人工神经网络综述

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接，如图1-1表示具有一个隐含层的BP神经网络结构，输入层和输出层节点数根据实际情况确定，而隐含层节点数一般按如下公式计算：设NH表示隐含层节点数，Nl表示输入层节点数，Ne表示输出层节点，则有：NH=第二，ART神经网络。ART网络也是一种自组织网络模型，这是一种无监督学习网络。他能够较好地协调适应性，稳定性和复杂性的要求。在ART网络中，通常需要两个功能互补的子系统相互作用，这2个子系统称为注意子系统和取向子系统。ART网络主要用于模式识别，他不足之处是在于对转换、失真和规模变化较敏感。第三，RBF神经网络。RBF神经网络是径向基神经网络，它与BP网络类似，是一种三层前馈网络。网络拓扑结构如图5所示。第一层为输入层，节点数由输入信号的维数确定，输入层到隐含层的权值固定为1，即将输入信号直接传递到隐含层的输入端。第二层为隐含层，节点数视所描述问题的需要而定。从输入空间到隐含层空间的变换是非线性的，这种非线性映射通过径向基函数实现，该函数沿中心点径向对称，随着与中心点距离的增大而输出值逐步减小，是一种局部作用的函数。第三层为输出层，对输入模式的作用做出响应，是隐含层输出值的线性组合。第四，Hopfield神经网络。Hopfield网络是最典型的反馈网络模型，他是且前人们研究得最多的模型之一。HopfIeld网络是由相同的神经元构成的单层全互连含有对称突触连接并且不具学习功能的自联想网络。这个网络可以完成最优化计算和联想记忆等功能。3人工神经网络的应用经过几十年的发展，人工神经网络以其独特的结构和处理信息的方法,在自动控制、图像处理、模式识别、传感器信号处理、机器人控制、信号处理、数据挖掘、电力系统、军事、交通、农业和气象等许多实际应用领域展现出了卓越性能。下面介绍神经网络在一些领域中的应用现状。3.1在信息领域中的应用人工神经网络在信息领域中的应用主要体现在信息处理和模式识别两个方面。由于科技的发展，当代信息处理工作越来越复杂，利用人工神经网络系统可以对人的思维进行模仿甚至是替代，面对问题自动诊断和解决，能够轻松解决许多传统方法无法解决的问题，在军事信息处理中的应用极为广泛[4]。模式识别是对事物表象的各种信息进行整理和分析，对事物进行辨别和解释的一个过程，这样对信息进行处理的过程与人类大脑的思维方式很相像。模式识别的方法可以分为两种，一种是统计模式识别，还有一种是结构模式识别，在语音识别和指纹识别等方面得到了广泛的应用。3.2在医学领域的应用人工神经网络对于非线性问题处理十分有效，而人体的构成和疾病形成的原因十分复杂，具有不可预测性，在生物信号的表现形式和变化规律上也很难掌握，信息检测和分析等诸多方面都存在着复杂的非线性联系，所以应用人工神经网络决解这些非线性问题具有特殊意义[5]。目前，在医学领域中的应用涉及从基础医学到临床医学的各个方面，最主要的是生物信号的检测和自动分析以及医学专家系统等方面的应用。3.3在经济领域中的应用经济领域中的商品价格、供需关系、风险系数等方面的信息构成也十分复杂且变幻莫测，人工神经网络可以对不完整的信息以及模糊不确定的信息进行简单明了的处理，与传统的经济统计方法相比具有其无法比拟的优势，数据分析的稳定性和可靠性更强。3.6人工神经网络在心理学领域的应用从神经网络模型的形成开始，它就与心理学就有着密不可分的联系。神经网络抽象于神经元的信息处理功能，神经网络的训练则反映了感觉、记忆、学习等认知过程。人们通过不断地研究，变化着人工神经网络的结构模型和学习规则，从不同角度探讨着神经网络的认知功能，为其在心理学的研究中奠定了坚实的基础。近年来，人工神经网络模型已经成为探讨社会认知、记忆、学习等高级心理过程机制的不可或缺的工具。人工神经网络模型还可以对脑损伤病人的认知缺3.4在其他领域的应用人工神经网络在控制领域、交通领域等方面都有很广泛的应用，能够对高难度的非线性问题进行处理，对交通运输方面进行集成式的管理，以其高适应性和优秀的模拟性能解决了许多传统方法无法解决的问题，促进了各个领域的快速发展。4结束语经过几十年的发展的研究,神经网络目前已成为一门日趋成熟、应用面日趋广泛的学科。本本文首先介绍了人工神经网络的基本概念、原理，对人工神经网络的发展历史作了回顾；,简要介绍了人工神经网络的结构,详细阐述了常用几种网络的应用范围和优缺点。最后,对人工神经网络的发展和应用作了展望。人工神经网络以其独特的作用,随着各个方面的研究不断深入,其发展和应用空间必将日益广阔。参考文献[1]王辉.人工神经网络的研究与发展综述[J].电脑知识与技术,2008(30):.[2]毛健,赵红东,姚婧婧.人工神经网络的发展及应用[J].电子设计工程,2011.[3]王磊.人工神经网络原理、分类及应用[J].科技资讯,2014().[4]梁烨妮.人工神经网络的发展及应用[J].电力情报,2014()[5]张红兰.人工神经网络技术的应用现状分析[J].现代电子技术,2004(15)[6]关于人工神经网络的应用研究[J].电脑知识与技术,2014(2)[7]朱大奇.人工神经网络研究现状及其展望[J].江南大学学报(自然科学版),2004,3(1):[8]柴燕茹,马岩.浅谈BP人工神经网络[J].学理论,2008,[9]高晓红.ART神经网络的发展与应用[J].电脑知识与技术,2007(20):[10]曲杨,宫爱玲.三种常用的人工神经网络[J].内江科技,2008,