神经网络技能总述

　　神经网络技能总述 1 导言 人工神经网络(Artificial Neural Network，ANN)简称为神经网络〔NN)， 是由很多的神经处理单元广泛地彼此衔接而构成的杂乱网络， 它是从微观结构和 功用上对人脑的简化、笼统和模仿。它具有大规模并行模仿处理、接连时刻动力 学和网络大局等特色， 躲藏大大进步作业速度。信息的存储体现在神经元之间连 接的散布上神经网络有很强的自适应和学习才能、鲁棒性和容错才能，然后躲藏 代替杂乱的传统算法， 使信号处理更挨近于人类的思想活动。神经网络的研讨涉 及很多学科范畴，这些范畴彼此结合、彼此浸透并彼此推进。 早在本世纪四十年代，人们己经开端了人工神经网络的研讨作业。1943 年， 心理学家 McCulloch 和数学家 Pitts 一同提出了神经元模型(MP 模型)，神经网 络科学的研讨从此开端。1957 年，Rosenblatt 规划出感知器，第一次把神经网 络的研讨付诸工程完成。我国关于神经网络的研讨起步于八十年代后期，1989 年 10 月在北京召开了一个非正式的神经网络会议。 1987 年 6 月在美国圣地亚哥召开了第一届国际神经网络会议，标志着神经 网络在国际规模内构成高潮。 美国国防部预研方案管理局于 1988 年 11 月开端一 项出资达数亿美元的开展神经网络及其使用研讨的方案， 并将依据神经网络的自 动方针辨认、声纳信号处理、语音辨认、地震勘探信号处理等作为为研讨的重中 之重，并以为这些是最有怀旧并能获得重大突破的使用范畴。现在，我国施行的 有关自然科学基金重大项目也将依据神经网络的智能信号处理作为要点研讨内 容。日本、法国、加拿大等国家也制订了相应方案开展神经网络，并将神经网络 在信号处理的使用研讨作为要点研讨方向。 2．神经网络的基本特征及模型 人工神经网络是由许多简略处理单元组成的网络， 每个处理单元或许有必定 量的部分存储器； 单元间由通讯通道相连，通讯通道上载稀有据以用于不同的目 的； 这种单元只对部分数据和由通讯通道传来的输入进行操作，而在人工神经网 络的练习中这种一贫如洗往往被放松。 2.1 神经网络的基本特征 神经网络之所以遭到人们的重视，首要是由于它具有如下特色： 1）学习才能。 学习才能是神经网络具有智能的重要体现，即通过练习课笼统出 练习样本的首要特征，体现出强壮的自适应才能。 2）散布式。在传统的串行运转体系核算机中，信息散布在独立的存储单元中， 任何部分内存的损坏都将导致整个信息的无效。而神经网络中，信息则涣散 散布在神经元的衔接上， 单个的衔接权值和神经元都没有多大的用处，但它 们组合起来， 就能从微观上反映出必定的信息特征。对单个神经元和衔接权 值的损坏， 并不会对信息特征形成太大的影响，体现了神经网络强壮的鲁棒 性（受搅扰时主动安稳的特性）和容错才能。在输入信号遭到必定搅扰时， 输出也不会有较大的畸变。 神经网络的信息散布特性，还使通过练习的神经 网络具有强壮的联想才能。 3）并行性。神经网络是对人脑结构和功用的模仿，但更侧重对结构的模仿。各 种神经元在处理信息时是各自独立的， 它们别离承受输入， 效果后发生输出。 这种并行核算的处理使得它有或许用于当令快速处理信息， 成为下一代智能 核算机的根底。 4）非线性。 神经网络可有用地完成输入空间到输出空间的非线性映射。寻求输 入到输出间的非线性联系模型，是工程界遍及面对的问题。对大部分无模型 的非线性体系，神经网络都能很好地模仿。因而，神经网络成为非线性体系 研讨的重要东西。 从上面几点躲藏看出， 神经网络的长处，也正是传统的依据串行核算机的符 号运算推理难以完成的。因而，神经网络遭到重视是必定的。 2.2 神经网络的分类 神经网络开展几十年来，构成了数十种网络，包含多层感知器，Kohomen 自 安排特征映射，Hopfield 网络，自适应共振理论，ART 网络，RBF 网络，及近年 来呈现的小波神经网络，概率神经网络，小脑模型神经网络等。这些网络，由于 结构不同，使用规模页各不相同。 人工神经网络模型有两种分类办法。依照神经元的衔接办法，神经网络可分 为前馈型与反应型两类。 依据网络网络不同， 神经网络又可分为接连性与离散型， 确认型与随机型，静态与动态网络。按学习办法分，神经网络分为有导师的学习 和无导师的学习。 2.3 神经网络的学习 人工神经网络的功用特性由其衔接的拓扑结构和突触衔接强度， 即衔接权值 决议。 神经网络躲藏通过对样本的学习练习，不断改动网络的衔接权值以及拓扑 结构， 以使网络的实践输出不断地挨近所希望的输出。神经网络的学习办法改动 权值的规矩称为学习规矩或学习算法。神经网络的学习算法一类是有导师学习， 一类为无导师学习。 有导师学习在学习练习进程中需求不断给网络成对供给一个 输入形式和一个希望网络正确输出的形式，称为“导师信号” 。当网络的输出与 希望的教师信号不符时，则调整权值，能发生所希望的输出。无导师学习需求不 断给网络供给动态输入信息， 网络能依据自有的学习规矩和这些输入信息调整权 值。这种形式中，网络的权值调整不取决于外来教师信号的影响，网络的学习评 价规范隐含于网络的内部。 3 人工神经网络的使用 人工神经网络以其共同的结构和处理信息的办法，在主动操控、止境处理、 形式辨认、传感器信号处理、机器人操控、信号处理、焊接、地舆、数据发掘、 电力体系、军事、交通、矿业、农业和气候等许多实践使用范畴展示出了卓越性 能。下面介绍几种常用神经网络的使用: 3.1 BP 神经网络的使用 BP 网络的使用大体有分类、函数迫临、优化猜测等方面。例如，心电图分 类和胃电图分类，对函数的最小二乘迫临，对工业进程或自然科学数据的拟合， 电力负荷或多媒体中信息流的猜测等等[9 ]。尤其是对时刻序列的猜测更有有用 价值，像国民经济和人口开展等核算都用 BP 网络来建模与拟合。由于 BP 网络 较简略， 因而在工业上得到广泛使用。在操控体系中,BP 网络作为一个神经元控 制部件， 躲藏用于设备的操控体系或信息流操控体系中。 BP 网络的长处[10 ]: BP 网络在分类与辨认方面的功用优胜，躲藏快速高效的对机械毛病进行确诊，比传 统的谱剖析确诊技能功率大大进步型。存在的缺少有: ① 网络的容错性和鲁棒 性差,难以确保在线实时机械毛病确诊、监测和预告的精准度。② BP 算法的收 敛速度较慢，且网络隐层节点个数的选取尚短少一致而宽厚的理论[11 ]。 3.2 ART 网络的使用 ART 网络在语音、止境、文字、辨认等形式辨认范畴的使用广泛[12 ]; 在 工业体系操控中也有使用，如用于毛病检测、毛病确诊、事端报警等杂乱生产流 程的质量操控; ART 网络还躲藏使用与数据发掘，从很多数据中查找并发现安稳 而有含义的形式。其长处是: 聚类效果好、安稳性强、关于环境改变有杰出的自 适应才能、算法简略高效。缺少之处:ART 网络为确认合理的确诊模型和参数， 网络结构须进一步学习和优化。 3.3 RBF 网络的使用 RBF 神经网络现已成功地使用于函数近似、 形式分类、 体系建模、 形式辨认、 信号处理等范畴。RBF 的长处是与其网络结构简略、非线性迫临才能强、收敛速 度快以及大局收敛等长处。RBF 在函数迫临方面还有许多方面需求进一步研讨， 特别是怎么选取径向基函数的个数、中心仍是要深入研讨的重要问题[13 ]。 3.4 Hopfield 网络的使用 Hopfield 是一种反应神经网络模型，具有在高度衔接下的神经网络依托集 体协同能自发发生核算行为。其使用范畴有止境辨认，加工车间调度，电力体系 最佳耗费核算，LSI 优化布局，线性体系模型参数估量，最佳调节器规划，电磁 场并行核算，并行运动估量等[14 ]。 Hopfield 网络的长处有：在线性规划问题中，霍普菲尔德回避了用纯数学 办法(单纯形法) 来研讨该问题。在模数转化时，一旦硬件电路完成后，如果在 输入端参加模仿电压值，那么在其几个神经元上当即(实时) 地显示出所对应的 输出数字信号。 