文档介绍：一、试论述人工神经网络的特点及发展概况答:人工神经网络是利用物理器件来模拟生物神经网络的某些结构和功能;即从人脑的生理结构出发,来研究人的智能行为,模拟人脑的信息处理能力;从而反映了人脑功能若干基本特征,如并行处理、学****联想、模式分类等。神经网络的主要特点有:并行分布处理;非线性映射;通过训练进行学****适应与集成;硬件实现等。人工神经网络的发展概况:1、兴起阶段:(1)早在1943年,ulloch和数学家Pitts总结了生物神经元的一些基本生理特性,提出了形式神经元的数学描述与结构方法,即M—P模型:;它的提出兴起了对神经网络的研究。(2)。他认为学****过程是在突触上发生的,突触的联系强度随其前后神经元的活动而变化。根据这一假设提出的学****率为神经网络的学****算法奠定了基础。即:(3)1958年,Rosenblatt提出了感知机,第一次把神经网络的研究付诸工程实践。2、萧条阶段:主要的影响因素:(1)60年代,美国著名人工智能学者Minsky和Papert对Rosenblatt的工作进行了深入的研究,写了很有影响的《感知机》一书,指出感知机的处理能力有限,甚至连XOR这样的问题也不能解决,并指出如果引入隐含神经元,增加神经网络的层次,可提高神经网络的处理能力,但是研究对应的学****方法非常困难。(2)那时人工智能的以功能模拟为目标的另一分支,出现了转机,产生了以知识信息处理为基础的知识工程,给人工智能从实验室走向实用带来了希望。(3)微电子技术的发展,使传统计算机的处理能力有很大提高,数字计算机的发展使当时科技界普遍认为它能解决一切问题,包括模式识别、机器人控制等,因而不必去寻找新的计其理论与实现方法。(4)当时的工艺水平还未能达到制作实用的具有足够规模的神经网络,用分离的电子管即使是晶体管所制作的神经网络也只能作示教性的表演。3、兴盛阶段:主要研究成果:1982年,,在研究中他引入了能量函数,阐明了神经网络与动力学的关系;并用非线性动力学的方法来研究网络特性,从而建立了神经网络稳定性判据;并指出信息存储在网络中神经元之间的连接上;这一成果的取得使神经网络的研究取得了突破性进展。1984年,Hopfield设计与研制了他所提出的神经网络模型的电路,并指出网络中的每一神经元可以用运算放大器来实现,所有神经元的连接可以用电子线路来模拟,这—方案为神经网络的工程实现指明了方向。同时在应用研究上,他成功地解决了旅行商(TSP)问题,引起了人们的震惊。1986年,简称BP网络;该算法可用来解决函数逼近等问题。Hopfield网和反向传播算法的提出使人们看到了神经元网络的前景和希望;1987年在美国召开了国际神经网络会议,它掀起了神经网络研究的热潮。二、试给出实现图2-1所示模式分类的感知器网络,其中,“○”表示1,“×”表示0。图2-1图2-2感知器中,、和为隐层中的三个神经元,是一个起逻辑“与非”作用的位于输出层的神经元。其中,为输入,第一层有三个神经元,每一个的输出分别是、、,第二层为输出层,为输出,输入输出变换关系为:从图2-1中可以看出,每个点对应于L1、L2、L3的输出为(在线的上面的点输出为1,在线下面的点输出为-1):1~3点均为(1-11)4~8点均为(-1-1-1)9~11点均为(-111)12点为(111)abcd为(-1-11)这显然是一个三维空间,建立如下图所示坐标系:图2-3这样就可以把“○”和“×”分开。红点即为“○”,黄点即为“×”。于是可以找一个平面把红点和黄点分开,即可设计出W(2)11、W(2)12、W(2)13、。(u)=sin(10u)其中,u[-,]u=-::;%输入样本a=exp(-*(u+));b=sin(10*u);y=a.*b;%目标函数输出plot(u,y);%绘出目标函数图象title('要逼近的非线性函数');%给出题头xlabel('time');%X轴的标注ylabel('unlinearfunction');%Y轴的标注%使用newff函数创建前馈神经网络,初始化的权值和阈值为零,隐层采用正切S型神经元,=newff(minmax(u),[5,1],{'tansig''purelin'},'trainlm');y1=,u);figure;plot(u,y,u,y1,'r')%绘出目标函数图象和未经训练的网络逼近函数title('没有训练的网络仿真结果');%给出题头xlabel('time');%X轴的标注ylabel('simulatingoutput--original-