机器人读书报告：人工神经网络

读书报告——《人工神经网络》
人类具有高度发达的大脑,大脑是思维活动的物质基础,而思维是人类智能的集中体现。

长期以来,人们想法设法了解人脑的工作机理和思维本质,向往能构造出具有类人智能的人工智能系统,以模仿人脑功能,完成类似于人脑的工作。

人脑的思维有三种基本方式：逻辑思维、形象思维和灵感思维。

逻辑思维的基础是概念、判断与推理，即将信息抽象为概念，再根据逻辑规则进行逻辑推理。

20世纪40年代问世的第一台电子计算机就是这样一种用机器模拟人脑逻辑思维的人工智能系统。

那么人工神经网络究竟究竟与人脑以及人脑的思维有什么关系呢?
在人类大脑皮层上的神经细胞亦称为神经元。

每个神经元又同其他神经元广泛相互连。

接，形成复杂的生物神经网络。

用计算机方法对神经网络信息处理规律进行探索称为计算机神经科学，该方法对于阐明人脑的工作原理有深远意义。

以数学和物理的方法以及信息处理的角度对人脑神经网络进行抽象，并建立某种简化模型，就称为人工神经网络。

（Artificial Neural Network---ANN)。

目前对于人工神经网络的定义尚不统一。

美国神经网络学家Hecht Nielsen的一般定义是：
“神经网络是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机系统，该靠其状态对外部输入信息的动态响应来处理信息的。

”
美国国防高级研究计划局关于人工神经网络的解释是：
“人工神经网络是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、连接强度以及各单元的处理方式。

综合人工神经网络的来源、特点、及各种解释，可以简单表述为：
“人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。

”为叙述简便，常将人工神经网络简称为神经网络。

人工神经网络发展的四个时期：
第一时期：启蒙时期。

第二时期：低潮时期。

第二时期：复兴时期。

第二时期：高潮时期。

神经网络的基本特征:
（1）结构特征----并行处理、分布式存储与容错性
人工神经网络是由大量简单处理元件相互连接构成的高度并行的非线性系统，具有大规模并行处理特征。

每个处理单元的功能十分简单，但大量简单处理单元的并行活动使网络呈现出丰富的功能并具有较快的速度。

结构上的并行使神经网络的信息存储必然采用分布式方式，信息不是存储在网络的某个局部，而是分布在网络所有的连接中。

神经网络内在的并行性与分布表现在其信息的存储与处理必然使神经网络在两个方面表现出良好的容错性：
（2）能力特征----自学习、自组织和自适应性
自适应性是指一个系统能改变自身的性能以适应环境变化的能力。

自学习是指当外界环境发生变化时，经过一段时间的训练或感知，神经网络能通过处动调整网络结构参数，使
得对于给定输入能产生期望的输出。

神经网络的基本功能：
联想记忆
神经网络具有分布存储信息和并行计算的性能，具有对外界刺激信息和输入模式进行联想记忆的能力。

神经网络是通过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。

非线性映射
客观世界中，许多系统的输入与输出之间存在复杂的非线性关系，对于这类系统，往往很难用传统的数理方法建立其数学模型。

设计合理的神经网络通过对系统输入输出样本对进行自动学习，能够以任意精度逼近任意复杂的非线性映射。

神经网络的这一特性使其可以作为多维非线性函数的通用数学模型。

分类与识别
神经网络对外界输入样本具有很强的识别与分类能力。

对输入样本的分类实际上是在样本空间找出符合分类要求的分割区域，每个区域内的样本属于一类。

神经网络可以很好地解决对非线性曲面的逼近，因此比传统的分类器具有更好的分类与识别能力。

优化计算
优化计算是指在已知的约束条件下，寻找一组参数组合，使由该组合确定的目标函数达到最小值。

神经网络可以把待求解问题的可变参数设计为网络的状态，将目标函数设计为网络的能量函数。

神经网经过动态演变过程达到稳定状态时对应的能量函数最小，从而其稳定状态就是问题的最优解。

知识处理
神经网络的知识抽取能力使其能够在没有任何先验知识的情况下自动从输入数据中提取特征，发现规律，并通过自组织过程将自身构建成适合于表达所发现的规律。

人的先验知识可以大大提高神经网络的知识处理能力。

人工神经网络的应用领域
1．信息领域
（1）信号处理
神经网络广泛应用于自适应信号处理和非线性信号处理。

如信号的自适应滤波、非线性滤波等。

（2）模式识别
模式识别涉及模式的预处理变换和将一种模式映射为其化类型的操作，神经网络在这两个方面都有许多成功的应用。

（3）数据压缩
在数据传送与存储时，数据压缩至关重要。

神经网络可对待传送的数据提取模式特征，只将该特征传出，接收后再将其恢复。

（4）神经控制
神经网络具有自学习和自适应等智能特点，因而非常适合于作控制器。

（5）智能检测
以神经网络作为智能检测中的信息处理元件便于工作于对多个传感的相关信息进行复合、集成、融合、联想等数据融合处理，实现单一传感器所不具备的功能。

2.工程领域
（1）汽车工程
神经网络在控制最佳档位、刹车系统及载重车柴油机燃烧系统方案优化中应用，都得到了良好地应用。

（2）军事工程
神经网络可应用于发现和跟踪飞行器、识别水目标、设计保密开关。

（3）化学工程
神经网络在制药、生物化学、化学工程等领域的研究与应用，取得了很大成果，如光谱分析，判定化学反应生成物等等。

（4）水利工程
神经网络方法已应用于水力发电过程辨识和控制、河川径流预测、河流水质分类等等。

3.医学领域
（1）检测数据分析
神经网络可用于进行多道脑电棘波的检测的检测等等。

（2）生物活性研究
神经网络可用于对生物学检测数据进行分析等等。

（3）医学专家系统
以非线性并行分布式处理为基础的神经网络为专家系统的研究开辟了新的途径。

3.经济领域
（1）信贷分析
神经网络可用于信用评价，神经网络评价系统将公司贷款申请表中的关键数据编码为输入向量，将实际的信用情况作为输出评价，用历史数据对网络进行训练后，可给出准确客观性的评价结果。

（2）市场预测
市场预测问题可归结为对影响市场供求关系的诸多因素的综合分析，以及对价格变化规律的掌握。

应用神经网络进行市场预测的一个实例是期货市场的神经网络预测。

根据某期货市场每月平均期货价格、价格不定性和市场心理指标量等因素，建立较为准确可靠的市场模型。

”。