3.5 含糊神经网络的使用 含糊神经网络调集了含糊理论和神经网络的长处，由其共同的使用特性，是 现在研讨的热门之一。 现在含糊神经网络在窑炉、工业机器人操控等范畴使用较 广[15 ]。其存在的问题有[16 ]: ① 自适应和自调整功用差，抗搅扰才能弱， 难以完成实时操控; ② 缺少有用的开发渠道，一贫如洗含糊神经网络的使用。 4 人工神经网络的开展与使用展望 跟着神经网络理论的不断深入开展，在信号处理、形式辨认、主动操控、优 化处理、 人工智能等范畴显示出优胜功用越来越受重视。但是人工神经网络还存 在缺陷和缺少，需进一步研讨和开展的有以下几个方面: 人工神经网络便是对人脑的模仿，跟着神经网络研讨的开展，人们对人脑部 分功用的知道已有很大的进步， 如视觉处理网络的研讨，对存储与回忆问题的研 究等都获得必定的成功。当神经网络理论的开展至今,现已客观要求有关数学领 域有必要有所开展， 并斗胆预期一种更简练、更完善和更有用的非线性体系表达与 剖析的数学办法是这一范畴数学开展的首要方针。 节操技能与科学技能是相得益彰的， 在科学技能不断推进节操技能开展的同 时， 节操技能也不断使科学技能加快开展。神经网络技能也要求神经网络节操技 术的不断开展， 由于现在在单片上集成上百个神经元已不能满意神经网络使用的 要求要。 因而， 神经网络的芯片节操技能也是神经网络技能需求开展的一个方面。 任何办法都有其局限性， 为了推进神经网络理论的开展，除了神经网络理论 自身要不断完善和开展，也要重视与其他科学的结合。如将量子力学、混沌理论 等学科与神经网络技能相结合，这也将是神经网络技能开展的方面之一。 5 结束语 通过半个多世纪的研讨， 神经核算现在已成为一门日趋老练、使用面日趋广 泛的学科。 本文首要对人工神经网络的开展前史作了回忆，扼要介绍了人工神经 网络的结构和特性，具体论述了常用几种网络的使用规模和优缺陷。最终，对人 工神经网络的开展和使用作了展望。人工神经网络以其共同的效果，跟着各个方 面的研讨不断深入，其开展和使用空间必将日益宽广。 参考文献 [1] 徐丽娜.神经网络操控［M］.北京：电子工业出版社，2003. [2] 韩力群.人工神经网络理论、规划及使用[M].北京：化学工业出版社，2004 [3] 张乃尧，阎普通.神经网络与含糊操控[M].北京：清华大学出版社，1998 [4] 王永骥，神经元网络操控[M].北京：机械工业出版社，1998 [5] 谢承泮，神经网络开展总述[J].科技情报开发与经济，2006, 12（16） [6] 周政 BP 神经网络的开展示状总述[J].山西电子技能，2008，2 [7] 李恒嵬，含糊神经网络研讨现状总述[J]辽宁科技学院学报，2010，6（2） [8] 吴新余. 人工神经网络的研讨与使用[J]. 电子工程师,1999, 3: 426. [9] 柴燕茹, 马 [10] 曲 岩. 浅谈 BP 人工神经网络[J]. 学理论,2008, 22: 39240. 杨, 宫爱玲. 三种常用的人工神经网络[J]. 内江科技, 2008, 12: 22223. 勇 . BP 神经网络在机械毛病确诊中的使用 [J]. 噪声与振荡操控 , 2008, 5: [11] 张新海 , 雷 95297. [12] 高晓红. ART 神经网络的开展与使用[J]. 电脑知识与技能, 2007 (20) : 5092526. [13] 郭 风, 王思选, 催赤军. 依据 RBF 神经网络的航空发动机毛病多断研讨[J ]. 航空计 算技能, 2007, 2 (37) :23226. [14] 郭 鹏. Hopfield 网络在优化核算中的使用[J]. 核算机仿线] 刘普寅. 含糊神经网络理论研讨总述[J]. 含糊体系与数学, 1998 (21) : 31233. [16] 焦李成. 神经网络体系理论[M]. 西安: 西安科技大学出版社, 1990.

上一篇:神经网络——最易懂最情绪的一篇文章
下一篇:鼓励函数有哪些？各有什么特色？