ArtificialNeuralNetwork組別：第二組題目：《人工神經網絡及其應用實例》制作者：陳強

人工神經網絡神經網絡概述1.人工智能與神經網絡2.人工神經網絡的基本概念3.人工神經網絡研究的歷史4.人工神經網絡的應用領域1.人工智能人工智能（ArtificialIntelligence，簡記為AI）最初在1956年被引入。它研究怎樣讓計算機模仿人腦從事推理、設計、思考、學習等思維活動，以解決和處理較復雜的問題。智能的概念智能是個體有目的的行為，合理的思維，以及有效的適應環境的綜合能力。智能是個體認識客觀事物和運用知識解決問題的能力。人類個體的智能是一種綜合能力。研究人工智能的目的

模擬人的智能，將人類從復雜的腦力勞動中解脫出來人工神經網絡的提出

聯想、推理、判斷、決策語言、運用進行抽象概括的能力上述這5種能力，被認為是人類智能最為基本的能力作為5種能力綜合表現形式分為3種能力：發現、發明、創造、創新的能力實時、迅速、合理地應付復雜環境的能力預測、洞察事物發展、變化的能力人工神經網絡從以下四個方面去模擬人的智能行為1.物理結構：人工神經元將模擬生物神經元的功能2.計算模擬：人腦的神經元有局部計算和存儲的功能，通過連接構成一個系統。人工神經網絡中也有大量有局部處理能力的神經元，也能夠將信息進行大規模并行處理3.存儲與操作：人腦和人工神經網絡都是通過神經元的連接強度來實現記憶存儲功能，同時為概括、類比、推廣提供有力的支持4.訓練：同人腦一樣，人工神經網絡將根據自己的結構特性，使用不同的訓練、學習過程，自動從實踐中獲得相關知識人工智能與神經網絡的關聯生物神經元及其網絡生物神經元及其網絡生物神經元及其網絡生物神經元模型

生物神經元模型就是一個簡單的信號處理器。樹突是神經元的信號輸入通道，接受來自其他神經元的信息。軸突是神經元的信號輸出通道。2.人工神經網絡的概念人工神經網絡是一個并行、分布處理結構，它由處理單元及其稱為聯接的無向訊號通道互連而成。這些處理單元（PE—ProcessingElement）具有局部內存，并可以完成局部操作。每個處理單元有一個單一的輸出聯接，這個輸出可以根據需要被分枝成希望個數的許多并行聯接，且這些并行聯接都輸出相同的信號，即相應處理單元的信號，信號的大小不因分支的多少而變化。人工神經網絡的概念處理單元的輸出信號可以是任何需要的數學模型，每個處理單元中進行的操作必須是完全局部的。也就是說，它必須僅僅依賴于經過輸入聯接到達處理單元的所有輸入信號的當前值和存儲在處理單元局部內存中的值。什么是神經網絡由多個非常簡單的處理單元彼此按某種方式相互連接而形成的計算系統，該系統是靠其狀態對外部輸入信息的動態響應來處理信息的。一種由許多簡單的并行工作的處理單元組成的系統，其功能取決于網絡的結構、連接強度以及其各單元的處理方式是一種旨在模仿人腦結構及其功能的信息處理系統神經網絡的計算能力有以下優點：(1)大規模并行分布式結構(2)神經網絡學習能力以及由此而來的泛化能力。泛化是指神經網絡對不在訓練（學習）集中的數據可以產生合理的輸出神經網絡的優點神經網絡發展的四個時期啟蒙時期（1890～1969）低潮時期（1969～1982）復興時期（1982～1986）高潮時期（1987～）

從19世紀末開始神經網絡的發展歷史，可以看出它與神經生理學、數學、電子學、計算機科學以及人工智能學之間的聯系。3.人工神經網絡的研究歷史歷史總結神經網絡的研究已有50多年的歷史，它的發展道路是曲折的，幾經興衰，目前已在許多領域得到了成功的應用。實際應用

圖象處理(ImageProcessing)

人臉識別(FaceRecognition)

語音信號處理(VoiceProcessing)

時間序列分析(TimeSeriesAnalysis)

機器人控制(RobotControl)等

新時期研究熱點問題神經網絡的基本功能聯想記憶由于神經網絡具有分布存儲信息和并行計算的性能，因此它具有對外界刺激信息和輸入模式進行聯想記憶的能力。這種能力是通過神經元之間的協同結構以及信息處理的集體行為實現的。神經網絡是通過其突觸權值和連接結構來表達信息的記憶。這種分布式存儲使得神經網絡能存儲較多的復雜模式和恢復記憶的信息。聯想記憶自聯想記憶網絡中預先存儲（記憶）多種模式信息，當輸入某個已存儲模式的部分信息或帶有噪聲干擾的信息時，網絡能通過動態聯想過程回憶起該模式的全部信息。神經網絡的基本功能異聯想記憶網絡中預先存儲了多個模式對，每一對模式均由兩部分組成，當輸入某個模式對的一部分時，即使輸入信息是殘缺的或迭加了噪聲，網絡也能回憶起與其對應的另一部分。聯想記憶神經網絡的基本功能神經網絡的基本功能神經網絡的基本功能非線性映射

設計合理的神經網絡通過對系統輸入輸出樣本對進行自動學習，能夠以任意精度逼近任意復雜的非線性映射。神經網絡的基本功能非線性映射神經網絡的基本功能分類與辨識

對輸入樣本的分類實際上是在樣本空間找出符合分類要求的分割區域，每個區域內的樣本屬于一類。神經網絡的基本功能優化計算

指在已知的約束條件下，尋找一組參數組合，使由該組合確定的目標函數達到最小值。引例：水果分類的問題（識別不同的水果）說明：1.對水果的分類，是一個模式的識別問題。而對機械運行狀態的判斷，也是一個模式識別，因此可以使用神經網絡進行判斷。

2.為神經網絡提供數值參量（形狀、大小、成分等），就可以得到對應的種類屬性（蘋果、桔子）。因此，使用各種信號數據參數作為輸入，也可以獲得機械運行狀態的屬性參量。

3.權值相量、判斷標準、誤差輸入可以不斷的修正。汽車工程神經網絡已經成功應用于擋位選擇系統、剎車智能控制系統以及柴油機燃燒系統中。軍事工程神經網絡已應用于飛行器的跟蹤、水下潛艇位置分析、密碼學等軍事領域。化學工程神經網絡在制藥、生物化學、化學工程領域取得了不少成果。例如，譜分析、化學反應生成物的鑒定等。4.ANN應用領域—工程領域水利工程