文档介绍：神经网络和MATLAB神经网络工具箱
一、神经网络 背景、发展和现实状况
人工神经网络 产生
神经网络 发展与现实状况
神经网络 研究类容
问题
大脑是由大量神经细胞或神经元组成 。每个神经元可看作是一个小 处理单元, 这些神经元按某种方法连接起来, 形成大脑内部 生理神经元网络。
这种神经元网络中各神经元之间联结 强弱, 按外部 激励信号做自适应改变, 而每个神经元又伴随所接收到 多个接收信号 综合大小而展现兴奋或抑制状态。从而生物能够对外界刺激做出合适 反应。
人工神经网络是基于模仿生物大脑 结构和功效而组成 一个信息处理系统。
所以, 我们给出人工神经网络 定义:
人工神经网络（Artificial Neural Networks, NN）是由大 简单 处理单元（称为神经元）广泛地相互连接而形成 复杂网络系统, 它反应了人脑功效 很多基础特征, 是一个高度复杂 非线性动力学系统。
人工神经网络 产生
多种较为正确 分析和科学试验 结果表明, 任何一个实际 物理系统都是非线性 。所谓线性只是对非线性 一个简化或近似, 或者说是非线性 一个特例。线性系统理论在对现实进行理想化和近似处理有着不可避免 缺点。另外伴随生产生活 日益复杂, 大家对自动控制和人工智能 要求越来越高。这对传统 处理问题 方法提出了新 挑战, 迫切需求一个能对复杂事物做出快速灵敏而又正确反应 工作模式。
生物 神经系统总能合适、快速 分辨处复杂环境并做出合适判定, 这种高智能无疑为人类模拟生物神经系统高效处理问题提供了借鉴。
人工神经网络 产生
所以, 由含有适应性 简单单元组成 广泛并行互连成网络、能够模拟生物神经系统对真实世界物体所作出 交互反应 人工神经网络应运而生
它克服了传统人工智能方法对于直觉, 如模式、语音识别、非结构化信息处理方面 缺点尤其适合处理需要同时考虑很多原因和条件 、不正确和模糊 信息处理问题。
神经网络 发展与现实状况
神经网络起源于20世纪40年代, 至今发展已半个多世纪, 大致分为三个阶段。
1）20世纪50年代-20世纪60年代: 第一次研究高潮自1943年M-P模型开始, 至20世纪60年代为止, 这一时间能够称为神经网络系统理论发展 早期阶段。这个时期 关键特点是多个网络 模型 产生与学****算法 确定。
2）20世纪60年代-20世纪70年代: 低潮时期
到了20世纪60年代, 大家发觉感知器存在部分缺点, 比如, 它不能处理异或问题, 所以研究工作趋向低潮。不过仍有不少学者继续对神经网络进行研究。
Grossberg 提出了自适应共振理论; Kohenen 提出了自组织映射; Fukushima 提出了神经认知网络理论;
神经网络 发展与现实状况
Anderson提出了BSB模型; Webos 提出了BP理论等。这些都是在20世纪70年代和20世纪80年代初进行 工作。
3）20世纪80年代-90年代: 第二次研究高潮进入20世纪80年代, 神经网络研究进入高潮。这个时期最含有标志性 人物是美国加州工学院 物理学家John Hopfield。她于1982年和1984年在美国科学院院刊上发表了两篇文章, 提出了模拟人脑 神经网络模型, 即最著名 Hopfield模型。Hopfield网络是一个互连 非线性动力学网络, 它处理问题 方法是一个反复运算 动态过程, 这是符号逻辑处理方法做不含有 性质。20世纪80年代后期到90年代初, 神经网络系统理论形成了发展 热点, 多个模型、算法和应用被提出, 研究经费重新变得充足, 使得研究者们完成了很多有意义 工作。
神经网络 发展与现实状况
进入20世纪90年代以来, 神经网络因为应用面还不够宽, 结果不够正确, 存在可信度问题, 从而进入了认识与应用研究期。
1）开发觉有模型 应用, 并在应用中依据实际运行情况对模型、算法加以改造, 以提升网络 训练速度和运行 正确度。
2）充足发挥两种技术各自 优势是一个有效方法。
3）期望在理论上寻求新 突破, 建立新 专用/通用模型和算法。
4）深入对生物神经系统进行研究, 不停地丰富对人脑 认识。
1