人工
神经网络
概述
人工
神经网络
(Artificial Neural Networks,ANNs),也简称为
神经网络
(NNs),是模拟生物
神经网络
进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础,其目的在于模拟大脑的某些机理与机制,实现一些特定的功能。目前,人工
神经网络
已应用于很多领域。本章主要对人工
神经网络
的基本理论做一个全面简要的介绍。
神经网络
的特点
神经网络
的基本属性反映了
神经网络
特点,主要表现在:
1.并行分布式处理
神经网络
具有高度的并行结构和并行实现能力,具有高速寻找优化解的能力,能够发挥计算机的高速运算能力,可能很快找到优化解。
2.非线性处理 人脑的思维是非线性的,故
神经网络
模拟人的思维也应是非线性的。这一特性有助于处理非线性问题。
3.具有自学习功能 通过对过去的历史数据的学习,训练出一个具有归纳全部数据的特定的
神经网络
,自学习功能对于预测有特别重要的意义。
4.
神经网络
的硬件实现 要使人工
神经网络
更快、更有效地解决更大规模的问题,关键在于其超大规模集成电路(V LSI)硬件的实现,即把神经元和连接制作在一块芯片上(多为CMOS)构成ANN,
神经网络
的VLSI设计方法近年来发展很快,硬件实现已成为ANN的一个重要分支。
神经网络
的应用领域
近些年来
神经网络
在众多领域得到了广泛的运用。在民用应用领域的应用,如语言识别、图像识别与理解、计算机视觉、智能
机器人
故障检测、实时语言翻译、企业管理、市场分析、决策优化、物资调运、自适应控制、专家系统、智能接口、神经生理学、心理学和认知科学研究等等;在军用应用领域的应用,如雷达、声纳的多目标识别与跟踪,战场管理和决策支持系统,军用
机器人
控制各种情况、信息的快速录取、分类与查询,导弹的智能引导,保密通信,航天器的姿态控制等。