搜索
人工神经网络发展前景姓名单位摘要在分析人工神经网络的发展过程、基本功能、应用范围的基础上，着重论述了神经网络与专家系统、模糊技术、遗传算法、灰色系统及小波分析的融合。关键词英文摘要英文关键词1前言人工神经网络的发展起源于何时，说法不一。一般认为，其起源可追溯到WarrenWcCulloch和WalterPitts提出的MP模型。从此拉开了神经网络的序幕。20世纪50年代后期，FrankRosenblatt定义了一种以后常用的神经网络结构，称为感知器。这是人工神经网络第一个实际应用；20世纪60年代，BernardWidrow和TedHoff提出了一个新的学习算法用于训练自适应线性神经网络；20世纪70年代，Grossberg提出了自适应共振理论。他研究了两种记忆机制（短期记忆和长期记忆），提出了一种可视系统的自组织神经网络，这是一种连续时间竞争网络，是构成自适应谐振理论网络基础；20世纪80年代，Hopfield及一些学者提出了Hopfield网络模型，这是一种全连接的反馈网络。此外，Hinton等提出了Boltzman机。Kumellhart等人提出误差反向传播神经网络，简称BP网络。目前BP神经网络已成为广泛使用的网络。2应用现状神经网络以及独特的结构和处理信息的方法，在许多实际应用领域中取得了显著的成效，主要应用如下：1）信号处理。神经网络广泛应用于自适应信号处理和非线性信号处理中。前者如信号的自适应滤波、时间序列预测、谱估计、噪声消除等；后者如非线性滤波、非线性预测、非线性编码、调制/解调等。2）模式识别。神经网络不仅可以处理静态模式如固定图像、固定能谱等，还可以处理动态模式如视频图像、连续语音等。3）系统识别。基于神经网络的系统辨识是以神经网络作为被识对象的模型，利用其非线性特性，可建立非线性系统的静态或动态模型。4)智能检测。在对综合指标的检测（例如对环境舒适度这类综合指标检测）中，以神经网络作为智能检测中的信息处理联想等数据融合处理，从而实现单一传感器不具备的功能。5）汽车工程。神经网络在汽车刹车自动控制系统中也有成功的应用，该系统能在给定刹车距离、车速和最大减速度的情况下，以人体能感受到的最小冲击实现平稳刹车，而不受路面坡度和车重影响。6）化学工程。神经网络在光谱分析、判定化学反应的生成物、判定离子浓度及研究生命体中某些化合物的含量与生物活性的对应关系都有广泛应用并取得了一定成果。7）卫生保健、医疗。比如通过训练自主组合的多层感知器可以区分正常心跳和非正常心跳，基于BP网络的波形分类和特征提取在计算机临床诊断中应用。2神经网络与其他智能方法的融合2.1神经网络与专家系统的融合专家系统主张通过运用计算机的符号处理能力来模拟人的逻辑思维，其核心是知识的符号表示和对用符号表示的知识的处理。神经网络主张对人脑结构及机理开展研究，并通过大规模集成简单信息处理单元来模拟人脑对信息的处理。专家系统与人工神经网络两种技术都试图模仿人类的思维方式来解决实际问题，它们的应用使得计算机具有智能成为现实，解决了一大批工程实践中问题。然而，由于这两种技术自身的特点，它们都侧重于人类思维方式的某一方面。这样，在碰到结构上比较单纯的问题时，还可以比较成功地解决。当碰到结构上比较复杂的问题时，单纯使用一种技术就显得力不从心了。人类在很多情况下，都是多种思维方式并用，有时可能以逻辑思维为主，辅以直觉思维，有时可能以直觉思维为主，辅以逻辑思维进行解释。所以，专家系统与人工神经网络要想获得更大的应用，除了依靠自身的不断发展与完善以外，更要依靠这两种技术的不断结合，这也是这两种技术未来的发展方向。2.2神经网络与模糊技术的融合模糊计算是计算智能的另一个重要方面。作为智能化信息处理的方法和手段，模糊技术和神经网络技术各有各自的优势。模糊技术抓住了人类思维中模糊性的特点，以模仿人的模糊信息处理能力和综合判断能力的方式来处理常规数学方法难以解决的模糊信息处理难题，使计算机的应用得以扩展到了那些需要借助认得经验才能完善解决的问题领域，并在描述高层知识方面有其长处。