人工智能论文

本文档如对你有帮助，请帮忙下载支持！湖南理工学院人工智能课程论文题目：模式识别及人工神经网络课程名称：人工智能院系：计算机学院专业班级：姓名：学号:课程论文成绩：指导教师：2016年6月26日模式识别及人工神经网络摘要:人工神经网络是指模拟人脑神经系统的结构和功能,运用大量的处理部件,由人工方式建立起来的网络系统。该文首先介绍了神经网络研究动向，然后介绍了近年来几种新型神经网络的基本模型及典型应用,包括模糊神经网络、神经网络与遗传算法的结合、进化神经网络、混沌神经网络和神经网络与小波分析的结合。最后,根据这几种新型神经网络的特点,展望了它们今后的发展前景。[2]关键词:模糊神经网络;神经网络与遗传算法的结合;进化神经网络;混沌神经网络；神经网络与小波分析。Patternrecognitionandartificialneuralnetwork本文档如对你有帮助，请帮忙下载支持！Abstract:Artificialneuralnetworkisthesystemthatsimulatesthehumanbrain’sstructureandfunction,andusesalargenumberofprocessingelements,andismanuallyestablishedbythenetworksystem.Thispaperfirstlyintroducestheresearchtrendsoftheneuralnetwork,andthenintroducesseveralnewbasicmodelsofneuralnetworksandtypicalapplicationsinrecentyears,includingoffuzzyneuralnetwork,thecombineofneuralnetworkandgeneticalgorithm,evolutionaryneuralnetworks,chaoticneuralnetworksandthecombineofneuralnetworksandwaveletanalysis.Finally,theirfutureprospectsarepredictedbasedonthecharacteristicsofthesenewneuralnetworksinthepaper.Keywords:Fuzzyneuralnetwork;Neuralnetworkandgeneticalgorithm;Evolutionaryneuralnetworks;Chaoticneuralnetworks;Neuralnetworksandwaveletanalysis1什么是人工神经网络？所谓人工神经网络就是模仿生物大脑的结构和功能而构成的一种信息系统计算机，人士地球上具有最高智慧的动物，而人的指均来自大脑，人类靠大脑进行思考，联想，记忆和推理判断等，这些功能是任何被称为“电脑”的一般计算机所无法取代的，长期以来，许多科学家一直致力于人脑内部结构和功能的探讨和研究，并试图建立模拟人脑的计算机，虽然到目前对大脑的内部工作机理还不是完全清楚，但对其结构有所了解。粗略地讲，大脑是由大量神经细胞或者神经元组成的，每个神经元可看作是一个小的处理单元，这些神经元按某种方式连接起来，形成大脑内部的生理神经元网络。这种神经元网络中各神经元之间联结的强弱，按外部的激励信号做自适应变化，而每个神经元又随着所接收到的多个信号的综合大小而呈现兴奋或抑制状态。1.1人工智能网络的发展（1）初期（萌发）期---MP模型的提出和人工升级网络的兴起--1943年，美国神经生理学家WarrenMcculloch和数学家WalterPitts合写了一篇关于神经元如何工作的开拓性文章：“ALogicalCalculusofIdeasImmanentinNervousActivity”。该文指出，脑细胞的活动就像各种逻辑运算。本文档如对你有帮助，请帮忙下载支持！[3]（2）第一次高潮期------感知器模型和人工神经网络--1957年，计算机专家FrankRoseblatt开始感知器的研究，并制成硬件，通常被认为是最早的神经网络模型。（3）反思期----神经网络的低潮--1969年,MarvinMinsky和SeymourPapert合著了一本书“Perception”，分析了当时的简单感知器，指出它有非常严重的局限性，甚至不能解决简单的“异或”问题，为Rosenblatt的感知器判了“死刑”，此时，批评的声音高涨，导致停止对人工神经网络研究所需要的大量投资。（4）第二次高潮期-------Hopfield网络模型的出现和神经网络的复苏。---1982年，JohnHopfield向美国科学家递交了有关神经网络的工作，其中特别强调了每种模型的实用性，根据对神经网络的数学分析和深入理解，Hopfield揭示了以往的网络是如何工作的，可以做些什么，并提出了他自己的模型。，能从失真的或不完善的数据图像中完整的数据图像，引起了美国军方的兴趣。再认识与应用研究。1.2神经网络模式识别的基本方法不同输出，然后用该网络识别未知的样本，根据各样本所对应的网络输出情况来划分未知样本的类别。神经网络进行模式识别的一般步骤如图2-1所示分为如下几个部分。