文档介绍：第6章神经网络
人工神经网络研究的进展
人工神经网络的特性
什么是人工神经网络
人工神经网络的基本特性和结构
人工神经网络的主要学习算法
人工神经网络的典型模型
基于神经网络的知识表示与推理
神经元网络专家系统
人工神经网络(ANN)的用处
2
人工神经网络研究的进展
ES迅速崛起和成功的应用,使人类对人脑的思维方式的探讨转入专
门知识的运用有了重大突破,ES虽然应用广泛,但ES基本上是依
附在Von Neumann这种串行指令为基础的计算机上,所以推理效
率和学习问题受到了严重的挑战,存在问题:
“瓶颈”
2. 知识的单一性
2
人工神经网络研究的进展
神经网络(works NN)与
以算术和逻辑运算,存储与运算相分离,串行地执行指令为基础的
Von Neumann计算机迥然不同,是一个非线性的动力学系统,以分
布式存储和并行协同处理为特色。
就是根据低水平的大脑的处理方式构成结构模型,以实现智能化(NN
的诞生) 结构主义试图以硬件构造人工神经网络
(采用所谓高级AI方法,即试图建立描述智能机功能的计算机程序
功能主义试图用软件建造智能系统)
单个神经元的结构和功能极其简单和有限,但大量神经所构成的网络
系统却具有极强的功能,具有模拟人类部分形象思维的能力,是
模拟AI的另一条重要途径,比ES具有自适应,自组织,自学习功能
2
人工神经网络研究的进展
1943,美国神经生理学家Warren Mcculloch和数学家
Walter Pitts提出第一个简化神经元模型,合写了一篇
关于神经元如何工作的开拓性文章“A Logical
Calculus of Ideas Immanent in Nervous Activity”
1949, Donala Hebb “anization of Behavior”
Hebb学习规则
50年代提出了早期的神经网络:感知器 ANN的第一次高潮
1957,计算机学家Frank Rosenblatt首次引进了感知器
(Perceptron)概念,并做成硬件,这是最早的神经网络
模型,成功地运用于字母的识别
2
人工神经网络研究的进展
1959,自适应线性单元(ADALINE)的网络模型,通过训练
后,可成功地用于抵消通信中的回波和噪声,也可用
于天气预报,成为第一个用于实际问题的NN
60年代中、后期,数字计算机技术突飞猛进,人们开始
认为只要编出好软件,就可解决各种问题,实现智能
70年代,抛弃NN研究,70~80年代,ES发展
80年代,NN再度兴起
2
人工神经网络研究的进展
b 1960年威德罗和霍夫率先把神经网络用于自
动控制研究。
b 60年代末期至80年代中期,神经网络控制与
整个神经网络研究一样,处于低潮。
b 80年代后期以来,随着人工神经网络研究的
复苏和发展,对神经网络控制的研究也十分
活跃。这方面的研究进展主要在神经网络自
适应控制和模糊神经网络控制及其在机器人
控制中的应用上。
2
人工神经网络的特性
b 并行分布处理
b 非线性映射
b 通过训练进行学习
b 适应与集成
b 硬件实现
ÿ
什么是人工神经网络
第六代计算机,就是通常所说的人工神经网络,简称神
经网络ANN(Artificial works)
所谓ANN,就是基于模仿生物大脑的结构和功能而构成的
一种信息处理系统或计算机。
例子1:美国文本朗读机
2:图形识别
3:预报天气状况
4:辨别人的面孔
2
什么是人工神经网络
人脑神经元结构
2
什么是人工神经网络
神经元模型
2