人工神經(jīng)網(wǎng)絡(luò)

1、人工神經(jīng)網(wǎng)絡(luò)結(jié)課論文學(xué)員四旅四營 楊源3311554049一、簡介人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network ,即 ANN),是 20 世紀(jì)80年代以來人工智能領(lǐng)域興起的研究熱點。它從信息處理角度 對人腦神經(jīng)元網(wǎng)絡(luò)進行抽象，建立某種簡單模型，按不同的連接方式組成不同的網(wǎng)絡(luò)。在工程與學(xué)術(shù)界也常直接簡稱為神經(jīng)網(wǎng)絡(luò)或類神 經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的節(jié)點(或稱神經(jīng)元)之 間相互聯(lián)接構(gòu)成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)(activation function )。每兩個節(jié)點間的連接都代表一個對于通 過該連接信號的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的

2、記憶。 網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達。最近十多年來，人工神經(jīng)網(wǎng)絡(luò)的研究工作不斷深入，已經(jīng)取得了 很大的進展，其在模式識別、智能機器人、自動控制、預(yù)測估計、生 物、醫(yī)學(xué)、經(jīng)濟等領(lǐng)域已成功地解決了許多現(xiàn)代計算機難以解決的實 際問題，表現(xiàn)出了良好的智能特性。二、基本特征人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式進行信息處理。人工神經(jīng)網(wǎng) 絡(luò)具有四個基本特征：(1)非線性 非線性關(guān)系是自

3、然界的普遍特性。大腦的智慧就 是一種非線性現(xiàn)象。人工神經(jīng)元處于激活或抑制二種不同的狀態(tài)， 這 種行為在數(shù)學(xué)上表現(xiàn)為一種非線性人工神經(jīng)網(wǎng)絡(luò)關(guān)系。具有閾值的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)具有更好的性能，可以提高 容錯性和存儲容量。(2)非局限性 一個神經(jīng)網(wǎng)絡(luò)通常由多個神經(jīng)元廣泛連接而成。一個系統(tǒng)的整體行為不僅取決于單個神經(jīng)元的特征， 而且可能主要由 單元之間的相互作用、相互連接所決定。通過單元之間的大量連接模 擬大腦的非局限性。聯(lián)想 記憶是非局限性的典型例子。(3)非常定性 人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自組織、自學(xué)習(xí)能力。神經(jīng)網(wǎng)絡(luò)不但處理的信息可以有各種變化，而且在處理信息的同時，非線性動力系統(tǒng)本身也在不斷變化。經(jīng)

4、常采用迭代過程描寫動力系統(tǒng) 的演化過程。(4)非凸性 一個系統(tǒng)的演化方向，在一定條件下將取決于某個 特定的狀態(tài)函數(shù)。例如能量函數(shù)，它的極值相應(yīng)于系統(tǒng)比較穩(wěn)定的狀 態(tài)。非凸性是指這種函數(shù)有多個極值，故系統(tǒng)具有多個較穩(wěn)定的平衡 態(tài)，這將導(dǎo)致系統(tǒng)演化的多樣性。人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元處理單元可表示不同的對象，例如特征、 字母、概念，或者一些有意義的抽象模式。網(wǎng)絡(luò)中處理單元的類型分 為三類：輸入單元、輸出單元和隱單元。輸入單元接受外部世界的信 號與數(shù)據(jù)；輸出單元實現(xiàn)系統(tǒng)處理結(jié)果的輸出；隱單元是處在輸入和 輸出單元之間，不能IMNutted毗由系統(tǒng)外部觀察的單元。神經(jīng)元間的連接權(quán)值反映了單元間的連 接強度

5、，信息的表示和處理體現(xiàn)在網(wǎng)絡(luò)處理單元的連接關(guān)系中。人工神經(jīng)網(wǎng)絡(luò)是一種非程序化、 適應(yīng)性、大腦風(fēng)格的信息處理，其本質(zhì) 是通過網(wǎng)絡(luò)的變換和動力學(xué)行為得到一種并行分布式的信息處理功 能，并在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理功能。它是涉及神經(jīng)科學(xué)、思維科學(xué)、人工智能、計算機科學(xué)等多個領(lǐng)域的交叉 學(xué)科。人工神經(jīng)網(wǎng)絡(luò)是并行 分布式系統(tǒng)，采用了與傳統(tǒng)人工智能和信息 處理技術(shù)完全不同的機理，克服了傳統(tǒng)的基于邏輯符號的人工智能在 處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自適應(yīng)、自組織和實時學(xué) 習(xí)的特點。三、應(yīng)用分析經(jīng)過幾十年的發(fā)展，神經(jīng)網(wǎng)絡(luò)理論在模式識別、自動控制、信號處理、輔助決策、人工智能等眾多研究