（1）、样本获取这一步骤主要是为了得到一定数量的用于训练和识别的样本。（2）、常规处理其作用相当于传统模式识别中的数据获取和常规处理两步的功能。即通过对达。（3）、特征变换本文档如对你有帮助，请帮忙下载支持！样本的特征表达。以上两步构成了神经网络模式识别中的预处理过程。这一步骤与选择的要求也有所不同。（4）、神经网络识别直到网络的输出特性与期望的相符合。(测试样本)通过网络映射到不同的类别。1.3神经网络的优点神经网络获得迅速发展，应用来领域越来越广，解决实际问题的能力也越来越强，这是神经网络的优良性能以及对国民经济所起的重大作用所决定的。具体说，神经网络具有以下优点：（1）分布存储和容错性部分对信息的存储有等势作用。这种分布式存储算法是存储区与运算区合为一体络输入解。当然在信息输出时也还要经过一种处理。而不是直接从记忆中取出。这种存重要的智慧形式。（2）大规模并行处理大量单元中平行而又有层次地进行运(神本文档如对你有帮助，请帮忙下载支持！经脉冲)1秒内即可作出对外界事物的判断和决策、这就是能神奇地完成所谓“百步”决策。这按照现有传统的计算机及人工智能技术目前还是做不到的。（3）自学习、自组织和自适应性息处理的要求。的相加，而表现出一般复杂非线性动态系统的特性。如不可预测性、不可逆性、有各种类型的吸引子(信息正是“存储”在定点吸引子)和出现混沌现象等。正是清楚和推理规则不明确的问题。例如语音识别和识别、医学诊断以及市场估计等都是具有复杂非线性和不确定性对象的控制。在那里(按照学习法则)2人工神经网络的基本原理2.1神经细胞以及人工神经元的组成关键区别在于具有产生、处理和传递信号的功能。每个神经元都包括三个主要部分:轴突的功能是传出从细胞体送来的信息。每个神经细胞所产生和传递的基本信息是兴奋或抑制。在两个神经细胞之间的相互接触点称为突触。从信息的传递过程来看，一个神经细胞的树突，在突触处从其他神经细胞接受信号。这些信号可能是兴奋性的，也可能是抑制性的。所有树突接受到的信号都传到细胞体进行综合使该细胞被激活，而产生一个脉冲信号。这个信号将沿着该细胞的轴突传送出去并通过突触传给其他神经细胞.神经细胞通过突触的联接形成神经网络。人们正是本文档如对你有帮助，请帮忙下载支持！思维行为进行研究:尝试从理性角度阐明大脑的高级机人工神经元的主要结构单元间的联接度由联接权值体现在人工神经网络中，改变信息处理过程及其能力，就是修改网络权值的过程。目前多数人工神经网络的构造大体上都采用如下的一些原则:1、由一定数量的基本单元分层联接构成;2、每个单元的输入、输出信号以及综合处理内容都比较简单;3、网络的学习和知识存储体现在各单元之间的联接强度上。2.2人工神经元的模型神经元是人工神经网络的基本处理单元，它一般是一个多输入/单输出的非常还加有一个额外输入信号、称为偏差(bais)r个输入分量的神经元如图2-2所Pj(j=1,2,...r)通过与和它相乘的权值分量Wj(j=1,2,...r)相连以rj1WjPjf()的输入。激活函数的另一个输入是神经元的偏差b,权值Wj和输入分量的矩阵形式可以由W的行矢量以及P的列矢量来表示:W=[w1,w2,w3...wr]P=[p1,p2,p3...pr]神经网络的联接形式：人脑中大量的神经细胞都不是孤立的，而是通过突触形式相互联系着，构成结构与功能十分复杂的神经网络系统。为了便于从结构出发模拟智能，因此必须将一定数量的神经元适当地联接成网络，从而形成多种神经网络模型。本文档如对你有帮助，请帮忙下载支持！属于以神经元为节点，以及节点间有向连接为边的一种图，其结构大体上可分为层状和网状两大类。层状结构的神经网络是由若干层组成，每层中有一定数量的神经元，相邻层中神经元单向联接，一般地同层内的神经元不能联接的神经网络中，任何两个神经元之间都可能双向联接。3神经网络在数字识别中的应用神经网络模型用于模拟人脑神经元活动的过程。其中包括对信息的加工、处:（1）神经网络具有分布式存储信息的特点。它存储信息的方式与传统的计算布式存储方式即使当局部（2）神经网络对信息的处理及推理的过程具有并行的特点。每个神经元都可并行推理的特点。（3）神经网络对信息的处理具有自组织、自学习的特点。神经网络中各神经元之间的连接强度用权程。目前,从理论探讨为主发展到大量的实际本文档如对你有帮助，请帮忙下载支持！这种面向实时应用的模式识别问题促使人数字也使得这一古老的课题焕发出新的生命力。目前国际上有相当多的学者在研究这一课题，它包括了模式识别领域中所有典型的问题:数据的采集、处理及选择、输入样本表达的选择、模式识别分类器的选择以及用样本集对识别器的有指导的训练。人工神经网络为数字识别提供了新的手段。正是神经网络所具有的这种自组织自学习能力、推广能力、非线性和运算高度并行的能力使得模式识别成为目前神经网络最为成功的应用领域。4结束语人工智能网络的实现意味着要不断融合最新信息技术的发展成果，用创新型思维来实现新功能。但是已经取得了很可观的发展，在未来结合大家的努力和更加先进的技术，人工智能网络会发展的很好，会有一天模拟出高速独立思考的智能网络。参考文献：[1]王万良.人工智能及其应用[M].北京:高等教育出版社,2008:200[2]高隽.人工神经网络原理及其仿真实例机械工业出版社2007.2[3]徐丽娜.神经网络控制.2008.3