人工神经网络的发展及应用

浅谈神经网络发展及其应用〔摘要〕本文介绍了人工神经网络理论发展的历史和在各个领域的应用,神经网络是一门活跃的边缘性交叉学科,研究它的发展过程和应用,具有重要的理论意义。〔关键词〕人工智能发展应用一、引言人工神经网络是目前国际上一门发展迅速的前沿交叉学科。它是模拟生物神经结构的新型计算机系统。人工神经网络的研究始于上世纪40年代初，半个多世纪以来，经历了兴起、高潮、反思、再高潮及稳步发展的曲折道路，目前己有广泛的应用。二、神经元模型的提出人工神经网络(ARTIFICIALNECRALNETWORK，简称A。N。N。)是在对人脑组织结构和运行机智的认识理解基础之上模拟其结构和智能行为的一种工程系统。早在上个世纪40年代初期，心理学家McCulloch、数学家Pitts就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论的研究时代。其后，F。Rosenblatt、Widrow和Hopf、J。J。Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。神经网络是由大量的处理单元(神经元)互相连接而成的网络。为了模拟大脑的基本特性，在现代神经科学研究的基础上，人们提出来人工神经网络的模型。神经元(神经细胞)是神经网络的基本处理单元。在人脑神经系统中，它是处理人体内各部分之间相万信息传递的基本单元。据神经生物学家研究的结果表明，人的一个人脑一般有10111010个神经元。每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支－树突组成。轴突的功能是将木神经元的输出信号(兴奋)传递给别的神经元。其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接受到的所有信号进行简单地处理(如:加权求和，即对所有的输入信号都加以考虑日_对每个信号的重视程度—体现在权值上—有所不同)后由轴突输出。神经元的树突与另外的神经元的神经末梢相连的部分称为突触。大脑之所以能够处理极其复杂的分析、推理工作，一方面是因为其神经元个数的庞人，另一方面还在于神经元能够对输入信号进行非线性处理。人工神经网络是一个并行、分布处理结构，它由处理单元及其称为联接的无向讯号通道万连而成。这些处理单元(PE-ProcessingElement)具有局部内存，并可以完成局部操作。每个处理单元有一个单一的输出联接，这个输出可以根据需要被分支成希望个数的许多并行联接，且这些并行联接都输出相同的信号，即相应处理单元的信号，信号的人小不因分支的多少而变化。处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作必须是完全局部的。也就是说，它必须仅仅依赖于经过输入联接到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的信。三、人工神经网络的基本特征人工神经网络是一个非线性的有向图，图中含有可以通过改变权大小来存放模式的加权边，并且可以从不完整的未知的输入找到模式。在人工神经网络中，由许多神经元组成的信息处理网络具有并行分布结构。每个神经元具有单一输出，并且能够与其它神经元连接。神经网络存在许多(多重)输出连接方法，每种连接方法对应一个连接权系数。严格地说，人工神经网络是一种具有下列特性的有向图:（1）对于每个节点i存在一个状态变录xi；（2）从节点j至节点i，存在一个连接权系统数wij；（3）对于每个节点i，存在一个阈值i；（4）对于每个节点i，定义一个变换函数fi（xi，wji，i），ij；对于最一般的情况，此函数取()iijijijfWX形式。四、人工神经网络的特点神经网络具有人规模的少日于处理和分布式的信息存储能力，并有良好的自适应、自组织性以及很强的学习功能、联想功能和容错功能。与当今的冯。诺依曼式计算机相比，更加接近人脑的信息处理模式。人工神经网络的特点和优越性，主要表现在三个方面:第一，具有自学习功能。例如实现图像识别时，只要先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，应用前景令人瞩目。第二，具有联想存储功能。人的大脑是具有联想功能的，如有人和你提起内蒙占，你就会联想起蓝天、白云和大草原。人工神经网络的反馈网络就可以实现这种联想。第三，具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。正是因为人工神经网络的结构特点和其信急存储的分布式特点，使得它相对于其它的判断识别系统，如:专家系统等，具有另一个显著的优点:健壮性。生物神经网络不会因为个别神经元的损失而失去对原有模式的记忆。最有力的证明是，当一个人的人脑因意外事故受轻微损伤之后，并不会失去原有事物的全部记忆。人工神经网络也有类似的情况。因某些原因，无论是网络的硬件实现还是软件实现中的某个或某些神经元失效，整个网络仍然能继续下作。人工神经网络同现行的计算机不同，是一种非线性的处理单元。只有当神经元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号。因此神经网络是一种具有高度非线性的超人规模连续时间动力学系统。它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。五、人工神经网络的应用领域4．1问题求解人工智能的第一大成就是下棋程序，在下棋程度中应用的某此技术，如向前看几步，把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术。