人工神经网络的发展及应用

1、人工神经网络的开发与应用西安邮电学院通信系洪西北电力设计院王龙一：2005-1-211人工神经网络开发1.1人工神经网络基础理论1.1.1神经生物学基础生物神经系统可以简单地看作是以神经元为信号的处理单元，是通过广泛的突触连接形成的信息处理组，其物质结构基础和功能单元是脑神经细胞，即神经元(neuron)。(1)神经元有三个主要功能作用动作：带信号的发送者、合并、输出，结构如图1所示。(2)突触是整个神经系统各单位之间的信号传输逆，构成各神经元之间的广泛连接。(3)大脑皮层的神经元连接模式是生物体遗传性和突触连接强度可塑性相互作用的产物，其变化是由先天遗传信息确定的整个框架下的有限自组织过程。

2、1.1.2建模方法神经元的数量在胎儿期已经固定，后天的大脑增长主要是指树突和轴突在神经细胞体中生长，形成突触连接。这是一般人工神经网络建模方法的生物学基础。人脑建模一般有两种方法：根据神经生物学模型方法，即显微神经生物学知识的积累，逐步说明脑神经系统的结构和机制，并在此基础上构建脑功能模型；神经计算模型方法，即建立近似数学模型，研究模型的动态特性，然后与实际对象进行比较(模拟处理方法)。1.1.3概念人工神经网络是利用物理秒模仿人脑神经系统结构和功能的新先锋医学系，其概念是T. Kohonen.pr的论述最具代表性。人工神经网络是一个由简单的处理单元(通常是适应性神经元，见模型图2)组成的并行

3、网络，其组织可以模拟生物神经系统对真实物体所做的事情。1.2人工神经网络开发人工神经网络研究始于20世纪40年代初。半个世纪以来，经历了上升、高潮、萧条、高潮、稳定发展的比较曲折的道路。1943年，心理学家W.S.Mcculloch和数学逻辑学家W.Pitts提出了M-P模型。这是第一个用数学语言描述大脑信息处理过程的模型。神经元的功能弱，但为以后的研究工作提供了依据。1949年，心理学家D.O.Hebb提出了突触联系可变的假设，根据这个假设提出的学习规律奠定了神经网络学习算法的基础。1957年，计算机科学家Rosenblatt提出了包含现代计算机若干原理的著名探测器模型，是第一个完美的人工神

4、经网络。(莎士比亚，Northern Exposure(美国电视剧)，计算机)1969年，美国著名人工智能学家M. Minsky和S. Papert写了一本书，名为Perceptron，影响力大，理论上不能解决其他问题，单层识别器的能力有限，并且此后近10年神经网络研究进展缓慢。美国生物物理学家J.J.Hopfield在1982年，1984年美国科学院杂志上发表的两篇文章有力地推动了神经网络研究，掀起了神经网络研究的另一股热潮。1982年，他提出了一种新的神经网络模型hopfield网络模型。1984年，他还提出了网络模型实现的电子电路，为神经网络的工程实现指明了方向。为了适应人工神经网络的发

5、展，决定于1987年建立国际神经网络学会，定期召开国际神经网络学术会议。进入90年代，世界各国开始开发面向21世纪的新一代智能计算机“右脑”型计算机，即第四代计算机。2人工神经网络应用人工神经网络可以模仿人脑的并行信息处理方式，具有惊人的自学、思维、推理、判断、记忆功能。表示：1人工神经网络具有并行处理机制，因此具有快速准确的信息处理能力，因为其信息处理在大量信息单元中并行进行。具有惊人的自学能力，不需要任何程序就能获得学习知识。输入的信息不完整，即使不准确，也能得到正确的结果。也就是说，有适应，自我组织能力。具有独特的信息存储能力。数据和知识不是存储在内存中，而是存储在神经元之间的网络中，即