6、領(lǐng)域取得了廣泛的成功。下面介紹神經(jīng)網(wǎng)絡(luò)在一些領(lǐng)域中的應(yīng)用現(xiàn)狀。人工神經(jīng)網(wǎng)絡(luò)在信息領(lǐng)域中的應(yīng)用在處理許多問題中，信息來源既不完整，又包含假象，決策規(guī)則有時相互矛盾，有時無章可循，這給傳統(tǒng)的信息處理方式帶來了很大 的困難，而神經(jīng)網(wǎng)絡(luò)卻能很好的處理這些問題，并給出合理的識別與判斷。1 .信息處理現(xiàn)代信息處理要解決的問題是很復(fù)雜的，人工神經(jīng)網(wǎng)絡(luò)具有模仿 或代替與人的思維有關(guān)的功能，可以實現(xiàn)自動診斷、問題求解，解決傳統(tǒng)方法所不能或難以解決的問題。人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有很高的 容錯性、魯棒性及自組織性，即使連接線遭到很高程度的破壞，它仍能處在優(yōu)化工作狀態(tài)，這點在軍事系統(tǒng)電子設(shè)備中得到廣泛的應(yīng)用。 現(xiàn)有的智能

7、信息系統(tǒng)有智能儀器、自動跟蹤監(jiān)測儀器系統(tǒng)、自動控制 制導(dǎo)系統(tǒng)、自動故障診斷和報警系統(tǒng)等。2 .模式識別模式識別是對表征事物或現(xiàn)象的各種形式的信息進行處理和分析，來對事物或現(xiàn)象進行描述、辨認(rèn)、分類和解釋的過程。該技術(shù)以 貝葉斯概率論和申農(nóng)的信息論為理論基礎(chǔ)， 對信息的處理過程更接近 人類大腦的邏輯思維過程?，F(xiàn)在有兩種基本的模式識別方法，即統(tǒng)計 模式識別方法和結(jié)構(gòu)模式識別方法。人工神經(jīng)網(wǎng)絡(luò)是模式識別中的常 用方法，近年來發(fā)展起來的人工神經(jīng)網(wǎng)絡(luò)模式的識別方法逐漸取代傳 統(tǒng)的模式識別方法。經(jīng)過多年的研究和發(fā)展，模式識別已成為當(dāng)前比 較先進的技術(shù)，被廣泛應(yīng)用到文字識別、語音識別、指紋識別、遙感 圖像識別

8、、人臉識別、手寫體字符的識別、工業(yè)故障檢測、精確制導(dǎo) 等方面。人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)中的應(yīng)用由于人體和疾病的復(fù)雜性、不可預(yù)測性，在生物信號與信息的表 現(xiàn)形式上、變化規(guī)律（自身變化與醫(yī)學(xué)干預(yù)后變化）上，對其進行檢 測與信號表達，獲取的數(shù)據(jù)及信息的分析、決策等諸多方面都存在非 常復(fù)雜的非線性聯(lián)系，適合人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用。目前的研究幾乎涉 及從基礎(chǔ)醫(yī)學(xué)到臨床醫(yī)學(xué)的各個方面，主要應(yīng)用在生物信號的檢測與 自動分析，醫(yī)學(xué)專家系統(tǒng)等。1 .生物信號的檢測與分析大部分醫(yī)學(xué)檢測設(shè)備都是以連續(xù)波形的方式輸出數(shù)據(jù)的，這些波形是診斷的依據(jù)。人工神經(jīng)網(wǎng)絡(luò)是由大量的簡單處理單元連接而成的 自適應(yīng)動力學(xué)系統(tǒng)， 具有巨量并行性，

9、分布式存貯，自適應(yīng)學(xué)習(xí)的 自組織等功能，可以用它來解決生物醫(yī)學(xué)信號分析處理中常規(guī)法難以 解決或無法解決的問題。神經(jīng)網(wǎng)絡(luò)在生物醫(yī)學(xué)信號檢測與處理中的應(yīng) 用主要集中在對腦電信號的分析，聽覺誘發(fā)電位信號的提取、肌電和 胃腸電等信號的識別，心電信號的壓縮，醫(yī)學(xué)圖像的識別和處理等。2 .醫(yī)學(xué)專家系統(tǒng)傳統(tǒng)的專家系統(tǒng)，是把專家的經(jīng)驗和知識以規(guī)則的形式存儲在計 算機中，建立知識庫，用邏輯推理的方式進行醫(yī)療診斷。 但是在實際 應(yīng)用中，隨著數(shù)據(jù)庫規(guī)模的增大，將導(dǎo)致知識“爆炸”，在知識獲取 途徑中也存在“瓶頸”問題，致使工作效率很低。以非線性并行處理 為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)為專家系統(tǒng)的研究指明了新的發(fā)展方向，解決了專家系

10、統(tǒng)的以上問題，并提高了知識的推理、自組織、自學(xué)習(xí)能力， 從而神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)專家系統(tǒng)中得到廣泛的應(yīng)用和發(fā)展。在麻醉與危重醫(yī)學(xué)等相關(guān)領(lǐng)域的研究中，涉及到多生理變量的分析與預(yù)測，在臨 床數(shù)據(jù)中存在著一些尚未發(fā)現(xiàn)或無確切證據(jù)的關(guān)系與現(xiàn)象，信號的處理，干擾信號的自動區(qū)分檢測，各種臨床狀況的預(yù)測等，都可以應(yīng)用 到人工神經(jīng)網(wǎng)絡(luò)技術(shù)。人工神經(jīng)網(wǎng)絡(luò)在經(jīng)濟領(lǐng)域的應(yīng)用1 .市場價格預(yù)測對商品價格變動的分析，可歸結(jié)為對影響市場供求關(guān)系的諸多因 素的綜合分析。傳統(tǒng)的統(tǒng)計經(jīng)濟學(xué)方法因其固有的局限性，難以對價 格變動做出科學(xué)的預(yù)測，而人工神經(jīng)網(wǎng)絡(luò)容易處理不完整的、 模糊不 確定或規(guī)律性不明顯的數(shù)據(jù)，所以用人工神經(jīng)網(wǎng)絡(luò)進行價

11、格預(yù)測是有 著傳統(tǒng)方法無法相比的優(yōu)勢。從市場價格的確定機制出發(fā)，依據(jù)影響 商品價格的家庭戶數(shù)、人均可支配收入、貸款利率、城市化水平等復(fù) 雜、多變的因素，建立較為準(zhǔn)確可靠的模型。該模型可以對商品價格 的變動趨勢進行科學(xué)預(yù)測，并得到準(zhǔn)確客觀的評價結(jié)果。2 .風(fēng)險評估風(fēng)險是指在從事某項特定活動的過程中， 因其存在的不確定性而 產(chǎn)生的經(jīng)濟或財務(wù)的損失、自然破壞或損傷的可能性。防范風(fēng)險的最 佳辦法就是事先對風(fēng)險做出科學(xué)的預(yù)測和評估。應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的 預(yù)測思想是根據(jù)具體現(xiàn)實的風(fēng)險來源，構(gòu)造出適合實際情況的信用風(fēng)險模型的結(jié)構(gòu)和算法，得到風(fēng)險評價系數(shù)，然后確定實際問題的解 決方案。利用該模型進行實證分析能夠

12、彌補主觀評估的不足，可以取得滿意效果。人工神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域中的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)由于其獨特的模型結(jié)構(gòu)和固有的非線性模擬能力，以及高度的自適應(yīng)和容錯特性等突出特征， 在控制系統(tǒng)中獲得了廣泛 的應(yīng)用。其在各類控制器框架結(jié)構(gòu)的基礎(chǔ)上， 加入了非線性自適應(yīng)學(xué) 習(xí)機制，從而使控制器具有更好的性能?；镜目刂平Y(jié)構(gòu)有監(jiān)督控制、 直接逆?？刂?、模型參考控制、內(nèi)?？刂啤㈩A(yù)測控制、最優(yōu)決策控制 等。人工神經(jīng)網(wǎng)絡(luò)在交通領(lǐng)域的應(yīng)用今年來人們對神經(jīng)網(wǎng)絡(luò)在交通運輸系統(tǒng)中的應(yīng)用開始了深入的研究。交通運輸問題是高度非線性的，可獲得的數(shù)據(jù)通常是大量的、復(fù)雜的，用神經(jīng)網(wǎng)絡(luò)處理相關(guān)問題有它巨大的優(yōu)越性。應(yīng)用范圍涉及 到汽車駕駛員行