今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择，人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。到日前为止，人工智能程序已能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。4．2逻辑推理与定理证明逻辑推理是人工智能研究中最持久的领域之一，其中特别重要的是要找到一些方法，只把注意力集中在一个大型的数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这此证明。对数学中臆测的题。定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力，而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化，因此，在人工智能方法的研究中定理证明是一个极其重要的论题。4．3自然语言处理自然语言的处理是人工智能技术应用实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人注目的成果。目前该领域的主要课题是:计算机系统如何以主题和对话情境为基础，注重大量的常识－世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。4．4智能信息检索技术受“()*”+(*)技术迅猛发展的影响，信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。4．5专家系统专家系统是日前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统。近年来，在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识，所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这此知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实。如在矿物勘测、化学分析、规划和医学诊断力面，专家系统已经达到了人类专家的水平。六、神经网络的研究趋势1利用神经生理与认知科学研究大脑思维模式及智能机理过程，并深入研究神经网络理论神经网络在一定程度上揭示人类智能和了解人脑的工作方式，由于人类对神经系统的了解非常有限，而且对其自身脑结构及其活动机理的认识不完善，故而神经网络只能是模仿人脑的局部功能，而对人脑作为一个整体的功能解释，神经网络起不到任何作用。神经科学，心理学和认识科学等方面提出的一些重大问题，是向神经网络理论研究提出的新挑战，这些问题的解决有助于完善和发展神经网络理论，因此利用神经生理和认知科学研究大脑思维及智能机理，如有新的突破将会改变智能和机器关系的认识。2神经网络领域的数学研究趋于重要随着神经科学基础理论研究的深入，用数理方程探索智能水平更高网络模型将是研究的趋势所在，神经元以电为主的生物过程在认识上一般采用非线性动力学模型，其动力演变过程往往是非常复杂的，神经网络这种强的生物学特征和数学性质，要求有更好的数学手段，而对于神经网络这样非线性模型，需要用数学方法研究网络新的算法和网络性能，如稳定性、收敛、容错性、鲁棒性等，开发新的网络数理理论，如神经动力学、非线性神经场等。研究人员断言一种更简洁、更完善和更有效的非线性系统表达与分析的数学方法是这一领域主要目标之一。3神经网络软件模拟、硬件实现的研究以及神经网络在各个科学技术领域应用的研究目前，数字计算机在计算方面的能力已远远超出人的大脑，但在自然语言理解、图像辨识、信息处理等方面都显得笨拙，原因是基于冯·偌依曼思想的计算机结构及其运算方式与人的大脑有本质的区别，而神经计算机第六代计算机以神经网络为理论基础，用于模拟神经网络，具有自学习、自组织和自适应能力，能更有效地处理复杂问题，其实现过程用光学、生物芯片的方式，现在光学神经计算机和分子计算机的研究是神经网络的前沿课题。4神经网络和其它算法结合的研究神经网络和其它算法的结合和交叉，研究新型神经网络模型也是发展方向之一。如神经网络和模糊逻辑结合，建立模糊神经网络;将混沌理论和神经网络结合建立混沌神经网络;将遗传算法和神经网络结合;利用遗传算法优化神经网络的结构或权值;将小波分析和神经网络结合建立小波神经网络;专家系统，贝叶斯学习以及粗集理论和神经网络结合等，这些都是神经网络研究的热点。七、结束语神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。迄今为止，在人工神经网络研究领域中，有代表性的网络模型已达数十种，而学习算法的类型更难以统计其数量。神经网络研究热潮的兴起是人类科学技术发展全面飞跃的一个组成部分，它与多种科学领域的发展密切相关。神经网络近年来已被广泛用于工业、商业和科技部门，特别用于模式识别、图象处理和信号辨识等领域。纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子、生命起源等科学领域的进程之中历经了崎岖不平之路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。参考文献：1.高隽，人工神经网络原理及仿真实例，北京：机械工业出版社，2003.72.楼顺天、施阳，基于Matlab的系统分析与设计模糊系统，西安：西安电子科技大学出版社，1999。3.闵惜琳、刘国华，用Matlab神经网络工具箱开发BP网络应用，计算机应用,2001(8)。4.戚德虎、康继昌，BP神经网络的设计，计算机工程与设计，1998(4)。5.吴秀清等，面向Matlab神经网络工具箱的图像数据融合算法及实现，计算机工程，2000(4)。