文档介绍：第1章神经网络理论基础
模糊控制从人的经验出发,解决了智能控制中人类语言的描述和推理问题,尤其是一些不确定性语言的描述和推理问题,从而在机器模拟人脑的感知、推理等智能行为方面迈出了重大的一步。
模糊控制在处理数值数据、自学****能力等方面还远没有达到人脑的境界。人工神经网络从另一个角度出发,即从人恼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(简称神经网络,work)是模拟人脑思维方式的数学模型。
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****联想、模式分类、记忆等。
20世纪80年代以来,人工神经网络(ANN,Artificial work)研究所取得的突破性进展。神经网络控制是将神经网络与控制理论相结合而发展起来的智能控制方法。它已成为智能控制的一个新的分支,为解决复杂的非线性、不确定、未知系统的控制问题开辟了新途径。
神经网络的发展历程经过4个阶段。
1 启蒙期(1890-1969年)
1890年,《心理学》,讨论了脑的结构和功能。
1943年,,即M-P模型(第一个神经网络模型)。
神经网络发展历史
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****新知识的方法,即Widrow和Hoff学****规则(即δ学****规则),并用电路进行了硬件设计。
2 低潮期(1969-1982)
受当时神经网络理论研究水平的限制及冯·诺依曼式计算机发展的冲击等因素的影响,神经网络的研究陷入低谷。
在美、日等国有少数学者继续着神经网络模型和学****算法的研究,提出了许多有意义的理论和方法。例如,1969年,,该网络可以对任意复杂的二维模式进行自组织、自稳定和大规模并行处理。1972年,Kohonen提出了自组织映射的SOM模型。
3 复兴期(1982-1986)
1982年,物理学家Hoppield提出了Hoppield神经网络模型,该模型通过引入能量函数,实现了问题优化求解,1984年他用此模型成功地解决了旅行商路径优化问题(TSP)。
在1986年,elland等出版《Parallel Distributed Processing》一书,提出了一种著名的多层神经网络模型,即BP网络。该网络是迄今为止应用最普遍的神经网络。
4 新连接机制时期(1986-现在)
神经网络从理论走向应用领域,出现了神经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)、通信等。