6、使节点中断，也有重建的能力。人工神经网络以其独特的结构和信息处理方法在许多实际应用领域取得了明显的成果一些现有的计算机可以解决非常困难甚至无法解决的问题(1)可以处理组合优化问题。人工神经网络应用于组合化问题的最典型的例子是成功解决TSP问题，即旅行推销员问题。此外，还可以解决很多组合优化问题，例如最大匹配、包装问题和作业调度。(2)可以进行模式识别。到目前为止，在模式识别领域，神经网络方法已成功地用于手写文字(英语、汉字、数字)、汽车牌照、指纹、语音识别等。也可以用于对象的自动识别和对象的方向、电子战、机器人的传感器、卫星检测系统等图像识别和地震信号识别等。(3)图像处理。人工神经网络可以对

7、图像进行边缘检测、图像分割、图像压缩和图像修复。(4)在自动控制中的应用：有访问能力和学习能力。如果可以近似非线性函数，青霉素(或菌丝体)供给发酵的生物量估算等非线性系统的识别和控制广泛应用。适用于自适应控制和自身曹征控制(例如应用于多目标跟踪系统)，作为飞行系统的重要功能，可以用作各种机器人、自动战斗车辆、自动跟踪射击系统、自动刘涛导弹等命中率高的火控系统和遥控飞机等。(5)在机器人控制中的应用。人工神经网络可以通过调整机器人眼手系统的位置来调节。(6)可用于信号处理。可以分别对通信、语音、心电图、脑信号进行分类。可用于海底声纳信号的检测和分类，适用于反潜、扫雷等。利用人工神经网络，可以克服

8、现有信号处理方法中存在的信道多样化、多径干扰、高斯分布数据适应性差异、高分辨率估计计算量、工程难度等问题。应用信号检测时，多普勒频段的适应性更好。应用于目标分类时分辨率高。(7)在其他方面的应用：经济领域：可以对商品价格、股价和企业的可信度等进行短期预测。化学领域：可以分析制药、生化、化学工程等。例如，可以进行蛋白质结构分析、光谱分析、化学反应分析等。保健中可以进行废水处理、蛋白质分类、假肢控制等。可以建立医疗专家系统。磁共振扫描可以用作病变区域检测。军事领域：在大量移动传感器平台上接收和融合数据，才能实现监视和目标、攻击的目的、智能指挥、决策系统和安全系统。可以监视和检测飞机、汽车，随时报告

9、可能发生的故障，进行紧急处理。普通探测器可以检测难以探测的塑料地雷，并检测机场货物是否含有爆炸物。人工神经网络是一门正在发展的学科，应用在很多领域并不意味着它已经是一门很成熟的学科。它还有很多缺点。理论限制主要表现为：(1)仅限于脑科学现有的研究成果。由于生理实验的困难，目前对人类大脑思维和记忆机制的认识还很浅，对大脑神经网络的运行和神经细胞内部处理机制的认识还不多。(2)完整成熟的理论体系尚未建立。目前提出的许多人工神经网络模型通常是由节点和互连组成的直接拓扑网络，是由节点间互连强度组成的矩阵，可以通过任何学习策略来构建。但是，这种共性不足以形成完整的体系。因为这种学习策略不统一于任何数学公理，也不统一于任何自然界的重大发现。(莎士比亚)。(3)与技术的接口不成熟。传统的计算技术不能替代数字计算、逻辑计算，已经积累了丰富的软件资源，解决了很多领域的应用。人工神经网络技术决不能渡边杏全面替代，在某些方面可以补充，还必须解决与现有技术的接口，以促进自己的发展，通过渗透战略扩大自己的应用。(莎士比亚，北境外)。(4)应用和实现限制。人工神经网络不适合进行高精度计算和类似顺序数的工作，人工神经网络的开发需要克服时间域顺序处理的困难，实现仅限于当时的硬件技术水平。随着第六代计算机和神经元芯片的开发，人们迎来了发展人工神经