人工神经网络灵感源于大脑

中国水利报/2005年/9月/24日/第A04版

科技

人工神经网络灵感源于大脑

苑希民（中国水利水电科学研究院决策支持技术研究室主任）李彦彬徐建新（华北水利水电学院）李鸿雁（北京理工大学管理与经济学院）苑韶峰吕军（浙江

大学环境与资源学院）

人工智能是人类发展到计算机时代的又一个梦想，从上世纪80年代中期开始，人工智能的各种应用就已经令人惊奇，成为一股不容忽视的科学潮流渗透到各个领域。人工神经网络技术是人工智能技术中的一个方面，在水利科学中，主要应用于预报预测、方案优化、智能控制等方面。随着科学对人类大脑的进一步深入研究，该技术将更好地为水利所用，请看本期特别策划—— 概念人工神经网络

人工神经网络系统理论是以人脑的智能功能为研究对象，以人体神经细胞信息处理方法为背景的智能计算理论，是目前国际上非常活跃的前沿研究领域之一。人工神经网络是人脑及其活动的一个理论化的数学模型，它由大量的处理单元以适当的方式互连构成，是一个大规模的非线性自适应系统。

人工神经网络不仅在形式上模拟了生物神经系统，它也具有大脑的一些基本特征。从系统构成的形式上看，基本上都是以与生物神经系统相似的方式工作的，力求模拟生物神经系统的基本运行方式。

人工神经网络还可称为并行分布处理系统、人工神经系统、神经网络、自适应系统、自适应网、联接模型、神经计算机等。

功能

四个基本特性

学习能力人工神经网络可以接受用户提交的样本集合，依照系统给定的算法，不断地修正用来确定系统行为的神经元之间联接的强度，而且在网络的基本构成确定之后，这种修正是根据其接受的样本集合自然进行的，用户不需要再根据所遇到的样本集合去对网络的学习算法做相应的调整。也就是说，人工神经网络具有良好的学习功能。在学习过程中，人工神经网络不断地从所接受的样本集合中提取该集合所隐含的基本要素，并将其以神经元之间的联接权重的形式存放于系统中。

普化能力由于其运算的不精确性，人工神经网络在被训练后，对输入的微小变化是不反应的。与事物的两面性相对应，虽然在要求高精度计算时，这种不精确性是一个缺陷，但有些场合又可以利用这一点获取系统的良好性能。人工神经网络的这种特性不是通过隐含在专门设计的计算机程序中的人类的智能来实现的，而是由其自身的结构所固有的特性所给定的。

信息的分布存放信息的分布存放给人工神经网络提供了另一种特殊的功能。由于一个信息被分布存放在几乎整个网络中，所以，当其中的某一个点或者某几个点被破坏时，信息仍然可以被存取，从而保证系统在受到一定的损伤时还可以正常工作。由于信息的分布存放，对某一类网来说，当它完成学习后，如果再让它学习新的知识，就会破坏已学会的知识。

适用性人工神经网络适用于形象思维的问题，包括两个方面：一是对大量的数据进行分类，二是必须学习一个复杂的非线性映射。这两个方面对传统的人工智能技术来说是比较困难的。目前，人工神经网络主要用于语音、视觉、知识处理、辅助决策等方面。此外，在数据压缩、模式匹配、系统建模、模糊控制、求组合优化问题的最佳解的近似解(不是最佳近似解)等方面也有较好的应用。

学习更新不断智能化

按学习策略分类，人工神经网络可分为几种类型：

教师示教学习网络在网络的学习过程中，对于网络的学习结果，即网络输出的正确性必须有一个评价标准。网络根据输出与评价标准的比较，决定连接权的调整方式。如果这个评价标准是人为提供给网络的，即相当于有一位知晓正确结果的教师示教给网络。

无教师示教学习网络这种学习方式在网络外部没有教师示教。网络能够根据其特有的网络结构和学习规则，对属于同一类的模式进行自动分类。可以认为，这种网络的学习评价标准隐含于网络的内部。

联想记忆学习网络联想记忆是人工神经网络模拟生物神经网络记忆特征的一个重要方法，分为自联想记忆和互联想记忆。自联想记忆就是通过对某个事物的部分信息或含有噪声的信息，再现出事物的本来信息；互联想则是由某一事物的信息联想出另一事物的信息。

自适应学习网络自适应学习网络的理论基础是自适应共振理论。这一理论的显著特点，就是充分利用了生物神经细胞之间自兴奋与侧抑制的动力学原理，让输入模式通过网络双向联结权识别与比较，最后达到共振来完成对自身的记忆，并以同样的方法来实现网络的回想。当提供给网络回想的是一个网络中记忆的、或是与已记忆模式十分相似的模式时，网络将会把这个模式回想起来，提出正确的分类。如果提供给网络回想的是一个网络及一种不存在的模式，则网络将在不影响已有记忆的前提下，将这一模式记忆下来，并将分配一个新的分类单元作为这一记忆模式的分类标志。此外，按网络架构类型，可分为前馈型架构和反馈型架构；按网络的性能可分为连续性和离散性、确定性和随机性网络；按照突触连接的性质可分为一阶线性关联网络与高阶非线性关联网络。

访谈专家

对人工神经网络技术的通俗理解

人类的大脑有着强大的信息处理功能，人工神经网络技术就是模拟人类大脑的信息处理功能而产生的，那么人工智能与人工神经网络有什么不同?人工神经网络技术在水科学中主要应用在哪些方面?今后发展如何?本刊记者陈思带着这几个问题采访了中国水利水电科学研究院决策支持技术研究室的苑希民主任。

现代水利周刊：人工智能与人工神经网络有什么不同?

苑希民：人工智能的范畴更加广泛，主要表现为系统具有人类的分析和判断能力，我们通常提到的“专家系统”就是人工智能系统之一。实现人工智能的方法很多，可以采用数学方法或物理学方法来实现，也可以通过概念性、经验性的分析语句来实现，其主要特点是系统具有一定程度的人类分析和判断功能。

人工神经网络是以模拟方法为主，主要是通过对人类大脑神经系统活动规律认识，采用数学方程的形式模拟人脑神经元信息处理过程。实际上，人类识别客观事物的颜色和形状过程，就是把客观事物的特征信息通过感觉神经传递给大脑，再通过大脑对信息进行综合处理，实现对客观事物的认识。简单说，人类的认识过程是信息的接收、处理和输出的过程，也就是人工神经网络的信息处理过程。进一步说，人工神经网络是一项技术方法，是实现人工智能的一种手段，是隶属人工智能技术的一个方面。

现代水利周刊：神经网络、人工神经网络与人工神经网络技术之间是什么关系?

苑希民：神经通常是指生物神经系统，而生物神经系统主要是生物神经元按照一定的组织方式构成的，特别是人类大脑神经系统是由人脑神经元构成的复杂的网状结构，所以称作神经网络。

人工神经网络的产生是以生物神经网络为基础的，就是指采用人为的数学方法模拟和描述人脑神经网络处理信息的过程，通常采用的方法是利用人工神经元模型模拟生物神经元的信息处理过程，并参照脑神经的网状结构构造神经元及其连接关系的网络系统，称作人工神经网络。模拟神经网络的方法多种多样，构造方式千差万别，因此人工神经网络是一套复杂的数学算法体系。