人工神经收集48429[优质文档].pptVIP

*;*;*;*;*;*;*;*;模糊控制; 人工神经网络 从人脑的生理学和心理学着手，通 过人工模拟人脑的工作机理来实现 机器的部分智能行为; 人工神经网络是模拟人脑思维方式的数学模型 （简称神经网络，Neural Network） 神经网络是在现代生物学研究人脑组织成果的基础 上提出的，用来模拟人类大脑神经网络的结构和行为 神经网络反映了人脑功能的基本特征，如并行信息处理、学习、联想、模式分类、记忆等; 大脑与神经细胞、神经细胞与神经细胞构成了庞大天文数字量级的高度复杂的网络系统。也正是有了这样的复杂巨系统，大脑才能担负起人类认识世界和改造世界的任务。 “世界上最大的未开发疆域，是我们两耳之间的空间。”（美国汉诺威保险公司总裁比尔·奥伯莱恩）;① 人大脑平均只有3磅左右。只占身体重量比例的1/30； ② 它令你的心脏每天不假思索地跳动10万多次； ③ 它令你的眼睛可以辨别1000万种细微的颜色； ④ 它使你的肌肉(如果全部向同一个方向运动)产生25吨的拉力； ⑤ 它是由100亿个脑细胞和10兆个神经交汇丛组成。整个大脑的神经网络足足有10英里长。;神经元的结构 树突从细胞体伸向其它神经元，神经元之间的接受信号的联结点为突触。通过突触输入的信号起着兴奋/抑制作用。当细胞体接受的累加兴奋作用超过某阈值时，细胞进入兴奋状态，产生冲动，并由轴突输出。; 神经网络的发展历程经过4个阶段 启蒙期 1890年，W.James发表专著《心理学》，讨论脑的结构和功能 1943年，心理学家W.S.McCulloch和数学家W.Pitts提出了描述脑神经细胞动作的数学模型，即M-P模型（第一个神经网络模型）; 1949年，心理学家Hebb实现了对脑细胞之间相互影响的数学描述，从心理学的角度提出有着重要影响的Hebb学习法则 1958年，E.Rosenblatt提出了描述信息在人脑中贮存和记忆的数学模型，即著名的感知机模（Perceptron） 1962年，Widrow和Hoff提出了自适应线性神经网络，即Adaline网络，并提出了网络学习新知识的方法，即Widrow和Hoff学习规则（即δ学习规则），并用电路进行了硬件设计;;新连接机制时期 神经网络从理论走向应用领域，出现了神??网络芯片和神经计算机 神经网络主要应用领域有： 模式识别与图象处理（语音、指纹、故障检测和图象压缩等） 控制与优化 预测与管理（市场预测、风险分析） 通信;6 .2 神经网络原理 人脑能完成智能、思维等高级活动，为了能利用数学模型来模拟人脑的活动，导致了神经网络的研究。 神经系统的基本构造是神经元(神经细胞)，它是处理人体内各部分之间相互信息传递的基本单元; 每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支—树突组成 轴突功能是将本神经元的输出信号(兴奋)传递给别的神经元，其末端的许多神经末梢使得兴奋可以同时传送给多个神经元 树突的功能是接受来自其它神经元的兴奋 神经元细胞体将接收到的所有信号进行简单地处理后，由轴突输出 神经元的轴突与另外神经元神经末梢相连的部分称为突触;*;; 神经元由三部分构成： 细胞体（主体部分）：包括细胞质、细胞膜和细胞核 树突：用于为细胞体传入信息 轴突：为细胞体传出信息，其末端是轴突末梢，含传递信息的化学物质 突触：是神经元之间的接口（104~105个/每个神经元） 通过树突和轴突，神经元之间实现了信息的传递; 神经元具有如下功能： 兴奋与抑制 学习与遗忘;6.3 神经网络的分类 目前神经网络模型的种类相当丰富，已有近40余种神经网络模型,典型的神经网络有 多层前向传播网络 （BOP网络）、 Hopfield网络、 CMAC小脑模型、 ART网络、 BAM双向联想记忆网络、 SOM自组织网络、 Blotzman机网络 Madaline网络 ; 根据神经网络的连接方式，神经网络可分为两种形式： （1）前向网络 如图所示，神经元分层排列，组成输入层、隐含层 和输出层。每一层的神经元只接受前一层神经元的 输入。输入模式经过各层的顺次变换后，由输出层 输出。在各神经元之间不存在反馈。感知器和误差反 向传播网络采用前向网络形式; 图 前馈型神经网络;（2）反馈网络 该网络结构在输出层到输入层存在反馈，即每一个输入节点都有可能接受来自外部的输入和来自输出神经元的反馈。这种神经网络是一种