13、為的模擬、參數(shù)估計、路面維護、車輛檢測與分類、 交通模式分析、貨物運營管理、交通流量預(yù)測、運輸策略與經(jīng)濟、交 通環(huán)保、空中運輸、船舶的自動導(dǎo)航及船只的辨認(rèn)、 地鐵運營及交通 控制等領(lǐng)域并已經(jīng)取得了很好的效果。人工神經(jīng)網(wǎng)絡(luò)在心理學(xué)領(lǐng)域的應(yīng)用從神經(jīng)網(wǎng)絡(luò)模型的形成開始，它就與心理學(xué)就有著密不可分的聯(lián) 系。神經(jīng)網(wǎng)絡(luò)抽象于神經(jīng)元的信息處理功能，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練則反映了感覺、記憶、學(xué)習(xí)等認(rèn)知過程。人們通過不斷地研究，變化著人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型和學(xué)習(xí)規(guī)則，從不同角度探討著神經(jīng)網(wǎng)絡(luò)的認(rèn) 知功能，為其在心理學(xué)的研究中奠定了堅實的基礎(chǔ)。近年來，人工神經(jīng)網(wǎng)絡(luò)模型已經(jīng)成為探討社會認(rèn)知、 記憶、學(xué)習(xí)等高級心理過程機制

14、的不可或缺的工具。人工神經(jīng)網(wǎng)絡(luò)模型還可以對腦損傷病人的認(rèn)知缺 陷進行研究，對傳統(tǒng)的認(rèn)知定位機制提出了挑戰(zhàn)。四、人工神經(jīng)網(wǎng)絡(luò)的簡單應(yīng)用用神經(jīng)網(wǎng)絡(luò)的方法實現(xiàn)對0,1,2,3, , .,9這十個數(shù)字的奇偶性判斷。 這是一個簡單的問題，應(yīng)用傳統(tǒng)的方法很容易就實現(xiàn)它。If (n%2=0(Input n is even number.)Elseinput n is odd number.如果我們采用ANN#法來解決該問題，則要則要提供一組正確的數(shù)據(jù) 對這個算法進行訓(xùn)練，告訴算法什么是對的，什么是錯的，訓(xùn)練結(jié)束 后，看輸出結(jié)果是否正確，不正確則繼續(xù)進行訓(xùn)練，直到程序可以正 確的處理問題。三、實驗結(jié)果及分析經(jīng)

15、過試驗可知，該程序可以很好地處理問題，但閾值的選取還需進 步研究。附：實現(xiàn)程序#include <stdlib.h> #include <stdio.h> #include <time.h>輸入向量int M10; / 權(quán)值int X10 = 1,2, 3, 4, 5, 6, 7, 8, 9, 10; int Y10 = 1,0, 1, 0, 1, 0, 1, 0, 1, 0; /理想輸出向量，0表示奇數(shù)，1表示偶數(shù)int O10; /保存輸出向量int ST = 52; /閾值void initM ()/初始化權(quán)值int x = 0;srand (unsi

16、gned int)time(0);for (x = 0; x < 10; +x) Mx = rand () % 100;int active (int m, int x)/躍遷型激活函數(shù)int o = m * x;if (o > ST) return 1; else return 0; void calcY ()/ 計算輸出向量(int x = 0;for (x = 0; x < 10; +x) Ox = active (Mx, Xx);)intadjustM ()/根據(jù)實際輸出向量和理想輸出向量調(diào)整權(quán)向量，返回實際輸出和理想輸出不匹配的數(shù)目int err = 0;int x

17、 = 0;for (x = 0; x < 10; +x) if (Ox != Yx)err +;if (0 = Ox) Mx += Xx; else Mx -= Xx;return err;)voidprintM ()(int x = 0;輸出權(quán)值for (x = 0; x < 10; +x) printf ("M%d = %dn", x, Mx);)void test (int input)printf ("%d %d ", Minput, Xinput);if (active (Minput, Xinput)printf ("%d是偶數(shù)n", input); else printf ("%d是奇數(shù)n", input);int main () int n = 0;initM ();while (1)/ 一直訓(xùn)練直到能夠100%E確為止n+;calcY ();int err = adjustM ();if (err<=0) /結(jié)束訓(xùn)練break;printf (" 錯誤數(shù)