2024年4月26日发(作者：pdf编辑器破解版无水印)
人工神经网络,具有自学习功能
人工神经网络，具有自学习功能
学习类型学习是神经网络研究的一个重要内容，它的适应性是通
过学习实
现的。根据环境的变化，对权值进行调整，改善系统的行为。由
Hebb提出的Hebb学习规则为神经网络的学习算法奠定了基础。
Hebb规则认为学习过程最终发生在神经元之间的突触部位，突触的联
系强度随着突触前后神经元的活动而
变化。在此基础上，人们提出了各种学习规则和算法，以适应不
同网络模型的
需要。有效的学习算法，使得神
人工神经网络经网络能够通过连接权值的调整，构造客观世界的
内在表示，形成具有特色的信息处理方法，信息存储和处理体现在网
络的连接中。
根据学习环境不同，神经网络的学习方式可分为监督学习和非监
督学习。
在监督学习中，将训练样本的数据加到网络输入端，同时将相应
的期望输出与
网络输出相比较，得到误差信号，以此控制权值连接强度的调整，
经多次训练
后收敛到一个确定的权值。当样本情况发生变化时，经学习可以
修改权值以适
应新的环境。使用监督学习的神经网络模型有反传网络、感知器
等。非监督学
习时，事先不给定标准样本，直接将网络置于环境之中，学习阶
段与工作阶段
成为一体。此时，学习规律的变化服从连接权值的演变方程。非
监督学习最简
单的例子是Hebb学习规则。竞争学习规则是一个更复杂的非监
督学习的例子，它是根据已建立的聚类进行权值调整。自组织映射、
适应谐振理论网络等都是
与竞争学习有关的典型模型。
编辑本段分析方法
研究神经网络的非线性动力学性质，主要采用动力学系统理论、
非线性规
划理论和统计理论，来分析神经网络的演化过程和吸引子的性质，
探索神经网
络的协同行为和集体计算功能，了解神经信息处理机制。为了探
讨神经网络在
整体性和模糊性方面处理信息的可能，混沌理论的概念和方法将
会发挥作用。
混沌是一个相当难以精确定义的数学概念。一般而言，"混沌"是
指由确定性方
程描述的动力学系统中表现出的非确定性行为，或称之为确定的
随机性。"确定
性"是因为它由内在的原因而不是外来的噪声或干扰所产生，而"
随机性"是指其不规则的、不能预测的行为，只可能用统计的方法描述。
混沌动力学系统
人工神经网络的主要特征是其状态对初始条件的灵敏依赖性，混
沌反映其
内在的随机性。混沌理论是指描述具有混沌行为的非线性动力学
系统的基本理论、概念、方法，它把动力学系统的复杂行为理解为其
自身与其在同外界进行
物质、能量和信息交换过程中内在的有结构的行为，而不是外来
的和偶然的行为，混沌状态是一种定态。混沌动力学系统的定态包括：
静止、平稳量、周期性、准同期性和混沌解。混沌轨线是整体上稳定
与局部不稳定相结合的结果，
称之为奇异吸引子。一个奇异吸引子有如下一些特征：(1)奇异吸
引子是一个吸引子，但它既不是不动点，也不是周期解；(2)奇异吸引
子是不可分割的，即不能分为两个以及两个以上的吸引子；(3)它对初
始值十分敏感，不同的初始值会导致极不相同的行为。
编辑本段优越性
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，只在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，其应用前途是很远大
的。
第二，具有联想存储功能。用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。
编辑本段研究方向
神经网络的研究可以分为理论研究和应用研究两大方面。理论研
究可分为
以下两类：
1、利用神经生理与认知科学研究人类思维以及智能机理。
2、利用神经基础理论的研究成果，用数理方法探索功能更加完善、
性能更加优
人工神经网络越的神经网络模型，深入研究网络算法和性能，如：
稳定性、收敛性、容错性、鲁棒性等；开发新的网络数理理论，如：
神经网络动力学、
非线性神经场等。
应用研究可分为以下两类：
1、神经网络的软件模拟和硬件实现的研究。
2、神经网络在各个领域中应用的研究。这些领域主要包括
：模式识别、信号处理、知识工程、专家系统、优化组合、机器
人控制等。随着神经网络理论本身以及相关理论、相关技术的不断发
展，神经网络的应用
定将更加深入。
编辑本段发展趋势
人工神经网络特有的非线性适应性信息处理能力，克服了传统人
工智能方
法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，
使之在神经
专家系统、模式识别、智能控制、组合优化、预测等领域得到成
功应用。人工
神经网络与其它传统方法相结合，将推动人工智能和信息处理技
术不断发展。
近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，
与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工
智能的一个重要方向，
将在实际应用中得到发展。将信息几何应用于人工神经网络的研
究，为人工神
经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，
已有产品进
入市场。光电结合的神经计算机为人工神经网络的发展提供了良
好条件。
发布者：admin，转转请注明出处：http://www.yc00.com/xitong/1714145560a2390253.html
评论列表（0条）