人工神经网络与仿真 实例.pptVIP

一、主要内容 人工神经网络简介 人工神经网络发展历史 人工神经网络模型 人工神经网络的分类及学习规则 人工神经网络的信息处理能力 人工神经网络的应用 人工智能与人工神经网络 1.1人工神经网络简介 智能 智能就是智慧和能力，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性能力。 经过数万年的演化，大自然中的各种生物均具有智能。 作为万物之灵的人，不仅具有智能，而且还能够智慧地制造各种工具来延伸和拓展自身的能力。 人工智能 通过对人类智力活动奥秘的探索与记忆思维机理的研究，来开发人类智力活动的潜能、探讨用各种机器模拟人类智能的途径，使人类的智能得以物化与延伸，产生了一门学科，即所谓的人工智能。 人工智能（Artificial Intelligence，AI） 在20世纪90年代，人工智能的符号主义、连接主义和行为主义三种方法并存。 连接主义：人工神经网络 计算智能 近年来，借鉴仿生学思想，基于生物体系的生物进化、细胞免疫、神经细胞网络等某些机制，用数学语言抽象描述的计算方法，来模仿生物体系和人类的智能机制，产生了所谓的计算智能 计算智能（Computational Intelligence, CI） 软计算（Soft Computing, SC） 人工神经网络、模糊集理论（Fuzzy Set, FS）、进化计算（Evolutionary Computation, EC） 智能信息处理 人类在不断地进步，社会在不断地发展，这一方面受人的好奇心驱动，人具有探索自然规律、了解未知世界、探索自身奥妙的内动力；另一方面人具有生存和提高生活质量的需求。 受这两方面原动力的驱动，人类不断地研究新的方法和技术，不断地研制各种工具、仪器和机器，来延伸、拓展和增强自身的各种能力。 智能信息处理 人类所处的客观环境、所面对的客观世界是变化的、发展的，是浩瀚无垠的； 人类的知识虽然在不断丰富、不断更新，但是相对客观环境、客观世界，始终是不完全的、不可靠的、不精确的、不一致的和不确定的； 人类正是用这不精确的、不完美的知识，不断地、逐步地了解了客观世界，提高了生活质量。 智能信息处理 人工智能、人工神经网络、进化计算、模糊系统理论等等都是人类在对客观世界、人类自身现有认识的基础上所产生的新的方法和理论，是人类进一步探索自然规律、了解未知世界、探索自身奥妙，提高生活质量的各种工具。 智能信息处理 智能信息处理就是将不完全的、不可靠的、不精确的、不一致的和不确定的知识和信息逐步、逐步变得完全、可靠、精确、一致和确定的过程和方法，就是利用对不精确性、不确定性的容忍来达到问题的可处理性和鲁棒性。 智能信息处理的对象及方法均具有多样性、复杂性和综合性的特点。智能信息处理涉及到信息科学的多个领域，是现代信号处理、人工神经网络、模糊系统理论、进化计算，包括人工智能等等理论和方法的综合应用。 人工神经网络 亦称为神经网络（Neural Networks, NN），是由大量处理单元（神经元Neurons）广泛互连而成的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特性。 人工神经网络的研究是从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是根植于神经科学、数学、统计学、物理学、计算机科学及工程等学科的一种技术。 von Neumann与神经网络 1949年，Von Neumann在Illinois大学四次讲座的第二次讲座中，阐述了McCulloch-Pitts正式的神经网络理论特点。1955年，他应邀去Yale大学进行Silliman讲座，直至1956年（他死于1957年）。他未完成的Silliman讲座的手稿于1958年作为一本书被出版，书名为《The Computer and the Brain》，此书由于涉及了Von Neumann生前所做的工作和他注意到的人脑与计算机的巨大差异。此外，1956年Von Neumann用约简的思想解决了一个在神经网络中特别令人关注的问题，这就是如何用认为是不可靠的神经元来设计一个可靠的网络问题。 神经网络也经常被称为神经计算机，但它与现代数字计算机迥然不同。 神经网络的信息存储与处理（计算）是合二为一的，即信息的存储体现在神经元互连的分布上；传统的计算机存储与计算是独立的，因而在存储与计算之间存在着瓶颈； 神经网络以大规模模拟计算为主；数字计算机是以串行离散符号处理为主； 神经网络具有很强的鲁棒性和容错性，善于联想、概括、类比和推广，任何局部的损伤不会影响整体结果； 不同之处主要表现为（续）： 神经网络具有很强的自学习能力，能为新的输入产生合理的输出，可在学习过程之中不断