1
该文介绍了神经网络的发展、优点及其应用现状和发展动向,对神经网络的一些常用算法进行简单的讲解, 着重论述了神经网络目前的几个研究热点, 即神经网络与遗传算法、灰色系统、模糊控制、小波分析的结合。
神经网络最早的研究20 世纪40 年代心理学家Mcculloch 和数学家Pitts 合作提出的,他们提出的MP模型拉开了神经网络研究的序幕。神经网络的发展大致经过三个阶段:1947~1969 年为初期,在这期间科学家们提出了许多神经元模型和学习规则, 如MP模型、HEBB学习规则和感知器等。1970~1986 年为过渡期, 这个期间神经网络研究经过了一个低潮,继续发展。在此期间,科学家们做了大量的工作,如Hopfield 教授对网络引入能量函数的概念,给出了网络的稳定性判据,提出了用于联想记忆和优化计算的途径。1984 年, Hiton教授提出Boltzman 机模型。1986 年Kumelhart 等人提出误差反向传播神经网络,简称BP网络。目前, BP 网络已成为广泛使用的网络。1987 年至今为发展期,在此期间,神经网络受到国际重视,各个国家都展开研究,形成神经网络发展的另一个高潮。
神经网络是对人脑或生物神经网络的抽象和建模, 研究非程序的、适应性的、大脑风格的信息处理的本质和能力。它是智能科学和计算智能的重要部分, 以脑科学和认知神经科学的研究成果为基础, 拓展智能信息处理的方法, 为解决复杂问题和智能控制提供有效的途径。神经网络具有以下优点:
(1) 具有很强的鲁棒性和容错性,因为信息是分布贮于网络内的神经元中。
(2) 并行处理方法,使得计算快速。
(3) 自学习、自组织、自适应性,使得网络可以处理不确定或不知道的系统。
(4) 可以充分逼近任意复杂的非线性关系。
(5) 具有很强的信息综合能力, 能同时处理定量和定性的信息, 能很好地协调多种输入
4 息关系,适用于多信息融合和多媒体技术。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !