M]，科学出版社，2007
[5]谢承泮.神经网络发展综述[J]，太原生产力促进中心，2006
关键词：神经网络
引言
神经网络从诞生发展至今，已经成为了一门涵盖多个学科，横跨众多领域的科学，并且神经网络这一新兴的科学在当今社会已经成为人工智能、认知科学、神经生理学、非线性动力学等相关专业领域的研究热点[2]。神经网络在机器学习和认知学科的领域内，是一种模仿动物中枢神经系统的结构和功能的数学模型，神经网络也是人工智能的“底层模型”，同时神经网络也是研究有关自适应非编程信息词条的一门工程学科。神经网络如同计算机的大脑，通过数学的严谨推导与计算机知识的灵活运用可以用来描述认识、决策以及控制等的智能行为。
一、神经网络的来源于构成
随着时代的进步，人类的需求水平也越来愈高，在物质生活充裕的同时，科学家们开始思考，如何让计算机做到如同人类一般的“思考”，如何才能制造出一个像“人”一样的机器。生物学家发现，人类之所以能够思考是在于人类拥有神经网络，由一个个神经元构建而成，当受到外部刺激之后，神经末梢将外部刺激转化为电信号，进而传到神经中枢，再由神经中枢做出反应，指挥身体反应。以上便是人类思考的过程，可以看出神经元在其中有着重要的的作用，所以科学家们就制造了模拟的“神经元”，最早的神经元模型又叫做“感知器”。
神经元由N输入端和一个输出端组成，N个输入端相当于前面所提及的人类体内的神经元的树突（接收外部的刺激），接收到外部的输入信息，一个输出端则相当于人类体内的神经元的轴突（负责传导电信号），负责将信息输出。此外，输入端不仅仅能够接受外界的原始信息，还能够接收到来自其他神经元所传递的信息，由此特点，可以看出神经元不但能够接收和处理信息，还能够存储相关的信息。神经网络具有自主学习的能力，同时，也具有接近于人类感知器官的识别和进行一些简单基础地判断能力。
二、神经网络的发展
近年来，神经网络的硬件设施配套技术取得了突破性地进展，使得神经网络逐渐走出了科学研究室，走向了国民经济的主战场，从初步尝试的阶段日渐趋于成熟，广泛为大众所知晓。与此同时，神经网络在国家国防科学技术现代化的建設中也具有广阔的应用领域和应用前景。利用光学神经元[3]可以极大地减少神经元在互联时交换信息带来的能量损耗，并且可以快速且并行的处理海量的、分布式的信息，正因如此光学神经元倍受人们的关注。
神经网络之所以能够在近几年内迅速地崛起与其的拓扑结构、学习算法以及在超大规模集成电路上的实现技术等因素密不可分。同时，神经网网络中许多的模型，比如Hopfield模型、Boltzmann模型、Hamming模型、Garpenter-Grossberg模型、Gauss模型、多层感知器模型等等都能打破了原有的神经元数量较少且容错性低，联接简单的局限性，从而形成了具有一定规模的联接灵活，且容错性高的神经网络。神经网络的容错性有两主要体现在两个方面：分布式的存储信息；当输入不稳定，模糊、残缺或者变形时，神经网络能够通过联想恢复，从而达到对不正确的信息进行正确的识别的能力。神经网络的大规模互联使得其能对全局信息进行并行综合优化的处理，并且能够很好的协调不同的输入信息之间的关系。与此同时，反向传播（BackPropagation）算法[4]的提出也是一个极为重大的突破。该算法是多层神经网络的训练中举足轻重的算法，其主要根据神经网络的实际输出与人们所期望的输出之间的误差大小来方向调节下一层各个神经元的权系数，同时将这样的调整依次向下传递。
三、结语
神经网络因为其与众不同的结构和综合优化的处理信息办法没在许多的领域里都取得了显著的成效，比如比如，图像处理、信号处理、模式识别、机器人控制、数据挖掘、电力系统等[5]。随着社会的不断进步与发展，科学技术的逐步成熟，AI在人们生活中的普及程度越来越高，神经网络已经不在是神秘的代名词，转而逐渐走进千家万户，为人们所了解所接纳。神经网络在
参考文献：
[1]马艳霞.人工神经网络发展之浅见[J]，延边工业学校，2007
[2]毛健，赵红东，姚婧婧.人工神经网络的发展及应用[J]，河北工学大学信息工程学院，2011
[3]朱大奇.人工神经网络研究现状及其展望[J]，江南大学通信与控制工程学院，2004
[4]钟珞.人工神经网络及其融合应用技术[M]，科学出版社，2007
[5]谢承泮.神经网络发展综述[J]，太原生产力促进中心，2006