人工神經網路論文
人工神經網路論文
人工泛指人造的;人為的。下面是小編為你帶來的人工神經網路論文 ，歡迎閱讀。
人工神經網路的發展及應用
摘要隨著科學技術的發展，人工神經網路技術得到了空前的發展，並且在諸多領域得到了廣泛的應用，為人工智慧化的發展提供了強大的動力。人工神經網路的發展經歷了不同的階段，是人工智慧的重要組成部分，並且在發展過程中形成了自身獨特的特點。文章對人工神經網路的發展歷程進行回顧，並對其在各個領域的應用情況進行探討。
關鍵詞人工神經網路;發展;應用
隨著科學技術的發展，各個行業和領域都在進行人工智慧化的研究工作，已經成為專家學者研究的熱點。人工神經網路就是在人工智慧基礎上發展而來的重要分支，對人工智慧的發展具有重要的促進作用。人工神經網路從形成之初發展至今，經歷了不同的發展階段，並且在經濟、生物、醫學等領域得到了廣泛的應用，解決了許多技術上的難題。
1人工神經網路概述
關於人工神經網路，到目前為止還沒有一個得到廣泛認可的統一定義，綜合各專家學者的觀點可以將人工神經網路簡單的概括為是模仿人腦的結構和功能的計算機資訊處理系統[1]。人工神經網路具有自身的發展特性，其具有很強的並行結構以及並行處理的能力，在實時和動態控制時能夠起到很好的作用;人工神經網路具有非線性對映的特性，對處理非線性控制的問題時能給予一定的幫助;人工神經網路可以透過訓練掌握資料歸納和處理的能力，因此在數學模型等難以處理時對問題進行解決;人工神經網路的適應性和整合性很強，能夠適應不同規模的資訊處理和大規模整合資料的處理與控制;人工神經網路不但在軟體技術上比較成熟，而且近年來在硬體方面也得到了較大發展，提高了人工神經網路系統的資訊處理能力。
2人工神經網路的發展歷程
2.1 萌芽時期
在20世紀40年代，生物學家McCulloch與數學家Pitts共同發表文章，第一次提出了關於神經元的模型M-P模型，這一理論的提出為神經網路模型的研究和開發奠定了基礎，在此基礎上人工神經網路研究逐漸展開。1951年，心理學家Hebb提出了關於連線權數值強化的法則，為神經網路的學習功能開發進行了鋪墊。之後生物學家Eccles透過實驗證實了突觸的真實分流，為神經網路研究突觸的模擬功能提供了真實的模型基礎以及生物學的依據[2]。隨後，出現了能夠模擬行為以及條件反射的處理機和自適應線性網路模型，提高了人工神經網路的速度和精準度。這一系列研究成果的出現為人工神經網路的形成和發展提供了可能。
2.2 低谷時期
在人工神經網路形成的初期，人們只是熱衷於對它的研究，卻對其自身的侷限進行了忽視。Minskyh和Papert透過多年對神經網路的研究，在1969年對之前所取得的研究成果提出了質疑，認為當前研究出的神經網路只合適處理比較簡單的線性問題，對於非線性問題以及多層網路問題卻無法解決。由於他們的質疑，使神經網路的發展進入了低谷時期，但是在這一時期，專家和學者也並沒有停止對神經網路的研究，針對他們的質疑也得出一些相應的研究成果。
2.3 復興時期
美國的物理學家Hopfield在1982年提出了新的神經網路模型，並透過實驗證明在滿足一定的條件時，神經網路是能夠達到穩定的狀態的。透過他的`研究和帶動，眾多專家學者又重新開始了對人工神經網路方面的研究，推動了神經網路的再一次發展[3]。經過專家學者的不斷努力，提出了各種不同的人工神經網路的模型，神經網路理論研究不斷深化，新的理論和方法層出不窮，使神經網路的研究和應用進入了一個嶄新的時期。
2.4 穩步發展時期
