人工神经网络课程论文.doc

《人工神经网络课程论文.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、浅谈人工神经网络一、人工神经网络的发展1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1984年，美国加州工学院物理学家J.J.Hopfield提出了连续时间Hopfield神经网络模型，为神经计算机的研究做了开拓性的工作，开创了神经网络用于联想记忆和优化计算的新途径，有力地推动了神经网络的研究，1986年进行认知微观结构地研究，提出了并行分布处理的理论。近20年来，神经网络的软件模拟得到

2、了广泛研究和应用，发展速度惊人。二、人工神经网络的原理人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为“神经网络”或类神经网络。神经网络是一种运算模型，由大量的节点（或称“神经元”，或“单元”）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activationfunction）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重（weight），这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是

3、对一种逻辑策略的表达。它的构筑理念是受到生物（人或其他动物）神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法（LearningMethod）得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势。三、人工神经网络的应用范围及热点计算机人工神经

4、网络是一门应用广泛，涉及多学科交叉、综合的前沿学科。人工神经网络是在对人脑神经网络的基本研究的基础上，采用数理方法和信息处理的角度对人脑神经网络进行抽象，并建立的某种简化模型。突破了传统的以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模拟人脑智能行为能力的一大飞跃。神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织以及非线性映射等优点的神经网络与其他技术的结合以及由此而来的混合方法和混合系统，已经成为一大研究热点。由于其他方法也有它们各自的优点，所以将神经网络与其他方法相结合，取长补短，继而可以获得

5、更好的应用效果。目前这方面工作有神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。四、人工神经网络的应用举例1、在麻醉与危重医学上的应用在麻醉与危重医学相关领域的研究涉及到多生理变量的分析与预测，从临床数据中发现一些尚未发现或尚无确切证据的关系与现象，信号处理，干扰信号的自动区分检测，各种临床状况的预测，单独或结合其他人工智能技术进行麻醉闭环控制等，在围术期和重症监护与治疗阶段，需要获取大量的信息，将可能在信号处理、基于动态数据驱动的辅助决策专家系统、数据挖掘、各种临床状况的预测、智能化床旁监护、远程医疗与教学、医疗机器人等

6、各方面广泛运用到人工神经网络技术和其他人工智能技术。2、在图书版权交易过程中的应用假定中介已经通过与国外出版商联系得到最新的图书出版信息，并且掌握一些历史数据，也就是过去的版权交易记录。实现前提：一个存储以往交易信息的数据库；一个存储空间保存神经网络训练得到的记忆信息；支持软件，以调用神经网络进行新书信息处理。开始训练神经网络，经过反复训练结束后，将神经网络的系数进行保存，以便日后根据需要调用。每次交易活动成功后即更新数据库，并定时重新训练神经网络，以便更加真实准确地逼近出版社对版权的需求，提高交易成功率。3、神经网络型继电保护应用神经网络理论的保护装置，可判别更复杂的模式，其

7、因果关系是更复杂的、非线性的、模糊的、动态的和非平稳随机的。它是神经网络与融为一体的神经网络专家系统，其中，神经网络是数值的、联想的、自组织的、仿生的方式，专家系统是认知的和启发式的。神经网络保护装置出厂后，还可以在投运单位如网调、省调实验室内进行学习，学习内容针对该省的保护的特别要求进行（如反措）。到现场，还可根据该站的干扰情况进行反误动、反拒动学习，特别是一些常出现波形间断的变电站内的高频保护。 综上所述，人工神经网络的应用范围很广，目前虽然发展不够成熟但发展潜力巨大。