簡(jiǎn)介:第1章緒論緒論1111從生物神經(jīng)網(wǎng)絡(luò)到人工神經(jīng)網(wǎng)絡(luò)從生物神經(jīng)網(wǎng)絡(luò)到人工神經(jīng)網(wǎng)絡(luò)在你閱讀本書時(shí),你就用到了一個(gè)復(fù)雜的生物神經(jīng)網(wǎng)絡(luò),大約有1011個(gè)相互連接的神經(jīng)元幫助你進(jìn)行閱讀、呼吸、思考、完成各種動(dòng)作等,部分神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能是與生具有的,比如支配呼吸、哭、吮吸等本能動(dòng)作的功能而大多數(shù)的功能需要通過后天的學(xué)習(xí)才能獲得。雖然人們還并不完全清楚生物神經(jīng)網(wǎng)絡(luò)是如何進(jìn)行工作的,但幻想構(gòu)造一些“人工神經(jīng)元”,進(jìn)而將它們以某種方式連接起來,可以模擬“人腦”的某些功能。這就是本書所要討論的“人工神經(jīng)網(wǎng)絡(luò)”。1212人工神經(jīng)網(wǎng)絡(luò)的發(fā)展史人工神經(jīng)網(wǎng)絡(luò)的發(fā)展史人工神經(jīng)網(wǎng)絡(luò)ARTIFICIALNEURALNETWORK,ANN的發(fā)展經(jīng)歷了大約半個(gè)世紀(jì),從20世紀(jì)40年代初到80年代,神經(jīng)網(wǎng)絡(luò)的研究經(jīng)歷了低潮與高潮幾起幾落的發(fā)展過程。早在1943年,心理學(xué)家WMCCULLOCH和數(shù)學(xué)家WPITTS合作,從數(shù)理邏輯的角度,提出了神經(jīng)元和神經(jīng)網(wǎng)絡(luò)最早的數(shù)學(xué)模型MCCULLOCHPITTS,MP模型,標(biāo)志著神經(jīng)網(wǎng)絡(luò)研究的開始。1958年,FROSENBLATT首次引進(jìn)了模擬人腦感知和學(xué)習(xí)能力的感知器PERCEPTRON概念,引起了人們的極大興趣。感知器由簡(jiǎn)單的閾值性神經(jīng)元構(gòu)成,初步具備了諸如學(xué)習(xí)、并行處理、分布存儲(chǔ)等神經(jīng)網(wǎng)絡(luò)的一些基本特征,從而確立了從系統(tǒng)角度進(jìn)行人工神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)。1960年,BWIDROW和MHOFF提出了主要適用于自適應(yīng)系統(tǒng)的自適應(yīng)線性元件ADAPTIVELINEARNEURON,ADALINE網(wǎng)絡(luò),采用了比感知器更復(fù)雜的學(xué)習(xí)程序。WIDROWHOFF技術(shù)被稱為最小均方誤差LEASTMEANSQUARE,LMS學(xué)習(xí)規(guī)則。從此神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)人了第一個(gè)高潮期。1969年,美國(guó)麻省理工學(xué)院著名的人工智能專家MMINSKY和SPAPERT出版了頗有影響的PERCEPTRON一書,從數(shù)學(xué)上剖析了簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的功能和局限性,并且指出多層感知器還不能找到有效的計(jì)算方法,由于MMINSKY在學(xué)術(shù)界的地位和影響,其悲觀的結(jié)論,被大多數(shù)人不做進(jìn)一步分析而接受加之當(dāng)時(shí)以邏輯推理為研究基礎(chǔ)的人工智能和數(shù)字計(jì)算機(jī)的輝煌成就,大大降低了人們對(duì)神經(jīng)網(wǎng)絡(luò)研究的熱情,故使神經(jīng)網(wǎng)絡(luò)的研究在其后的若于年內(nèi)處于低潮。1972年TKOHONEN和JANDERSON不約而同地提出具有聯(lián)想記憶功能的新神經(jīng)網(wǎng)絡(luò)1976年,SGROSSBERG與GACARPENTER提出了自適應(yīng)共振理論ADAPTIVERESONANCETHEORYART,并在以后的若干年內(nèi)發(fā)展了ART1,ART2,ART3這3種神經(jīng)網(wǎng)絡(luò)模型,從而為神經(jīng)網(wǎng)絡(luò)研究的發(fā)展奠定了理論基礎(chǔ)。進(jìn)人20世紀(jì)80年代,特別是80年代末期,對(duì)神經(jīng)網(wǎng)絡(luò)的研究從復(fù)興很快轉(zhuǎn)人了新的熱潮。這主要是因?yàn)橐环矫娼?jīng)過十幾年迅速發(fā)展的以邏輯符號(hào)處理為主的人工智能理論和馮諾依曼VONNEUMANN計(jì)算機(jī)在處理諸如視覺、聽覺、形象思維、聯(lián)想記憶等設(shè)備保險(xiǎn)業(yè)政策應(yīng)用評(píng)估,產(chǎn)出最優(yōu)化制造業(yè)制造業(yè)過程控制、產(chǎn)品設(shè)計(jì)與分析、過程與機(jī)器診斷、實(shí)時(shí)微粒識(shí)別、可視化質(zhì)量檢測(cè)系統(tǒng)、焊接質(zhì)量分析、紙質(zhì)預(yù)測(cè)、計(jì)算機(jī)芯片質(zhì)量分析、化學(xué)產(chǎn)品設(shè)計(jì)分析、機(jī)器保養(yǎng)分析、工程投標(biāo)、經(jīng)營(yíng)與管理、化學(xué)處理系統(tǒng)的動(dòng)態(tài)建模等醫(yī)藥乳腺癌細(xì)胞分析,EFG和ECG分析,假休設(shè)計(jì).移植時(shí)間最優(yōu)化,降低醫(yī)療費(fèi)用支出,提高醫(yī)療質(zhì)量石油天然氣勘探機(jī)器人技術(shù)行走路線控制、鏟車機(jī)器人、操縱控制器、視覺系統(tǒng)等語音語音識(shí)別、語音壓縮、元音分類、文本一語音合成等有價(jià)證券市場(chǎng)分析、自動(dòng)債券評(píng)級(jí)、股票交易咨詢系統(tǒng)等電信業(yè)圖像與數(shù)據(jù)壓縮、自動(dòng)信息服務(wù)、實(shí)時(shí)語言翻譯、用戶付費(fèi)處理系統(tǒng)等交通卡車剎車診斷系統(tǒng)、車輛調(diào)度、行程安排系統(tǒng)等神經(jīng)網(wǎng)絡(luò)比較善長(zhǎng)的應(yīng)用領(lǐng)域如下。L模式識(shí)別神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練可有效地提取信號(hào)、語音、圖像、雷達(dá)、聲納等感知模式的特征,并能解決現(xiàn)有啟發(fā)式模式識(shí)別系統(tǒng)不能很好解決的不變量探測(cè)、自適應(yīng)、抽象或概括等問題。這方面的主要應(yīng)用有圖形、符號(hào)、手寫體及語音識(shí)別,雷達(dá)及聲納等目標(biāo)識(shí)別,藥物構(gòu)效關(guān)系等化學(xué)模式信息辨識(shí),機(jī)器人視覺、聽覺,各種最近相鄰模式聚類及識(shí)別分類,遙感、沃學(xué)匡像分析,計(jì)算機(jī)視覺、計(jì)算機(jī)輸入裝置等。神經(jīng)網(wǎng)絡(luò)可應(yīng)用于模式識(shí)別的各個(gè)環(huán)節(jié)特征接取、聚類分析、邊緣檢測(cè)、信號(hào)增強(qiáng)、噪聲抑制、數(shù)據(jù)壓縮以及各種變換、分類判決等。2人工智能專家系統(tǒng)是人工智能領(lǐng)域研究時(shí)間最長(zhǎng),應(yīng)用最成功的技術(shù),但人們?cè)趹?yīng)用專家系統(tǒng)解決諸如語音識(shí)別、圖像處理和機(jī)器人控制等這類類似于人腦的形象思維的問題時(shí),卻遇到很大的困難。神經(jīng)網(wǎng)絡(luò)的問世為人工智能開辟了一條嶄新的途徑,成為人工智能研究領(lǐng)域中的后起之秀,它具有的自學(xué)習(xí)能力是傳統(tǒng)專家系統(tǒng)望塵莫及的。神經(jīng)網(wǎng)絡(luò)技術(shù)能對(duì)不完整信息進(jìn)行補(bǔ)全,根據(jù)已學(xué)會(huì)的知識(shí)和處理問題的經(jīng)驗(yàn)對(duì)復(fù)雜問題作出合理的判斷決策,給出較滿意的解答,或?qū)ξ磥磉^程作出有效的預(yù)測(cè)和估計(jì),從而使之在人工智能領(lǐng)域獲得廣泛的應(yīng)用。這方面的主要應(yīng)用有自然語言處理、市場(chǎng)分析、預(yù)測(cè)估值、系統(tǒng)診斷、事故檢查、密碼破譯、語言翻譯、邏輯推理、知識(shí)表達(dá)、智能機(jī)器人、模糊評(píng)判等。3控制工程神經(jīng)網(wǎng)絡(luò)在諸如機(jī)器人運(yùn)動(dòng)控制、工業(yè)生產(chǎn)中的過程控制等復(fù)雜控制問題方面有獨(dú)到之處。較之基于傳統(tǒng)數(shù)字計(jì)算機(jī)的離散控制方式,神經(jīng)網(wǎng)絡(luò)更適宜于組成快速實(shí)時(shí)自適應(yīng)控制系統(tǒng)。這方面的主要應(yīng)用有多變量自適應(yīng)控制、變結(jié)構(gòu)優(yōu)化控制、并行分布控制、智能及魯棒控制等。
下載積分: 9 賞幣
上傳時(shí)間:2024-03-13
頁數(shù): 174
大?。?11.84(MB)
子文件數(shù):