而神经网络技术则以生物神经网络为模拟基础，以非线性大规模并行处理为主要特征，可以以任意精度逼近紧致集上的任意实连续函数，在诸如模式识别、聚类分析及计算机视觉等方面发挥着许多不可替代的作用，并在自适应及自学方面已显示出了不少新的前景和新的思路。将它们进行有机结合，则可有效地发挥出其各自的长处而弥补其不足，在工程应用领域更是如此)7(。3.3神经网络与遗传算法的融合遗传算法是一种借鉴自然界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。简单而言，它使用了群体搜索技术，将种群代表一组问题解，通过对当前种群施加选择、交叉和变异等一系列遗传操作，从而产生新一代的种群，并逐步使种群进化到包含近似最优解的状态。由于其思维简单，易于实现以及表现出来的健壮性，遗传算法在问题求解、优化和搜索、机器学习、智能控制、模式识别和人工生命等应用领域取得了许多令人鼓舞的成就。在人工神经网络的研究中，到目前为止应用最多的是前多层前馈网络。由于该算法采用误差导数知道学习过程，从本质上来说由于局部寻优算法，在存在较多局部极小的情况下容易陷入局部极小点，且不可避免地存在着学习精度与学习速度之间的矛盾。遗传算法是一种基于生物进化过程随机搜索的全局优化方法，它通过交叉和变异大大减少了初始状态的影响，使搜索得到最优结果而不停留在局部最小处。遗传算法在神经网络中应用主要反映在网络的学习、网络的结构设计、网络的分析三个方面。3.4神经网络与灰色系统的融合灰色系统能够以系统的离散时序建立连续时间模型，适合于解决无法用传统数字精确描述的复杂系统问题，特别只对于那些很难甚至不可能获取完备信息的复杂系统。而神经网络的输出对于系统而言，其输出结果可以以某个精度逼近于一个固定的值，但由于误差的存在，使得输出结果会以某个值为中心上下波动。那么，将神经网络方法和灰色理论结合起来来解决复杂系统问题。就可取长补短。神经网络与灰色系统的结合方式主要有：（1）神经网络和灰色系统简单结合；（2）串联型结合；（3）用神经网络增强灰色系统；（4）用灰色系统辅助构造神经网络；（5）神经网络与灰色系统的完全融合。3.5神经网络与小波分析的融合小波神经网络将小波变换良好的时频局域化特性和神经网络的自学功能相结合，因而具有较强的逼近和容错能力。在结合方法上，可以将小波函数作为基函数构造神经网络形成小波网络，或者小波变换作为前馈神经网络的输入前置处理工具，即以小波变换的多分辨率特性对过程状态信号进行处理，实现信噪分离，并提出对加工误差影响最大的状态特性，作为神经网络的输入。小波神经网络在电机故障诊断等许多方面都有应用，但仍存在一些不足。从提取精度和小波变换实时性的要求出发，有必要根据实际情况构造一些适应应用需要的特殊小波基，以便在应用中取得更好的效果。结论近半个世纪来，许多具备不同信息处理能力的神经网络已被提出来并应用于许多信息处理领域，如模式识别、自动控制、信号处理、决策辅助、人工智能、土木工程领域等方面。但其理论分析方法和设计方法还有待于进一步发展。相信随着神经网络的进一步发展，其将在工程应用中发挥越来越大的作用。参考文献【1】钟守铭，刘碧森，王晓梅，范晓明.神经网络稳定性理论.北京：科学出版社，2008.【2】钟珞，饶文碧，邹成明.人工神经网络及其融合应用技术.北京：科学出版社，2007.【3】韩力群.人工神经网络教程.北京：北京邮电大学出版社，2006.【4】丁士圻，郭丽华.人工神经网络基础.哈尔滨：哈尔滨工程大学出版社，2008.【5】韩力群.人工神经网络理论、设计及应用.北京：化学工业出版社，2007.7【6】张代远.神经网络新理论与方法.北京：清华大学出版社，2006.11【7】夏红霞，周成龙，席铮.模糊数学在桥梁结构损伤评估系统中的应用.信息技术，2006.30（5）