论文部分内容阅读
[摘 要]随着人们对人工神经网络不断地探索和研究，并将其与一些传统方法相结合，将推动人工智能的发展，在以后的生产生活中发挥更大的作用。人工神经网络是人工智能的重要分支，具有自适应、自组织和自学习的特点。人工神经网络在现代社会中有着重要的作用和意义。
[关键词]人工神经网络；应用；现状；发展
中图分类号：P987 文献标识码：A 文章编号：1009-914X（2018）44-0161-01
一、前言
人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。人工神经网络的概念。现在关于人工神经网络的定义还不统一，按国际著名神经网络研究专家 Hecht Nielsen 的观点，神经网络的定义是：人工神经网络是由人工建立的、以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理。我们综合来源、特点和各种解释，神经网络可简单地表述为：人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。
二、人工神经网络的发展
1943 年，生理学家 McCulloch 和数学家 Pitts 发表文章 ，提出了第一个神经元模型（M-P 模型），他们的努力奠定了网络模型和以后神经网络开发的基础，开启了人们对人工神经网络的研究。1951 年，心理学家Donala O. Hebb 提出了连接权值强化的 Hebb 法则： 在神经网络中，信息存储在连接权中，神经元之间突触的联系强度是可变的，这种变化建立起神经元之间的连接。 Hebb法则为构造有学习功能的神经网络模型奠定了基础。 1954 年，生物学家 Eccles 提出了真实突触的分流模型，这一模型通过突触的电生理实验得到证实，因而为神经网络模拟突触的功能提供了原型和生理学的证据。1956年，Uttley 发明了一种由处理单元组成的推理机，用于模拟行为及条件反射。70 年代中期，他把该推理机用于自适应模式识别，并认为该模型能反映实际神经系统的工作原理。1960 年，Widrow 和 Hoff 提出了自适应线性元件Adaline网络模型，这是一种连续取值的自适应线性神经元网络模型，他们对分段线性网络的训练有一定作用，此方法速度较快且具有较高的精度。
90 年代 ，国内外许多学者进一步完善和发展了神经网络领域。 特别是通过神经网络方法来解决非线性系统的控制问题，并取得了突出的成果。 1991 年在南京召开了中国神经网络学术大会 （第二届）， 并成立了中国神经网络学会。 我国“863” 高技术研究计划和 “ 攀登 ” 计划 、 相关基金 、 年会 、 期刊等都把神经网络的研究列入重要课题范围。 这些都为我国发展神经网络创造了良好的条件，INNS 开始 重 视我 国 。 1992年，在北京召开由国际神经网络学会、IEEE 神经网络委员主办的国际性学术会议 IJCNN。 Wunsch 在 90OSA 年会提出一种 Annual Meeting，用光电执行 ART，主要计算强度由光学硬件完成，它的学习过程有自适应滤波和推理功能，具有快速和稳定的学习特点。 1995 年 Jenkins 等人研究了光学神经网络（PNN），建立了光学神经网络系统，用光学二维并行互连与电子学混合实现了光学神经元，意味着应用新的方法来解决光学实现相减和取阈的问题。 充分发挥了光学强大的互连能力和并行处理能力，提高神经网络的实现规模，从而加强了网络的自适应功能和学习功能。Albus 在 1975 年提出了小脑模型关节控制器（CMAC）。 依此，Miller 等人进一步研究了非线性动态系统控制问题，它具有局部逼近和修改权极小的特点，但采用间断超平面对非线性超曲逼近时，会出现精度不够，也有可能得不到相应的导数估计的情况。 1992 年 Lane 对它作了改进，使逼近超平面的光滑性更好，逼近精度有一定提高。 1993 年 Bulsari[4]提出了以乘积 Sigmoid 函数作为激发函数， 并给出非线性系统用神经网络逼近的构造性描述，得到了节点数目的上界估计。 1997 年罗忠等人[5]对 CMAC 的收敛性以及 hash 编码对它的影响作了矩阵分析和证明。
