人工神经网络的发展与应用
2009-04-19 01:57 来源: 作者：中国期刊资讯网 网友评论 0 条 浏览次数 720
摘要：本文简要介绍了人工神经网络的发展、应用及研究现状，通过实例来分析人工神经网络原理的设计和实现过程。
关键词：人工神经网络；发展；应用；研究现状
中图分类号：G641 文献标识码：A
1 人工神经网络的发展、应用及研究现状
1.1 人工神经网络发展简史
人工神经网络的研究是从19世纪末期开始的，其发展历史经历了以下四个时期。
（1）启蒙时期
启蒙时期开始于1980年美国著名心理学家W.James关于人脑结构与功能的研究，结束于1969年Minsky和Papert发表的《感知器》（Perceptron）一书。早在1943年，心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型（即M-P模型），该模型把神经细胞的动作描述为：1神经元的活动表现为兴奋或抑制的二值变化； 2任何兴奋性突触有输入激励后，使神经元兴奋与神经元先前的动作状态无关；3任何抑制性突触有输入激励后，使神经元抑制；4突触的值不随时间改变；5突触从感知输入到传送出一个输出脉冲的延迟时间是0.5ms。可见，M-P模型是用逻辑的数学工具研究客观世界的事件在形式神经网络中的表述。现在来看M-P模型尽管过于简单，而且其观点也并非完全正确，但是其理论有一定的贡献。因此，M-P模型被认为开创了神经科学理论研究的新时代。
1949年，心理学家D.O.Hebb提出了神经元之间突触联系强度可变的假设，并据此提出神经元的学习规则——Hebb规则，为神经网络的学习算法奠定了基础。1957年，计算机学家FrankRosenblatt提出了一种具有三层网络特性的神经网络结构，称为“感知器”（Perceptron），它是由阈值性神经元组成，试图模拟动物和人脑的感知学习能力，Rosenblatt认为信息被包含在相互连接或联合之中，而不是反映在拓扑结构的表示法中；另外，对于如何存储影响认知和行为的信息问题，他认为，存储的信息在神经网络系统内开始形成新的连接或传递链路后，新的刺激将会通过这些新建立的链路自动地激活适当的响应部分，而不是要求任何识别或坚定他们的过程。1962年Widrow提出了自适应线性元件（Adaline），它是连续取值的线性网络，主要用于自适应信号处理和自适应控制。
（2） 低潮期
人工智能的创始人之一Minkey和papert经过数年研究，对以感知器为代表的网络系统的功能及其局限性从数学上做了深入的研究，于1969年出版了很有影响的《Perceptron》一书，该书提出了感知器不可能实现复杂的逻辑函数，这对当时的人工神经网络研究产生了极大的负面影响，从而使神经网络研究处于低潮时期。引起低潮的更重要的原因是：20世纪70年代以来集成电路和微电子技术的迅猛发展，使传统的冯•诺伊曼型计算机进入发展的全盛时期，因此暂时掩盖了发展新型计算机和寻求新的神经网络的必要性和迫切性。但是在此时期，波士顿大学的S.Grossberg教授和赫尔辛基大学的Kohonen教授，仍致力于神经网络的研究，分别提出了自适应共振理论（Adaptive R
