人工神經網路定義論文

人工神經網路定義論文

　　神經網路是在對人腦思維方式研究的基礎上，將其抽象模擬反映人腦基本功能的一種並行處理連線網路。小編為大家整理的論文，希望大家喜歡。

　　摘 要

　　人工神經網路是近年來迅猛發展的前沿課題，它對突破現有科學技術的瓶頸起到重大的作用。本文剖析了人工神經網路的特徵、模型結構以及未來的發展趨勢。

　　【關鍵詞】人工神經網路 神經元 矩陣

　　1 人工神經網路概述

　　人工神經網路(ANN)是一種用計算機網路系統模擬生物神經網路的智慧神經系統，它是在現代神經生物學研究成果的基礎上發展起來的，模擬人腦資訊處理機制的一種網路系統，它不但具有處理數值資料的計算能力，而且還具有處理知識的學習、聯想和記憶能力。

　　人工神經網路模擬了大腦神經元的組織方式，反映了人腦的一些基本功能，為研究人工智慧開闢了新的途徑。它具有以下基本特徵：

　　1.1 並行分佈性

　　因為人工神經網路中的神經元排列並不是雜亂無章的，往往是以一種有規律的序列排列，這種結構非常適合平行計算。同時如果將每一個神經元看作是一個基本的處理單元，則整個系統可以是一個分散式處理系統，使得計算快速。

　　1.2 可學習性和自適應性

　　一個相對很小的人工神經網路可儲存大量的專家知識，並能根據學習演算法，或利用指導系統模擬現實環境(稱為有教師學習)，或對輸入進行自適應學習(稱為無教師學習)，可以處理不確定或不知道的事情，不斷主動學習，不斷完善知識的儲存。

　　(3)魯棒性和容錯性

　　由於採用大量的神經元及其相互連線，具有聯想對映與聯想記憶能力，容錯性保證網路將不完整的、畸變的輸入樣本恢復成完整的原型，魯棒性使得網路中的神經元或突觸遭到破壞時網路仍然具有學習和記憶能力，不會對整體系統帶來嚴重的影響。

　　1.3 泛化能力

　　人工神經網路是大規模的非線性系統，提供了系統協同和自組織的潛力，它能充分逼近任意複雜的非線性關係。如果輸入發生較小變化，則輸出能夠保持相當小的差距。

　　1.4 資訊綜合能力

　　任何知識規則都可以透過對範例的學習儲存於同一個神經網路的各連線權值中，能同時處理定量和定性的資訊，適用於處理複雜非線性和不確定物件。

　　2 人工神經網路模型

　　神經網路是在對人腦思維方式研究的基礎上，將其抽象模擬反映人腦基本功能的一種並行處理連線網路。神經元是神經網路的基本處理單元。

　　在神經網路的發展過程中，從不同角度對神經網路進行了不同層次的描述和模擬，提出了各種各樣的神經網路模型，其中最具有代表性的神經網路模型有：感知器、線性神經網路、BP網路、自組織網路、徑向基函式網路、反饋神經網路等等。

　　3 神經元矩陣

　　神經元矩陣是神經網路模型的一種新構想，是專門為神經網路打造的一個矩陣，它符合神經元的一切特徵。

　　神經元矩陣採用矩陣形式，它可為n維向量組成。引入向量觸頭和信使粒的概念，向量觸頭可生長，即長度可變，方向可變，信使粒可“遊蕩”在矩陣中，建立各種聯絡。如圖1即是神經元矩陣模型

　　(1)容器可產生一種無形的約束力，使系統得以形成，容器不是全封閉的，從而保證系統與外界的溝通和互動;各向量間可用相互作用的力來聯絡，而各個信使粒則受控於容器、中空向量以及其它的信使粒。各神經元之間自主互動，神經元矩陣是一種多層次的管理，即一層管理一層。系統具有明顯的層級制和分塊制，每層每塊均獨立且協同工作，即每層每塊均含組織和自組織因素。

　　(2)向量觸頭是中空的，信使粒可以透過向量或儲存於向量中，所以又稱為中空向量。向量儲存了信使粒後，可以吸引更多的信使粒在附近，或使鄰近向量轉向、伸長，進而形成相對穩定的資訊通路。

　　(3)當兩條或更多的資訊通路彙集時，可能伴隨著通路的增強、合併，以及信使粒的聚集、交換，這是神經元矩陣運算的一種主要形式。通路的.形成過程，也就是是神經元矩陣分塊、分層、形成聯接的過程，也為矩陣系統宏觀管理、層級控制的實現奠定了基礎。

　　神經元矩陣亦是一種具有生物網路特徵的數學模型，綜合了數學上矩陣和向量等重要概念，是一種立體的矩陣結構。尤其是將矩陣的分塊特性和向量的指向特徵結合起來，更好的體現了神經網路的整體性和單元獨立性，系統的組織和自組織特徵也更為凸顯。信使粒以“點”的數學概念，增強了系統的資訊特徵，尤其是增強了矩陣的儲存和運算功能。

　　4 人工神經網路的發展趨勢

　　人工神經網路是邊緣性交叉科學，它涉及計算機、人工智慧、自動化、生理學等多個學科領域，研究它的發展具有非常重要意義。針對神經網路的社會需求以及存在的問題，今後神經網路的研究趨勢主要側重以下幾個方面。

　　4.1 增強對智慧和機器關係問題的認識

　　人腦是一個結構異常複雜的資訊系統，我們所知道的唯一智慧系統，隨著資訊理論、控制論、計算機科學、生命科學的發展，人們越來越驚異於大腦的奇妙。對人腦智慧化實現的研究，是神經網路研究今後的需要增強的地發展方向。

　　4.2 發展神經計算和進化計算的理論及應用

　　利用神經科學理論的研究成果，用數理方法探索智慧水平更高的人工神經網路模型，深入研究網路的演算法和效能，使離散符號計算、神經計算和進化計算相互促進，開發新的網路數理理論。

　　4.3 擴大神經元晶片和神經網路結構的作用

　　神經網路結構體現了結構和演算法的統一，是硬體和軟體的混合體，神經元矩陣即是如此。人工神經網路既可以用傳統計算機來模擬，也可以用積體電路晶片組成神經計算機，甚至還可以生物晶片方式實現，因此研製電子神經網路計算機潛力巨大。如何讓傳統的計算機、人工智慧技術和神經網路計算機相融合也是前沿課題，具有十分誘人的前景。

　　4.4 促進資訊科學和生命科學的相互融合

　　資訊科學與生命科學的相互交叉、相互促進、相互滲透是現代科學的一個顯著特點。神經網路與各種智慧處理方法有機結合具有很大的發展前景，如與專家系統、模糊邏輯、遺傳演算法、小波分析等相結合，取長補短，可以獲得更好的應用效果。

　　參考文獻

　　[1]鍾珞.饒文碧.鄒承明著.人工神經網路及其融合應用技術.科學出版社.