人工神经网络原理 教学课件 作者 马锐 第1章.ppt

人工神经网络原理 第1章　绪论 目录 1.1　人工神经网络的概念 1.2　人工神经网络的发展历史 1.3　人工神经网络的特点 1.4　人工神经网络的信息处理能力 1.5　人工神经网络的功能 1.6　人工神经网络的应用 1.7　人工神经网络的主要研究方向 1.8　人工神经网络与人工智能 1.9　人工神经网络与传统计算 1.1　人工神经网络的概念(1) 人工神经网络就是基于模仿生物大脑的结构和功能，采用数学和物理方法进行研究而构成的一种信息处理系统或计算机 美国神经网络学家Hecht Nielsen 人工神经网络是由多个非常简单的处理单元彼此按照某种方式相互连接形成的计算机系统，该系统是靠其状态对外部输入信息的动态响应来处理信息的 1.1　人工神经网络的概念(2) 美国国防部高级研究计划局 人工神经网络是一个由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及各个单元的处理方式 1.2 人工神经网络的发展历史 1.2.1　兴起时期 1.2.2　萧条时期 1.2.3　兴盛时期 1.2.4　高潮时期 1.2.1　兴起时期 1943年，McCulloch Pitts， M-P模型 1949年， Hebb， Hebb学习规则 1958年， Rosenblatt， Perception模型 1960年， Widrow Hoff， 自适应线性元件（AdaLine） 1.2.2　萧条时期 起因 1969年， Minsky Papert，《Perception》简单ANN只能用于线性问题求解 成果 1972年， Kohonen，自组织特征映射SOM 1976年， Grossberg Carpenter，自适应共振理论(Adaptive Resonance Theory) ART1, ART2, ART3, ARTMAP, Fuzzy ART 1980年， Fukushima，新认知机 1.2.3　兴盛时期 1982年， Hopfield，Hopfield模型 离散型 连续型 1986年， Rumelhart McCelland，BP模型(Back-Propagation) 1.2.4　高潮时期 美国的DARPA计划 日本的HFSP计划 法国的“尤里卡”计划 德国的“欧洲防御”计划 1987年6月，国际神经网络学会成立 1988年1月，《 Neural Network 》杂志创刊 1990年12月，我国首届神经网络学术大会 1.3　人工神经网络的特点 固有的并行结构和并行处理特性 知识的分布存储特性 良好的容错特性 高度非线性及计算的非精确性 自学习、自组织和自适应性 1.4　ANN的信息处理能力 信息存储能力 取决于不同的神经网络模型，神经网络的拓扑结构、网络连接权值的设计方法等都可以影响一个神经网络的信息存储容量 计算能力 输入—输出映射能力 非线性映射能力 并行分布计算能力 学习与归纳能力 1.5　人工神经网络的功能 非线性映射 模式识别、分类与聚类 联想记忆 优化计算 知识获取与表示 1.6　人工神经网络的应用 信号处理 模式识别 系统辨识 神经控制器 智能检测 医学检测数据分析 生物活性研究 医疗专家系统 金融领域 汽车工程 军事工程 化学工程 水利工程 1.7　ANN的主要研究方向 理论研究 实现技术研究 应用研究 1.8 人工神经网络与人工智能(1) 人工智能研究分类 实现功能的模拟：人工智能AI 生理结构的模拟：人工神经网络ANN AI与ANN的相同点 都试图建立智能机器 都试图模拟人类的思考推理能力 两种技术的研究人员都试图揭示和理解人类的智能特性 1.8 人工神经网络与人工智能(2) ANN与AI的区别 ANN把注意力放在大脑的工作机理上，AI则把注意力放在大脑的功能上 ANN从生物学角度进行研究，采用自下而上的方法，从最简单的单元(人工神经元)开始，通过研究神经元之间的互连结构和神经元之间的相互作用对信息进行处理和传递，通过学习使其具备智能性 AI从心理学角度进行研究，采用自上而下的方法。AI方法建立在基于简单符号的系统结构之上，用符号表示事物和进行顺序处理的认知模型 1.8 人工神经网络与人工智能(2) 人工神经网络（ANN）与人工智能（AI）的比较 1.9 人工神经网络与传统计算 人工神经网络与传统计算的比较 人工神经网络原理