三、人工神经网络的应用
（一）人工神经网络在信息领域中的应用
在处理许多问题中，信息来源既不完整，又包含假象，决策规则有时相互矛盾，有时无章可循，这给传统的信息处理方式带来了很大的困难，而神经网络却能很好的处理这些问题，并给出合理的识别与判断。现代信息处理要解决的问题是很复杂的，人工神经网络具有模仿或代替与人的思维有关的功能，可以实现自动诊断、问题求解，解决传统方法所不能或难以解决的问题。 人工神经网络系统具有很高的容错性、 鲁棒性及自组织性，即使连接线遭到很高程度的破坏，它仍能处在优化工作状态，这点在军事系统电子设备中得到广泛的应用。现有的智能信息系统有智能仪器、自动跟踪监测仪器系统、自动控制制导系统、自动故障诊断和报警系统等。
（二）人工神经网络在经济领域的应用
對商品价格变动的分析，可归结为对影响市场供求关系的诸多因素的综合分析。 传统的统计经济学方法因其固有的局限性，难以对价格变动做出科学的预测，而人工神经网络容易处理不完整的、 模糊不确定或规律性不明显的数据，所以用人工神经网络进行价格预测是有着传统方法无法相比的优势。从市场价格的确定机制出发，依据影响商品价格的家庭户数、人均可支配收入、贷款利率、城市化水平等复杂、多变的因素，建立较为准确可靠的模型。该模型可以对商品价格的变动趋势进行科学预测，并得到准确客观的评价结果。
结论
文中首先对人工神经网络的发展作了阶段性的回顾；其次介绍了网络的特性和其在信息、医学等主要领域的应用现状； 最后在此基础上对人工神经网络的发展作了一定的展望。
人工神经网络具有非线性、适应性等特点，其与现有研究方法的结合，将使人工神经网络理论被不断的完善、应用面也日趋广泛。
参考文献
[1]韩立群.人工神经网络[M].北京：北京邮电大学出版社，2006.
[2]董军，胡上序.混沌神经网络研究进展和展望[J].信息与控制，1997，26（5）：360-368.
[关键词]人工神经网络；应用；现状；发展
中图分类号：P987 文献标识码：A 文章编号：1009-914X（2018）44-0161-01
一、前言
人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。人工神经网络的概念。现在关于人工神经网络的定义还不统一，按国际著名神经网络研究专家 Hecht Nielsen 的观点，神经网络的定义是：人工神经网络是由人工建立的、以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理。我们综合来源、特点和各种解释，神经网络可简单地表述为：人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。
二、人工神经网络的发展
1943 年，生理学家 McCulloch 和数学家 Pitts 发表文章 ，提出了第一个神经元模型（M-P 模型），他们的努力奠定了网络模型和以后神经网络开发的基础，开启了人们对人工神经网络的研究。1951 年，心理学家Donala O. Hebb 提出了连接权值强化的 Hebb 法则： 在神经网络中，信息存储在连接权中，神经元之间突触的联系强度是可变的，这种变化建立起神经元之间的连接。 Hebb法则为构造有学习功能的神经网络模型奠定了基础。 1954 年，生物学家 Eccles 提出了真实突触的分流模型，这一模型通过突触的电生理实验得到证实，因而为神经网络模拟突触的功能提供了原型和生理学的证据。1956年，Uttley 发明了一种由处理单元组成的推理机，用于模拟行为及条件反射。70 年代中期，他把该推理机用于自适应模式识别，并认为该模型能反映实际神经系统的工作原理。1960 年，Widrow 和 Hoff 提出了自适应线性元件Adaline网络模型，这是一种连续取值的自适应线性神经元网络模型，他们对分段线性网络的训练有一定作用，此方法速度较快且具有较高的精度。
90 年代 ，国内外许多学者进一步完善和发展了神经网络领域。 特别是通过神经网络方法来解决非线性系统的控制问题，并取得了突出的成果。 1991 年在南京召开了中国神经网络学术大会 （第二届）， 并成立了中国神经网络学会。 我国“863” 高技术研究计划和 “ 攀登 ” 计划 、 相关基金 、 年会 、 期刊等都把神经网络的研究列入重要课题范围。 这些都为我国发展神经网络创造了良好的条件，INNS 开始 重 视我 国 。 1992年，在北京召开由国际神经网络学会、IEEE 神经网络委员主办的国际性学术会议 IJCNN。 Wunsch 在 90OSA 年会提出一种 Annual Meeting，用光电执行 ART，主要计算强度由光学硬件完成，它的学习过程有自适应滤波和推理功能，具有快速和稳定的学习特点。 1995 年 Jenkins 等人研究了光学神经网络（PNN），建立了光学神经网络系统，用光学二维并行互连与电子学混合实现了光学神经元，意味着应用新的方法来解决光学实现相减和取阈的问题。 充分发挥了光学强大的互连能力和并行处理能力，提高神经网络的实现规模，从而加强了网络的自适应功能和学习功能。Albus 在 1975 年提出了小脑模型关节控制器（CMAC）。 依此，Miller 等人进一步研究了非线性动态系统控制问题，它具有局部逼近和修改权极小的特点，但采用间断超平面对非线性超曲逼近时，会出现精度不够，也有可能得不到相应的导数估计的情况。 1992 年 Lane 对它作了改进，使逼近超平面的光滑性更好，逼近精度有一定提高。 1993 年 Bulsari[4]提出了以乘积 Sigmoid 函数作为激发函数， 并给出非线性系统用神经网络逼近的构造性描述，得到了节点数目的上界估计。 1997 年罗忠等人[5]对 CMAC 的收敛性以及 hash 编码对它的影响作了矩阵分析和证明。
三、人工神经网络的应用
（一）人工神经网络在信息领域中的应用
在处理许多问题中，信息来源既不完整，又包含假象，决策规则有时相互矛盾，有时无章可循，这给传统的信息处理方式带来了很大的困难，而神经网络却能很好的处理这些问题，并给出合理的识别与判断。现代信息处理要解决的问题是很复杂的，人工神经网络具有模仿或代替与人的思维有关的功能，可以实现自动诊断、问题求解，解决传统方法所不能或难以解决的问题。 人工神经网络系统具有很高的容错性、 鲁棒性及自组织性，即使连接线遭到很高程度的破坏，它仍能处在优化工作状态，这点在军事系统电子设备中得到广泛的应用。现有的智能信息系统有智能仪器、自动跟踪监测仪器系统、自动控制制导系统、自动故障诊断和报警系统等。
（二）人工神经网络在经济领域的应用
對商品价格变动的分析，可归结为对影响市场供求关系的诸多因素的综合分析。 传统的统计经济学方法因其固有的局限性，难以对价格变动做出科学的预测，而人工神经网络容易处理不完整的、 模糊不确定或规律性不明显的数据，所以用人工神经网络进行价格预测是有着传统方法无法相比的优势。从市场价格的确定机制出发，依据影响商品价格的家庭户数、人均可支配收入、贷款利率、城市化水平等复杂、多变的因素，建立较为准确可靠的模型。该模型可以对商品价格的变动趋势进行科学预测，并得到准确客观的评价结果。
结论
文中首先对人工神经网络的发展作了阶段性的回顾；其次介绍了网络的特性和其在信息、医学等主要领域的应用现状； 最后在此基础上对人工神经网络的发展作了一定的展望。
人工神经网络具有非线性、适应性等特点，其与现有研究方法的结合，将使人工神经网络理论被不断的完善、应用面也日趋广泛。
参考文献
[1]韩立群.人工神经网络[M].北京：北京邮电大学出版社，2006.
[2]董军，胡上序.混沌神经网络研究进展和展望[J].信息与控制，1997，26（5）：360-368.