隨著人工神經網路研究在世界範圍內的再次興起，我國也迎來了相關理論研究的熱潮，在人工神經網路和計算機技術方面取得了突破性的進展。到20世紀90年代時，國內對於神經網路領域的研究得到了進一步的完善和發展，而且能夠利用神經網路對非線性的系統控制問題進行解決，研究成果顯著。隨著各類人工神經網路的相關刊物的建立和相關學術會議的召開，我國人工神經網路的研究和應用條件逐步改善，得到了國際的關注。
隨著人工神經網路的穩步發展，逐漸建立了光學神經網路系統，利用光學的強大功能，提高了人工神經網路的學習能力和自適應能力。對非線性動態系統的控制問題，採取有效措施，提高超平面的光滑性，對其精度進行改進。之後有專家提出了關於人工神經網路的抽取演算法，雖然保證了精度，但也加大了消耗，在一定程度上降低了神經網路的效率，因此在此基礎上又提出了改進演算法FERNN。混沌神經網路的發展也得到了相應的進步，提高了神經網路的泛化能力。
3人工神經網路的應用
3.1 在資訊領域中的應用
人工神經網路在資訊領域中的應用主要體現在資訊處理和模式識別兩個方面。由於科技的發展，當代資訊處理工作越來越複雜，利用人工神經網路系統可以對人的思維進行模仿甚至是替代，面對問題自動診斷和解決，能夠輕鬆解決許多傳統方法無法解決的問題，在軍事資訊處理中的應用極為廣泛[4]。模式識別是對事物表象的各種資訊進行整理和分析，對事物進行辨別和解釋的一個過程，這樣對資訊進行處理的過程與人類大腦的思維方式很相像。模式識別的方法可以分為兩種，一種是統計模式識別，還有一種是結構模式識別，在語音識別和指紋識別等方面得到了廣泛的應用。
3.2 在醫學領域的應用
人工神經網路對於非線性問題處理十分有效，而人體的構成和疾病形成的原因十分複雜，具有不可預測性，在生物訊號的表現形式和變化規律上也很難掌握，資訊檢測和分析等諸多方面都存在著複雜的非線性聯絡，所以應用人工神經網路決解這些非線性問題具有特殊意義[5]。目前，在醫學領域中的應用涉及到理論和臨床的各個方面，最主要的是生物訊號的檢測和自動分析以及專家系統等方面的應用。
3.3 在經濟領域中的應用
經濟領域中的商品價格、供需關係、風險係數等方面的資訊構成也十分複雜且變幻莫測，人工神經網路可以對不完整的資訊以及模糊不確定的資訊進行簡單明瞭的處理，與傳統的經濟統計方法相比具有其無法比擬的優勢，資料分析的穩定性和可靠性更強。
3.4 在其他領域的應用
人工神經網路在控制領域、交通領域、心理學領域等方面都有很廣泛的應用，能夠對高難度的非線性問題進行處理，對交通運輸方面進行整合式的管理，以其高適應性和優秀的模擬效能解決了許多傳統方法無法解決的問題，促進了各個領域的快速發展。
4總結
隨著科技的發展，人工智慧系統將進入更加高階的發展階段，人工神經網路也將得到更快的發展和更加廣泛的應用。人工神經網路也許無法完全對人腦進行取代，但是其特有的非線性資訊處理能力解決了許多人工無法解決的問題，在智慧系統的各個領域中得到成功應用，今後的發展趨勢將向著更加智慧和整合的方向發展。
參考文獻
[1]徐用懋，馮恩波.人工神經網路的發展及其在控制中的應用[J].化工進展，1993(5)：8-12，20.
[2]湯素麗，羅宇鋒.人工神經網路技術的發展與應用[J].電腦開發與應用，2009(10)：59-61.
[3]李會玲，柴秋燕.人工神經網路與神經網路控制的發展及展望[J].邢臺職業技術學院學報，2009(5)：44-46.
[4]過效傑，祝彥知.人工神經網路的發展及其在岩土工程領域研究現狀[J].河南水利，2004(1)：22-23.
[5]崔永華.基於人工神經網路的河流匯流預報模型及應用研究[D].鄭州大學，2006.