人工神经网络演讲稿知识讲稿.ppt

武汉科技大学 Artificial Neural Network 组别： 第二组 题目： 《人工神经网络及其应用实例》 制作者：陈强 人工神经网络 神经网络概述 1. 人工智能与神经网络 2. 人工神经网络的基本概念 3. 人工神经网络研究的历史 4. 人工神经网络的应用领域 1.人工智能 人工智能（Artificial Intelligence，简记为AI）最初在1956年被引入。它研究怎样让计算机模仿人脑从事推理、设计、思考、学习等思维活动，以解决和处理较复杂的问题。 智能的概念 智能是个体有目的的行为，合理的思维，以及有效的适应环境的综合能力。智能是个体认识客观事物和运用知识解决问题的能力。 人类个体的智能是一种综合能力。 研究人工智能的目的模拟人的智能，将人类从复杂的脑力劳动中解脱出来 人工神经网络的提出 联想、推理、判断、决策语言、运用进行抽象概括的能力 上述这5种能力，被认为是人类智能最为基本的能力 作为5种能力综合表现形式分为3种能力： 发现、发明、创造、创新的能力 实时、迅速、合理地应付复杂环境的能力 预测、洞察事物发展、变化的能力 人工神经网络从以下四个方面去模拟人的智能行为 1. 物理结构：人工神经元将模拟生物神经元的功能 2. 计算模拟 ：人脑的神经元有局部计算和存储的功能，通过连接构成一个系统。人工神经网络中也有大量有局部处理能力的神经元，也能够将信息进行大规模并行处理 3.存储与操作：人脑和人工神经网络都是通过神经元的连接强度来实现记忆存储功能，同时为概括、类比、推广提供有力的支持 4. 训练：同人脑一样，人工神经网络将根据自己的结构特性，使用不同的训练、学习过程，自动从实践中获得相关知识 人工智能与神经网络的关联 生物神经元及其网络 生物神经元模型 生物神经元模型就是一个简单的信号处理器。树突是神经元的信号输入通道，接受来自其他神经元的信息。轴突是神经元的信号输出通道。 2.人工神经网络的概念 人工神经网络是一个并行、分布处理结构，它由处理单元及其称为联接的无向讯号通道互连而成。这些处理单元（PE—Processing Element）具有局部内存，并可以完成局部操作。 每个处理单元有一个单一的输出联接，这个输出可以根据需要被分枝成希望个数的许多并行联接，且这些并行联接都输出相同的信号，即相应处理单元的信号，信号的大小不因分支的多少而变化。 人工神经网络的概念 处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作必须是完全局部的。也就是说，它必须仅仅依赖于经过输入联接到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。 什么是神经网络 由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统，该系统是靠其状态对外部输入信息的动态响应来处理信息的。 一种由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及其各单元的处理方式 是一种旨在模仿人脑结构及其功能的信息处理系统 神经网络的计算能力有以下优点： (1)大规模并行分布式结构 (2)神经网络学习能力以及由此而来的泛化能力。泛化是指神经网络对不在训练（学习）集中的数据可以产生合理的输出 神经网络的优点 神经网络发展的四个时期 启蒙时期（1890～1969） 低潮时期（1969～1982） 复兴时期（1982～1986） 高潮时期（1987～ ） 从19世纪末开始神经网络的发展历史，可以看出它与神经生理学、数学、电子学、计算机科学以及人工智能学之间的联系。 3.人工神经网络的研究历史 历史总结 神经网络的研究已有50多年的历史，它的发展道路是曲折的，几经兴衰，目前已在许多领域得到了成功的应用。 实际应用 图象处理(Image Processing) 人脸识别(Face Recognition) 语音信号处理(Voice Processing) 时间序列分析(Time Series Analysis) 机器人控制(Robot Control)等 新时期研究热点问题 神经网络的基本功能 联想记忆 　　由于神经网络具有分布存储信息和并行计算的性能，因此它具有对外界刺激信息和输入模式进行联想记忆的能力。这种能力是通过神经元之间的协同结构以及信息处理的集体行为实现的。神经网络是通过其突触权值和连接结构来表达信息的记忆。这种分布式存储使得神经网络能存储较多的复杂模式和恢复记忆的信息。 联想记忆 自联想记忆 网络中预先存储（记忆）多种模式信息，当输入某个已存储模式的部分信息或带有噪声干扰的信息时，网络能通过动态联想过程回忆起该模式的全部信息。 神经网络的基本功