[课件]人工神经网络ANN及其MAtlab仿真PPT

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

神经网络在环境科学与工程中的应用
人工神经网络以其具有自学习、自组织、 较好的容错性和优良的非线性逼近能力,受到 众多领域学者的关注。在实际应用中,80%~ 90%的人工神经网络模型是采用误差反传算法
或其变化形式的网络模型(简称BP网络),目
前主要应Biblioteka Baidu于函数逼近、模式识别、分类和数
据压缩或数据挖掘。
ANN研究的目的和意义
(1)通过揭示物理平面与认知平面之间的映射,了 解它们相互联系和相互作用的机理,从而揭示思 维的本质,探索智能的本源。 (2)争取构造出尽可能与人脑具有相似功能的计算
机,即ANN计算机。
(3)研究仿照脑神经系统的人工神经网络,将在模
式识别、组合优化和决策判断等方面取得传统计
算机所难以达到的效果。
神经网络研究的发展
(1)第一次热潮(40-60年代未)
1943年,美国心理学家W.McCulloch和数学家 W.Pitts在提出了一个简单的神经元模型,即MP模型。 1958年,F.Rosenblatt等研制出了感知机 (Perceptron)。 (2)低潮(70-80年代初): (3)第二次热潮 1982年,美国物理学家J.J.Hopfield提出Hopfield模
神经网络在环境科学与工程中的应用
• 环境质量评价
• 环境系统因素预测
• 环境因素定量关系模拟 构效分析、成因分析 • 污染防治系统建模
李一平(河海大学环境科学与工程学院).《太湖生态系 统的人工神经网络模拟研究 》,环境科学与技术,2004 年第二期
构造了具有3层节点的人工神经网络模型,将太湖2001
年5~12月全湖共26个采样点的实测值作为学习样本,一共 有26×8=208组数据。从这些数据中分别随机抽取1/4的数 据各52组作为检验样本和测试样本,其余的104组(占50%) 数据作为训练样本。每个样本均含有12个输入因子,分别
是风速、风向、水温、pH、DO、高锰酸钾指数、浊度、
TN、TP、叶绿素a、透明度、BOD5。以浮游植物 作为输出因子。用2002年8月的各点的浮游植物数据进行 预测比较,
信 息 处 理
图 物 神 经 元 功 能 模 型 1 2 . 2 生 黑箱
一般而言, ANN与经典计算方法相比并非优越, 只有当常规方 法解决不了或效果不佳时ANN方法才能显示出其优越性。尤其对 问题的机理不甚了解或不能用数学模型表示的系统,如故障诊断、 特征提取和预测等问题,ANN往往是最有利的工具。另一方面, ANN对处理大量原始数据而不能用规则或公式描述的问题, 表现 出极大的灵活性和自适应性。
研究ANN方法
(1)生理结构的模拟:
用仿生学观点,探索人脑的生理结构,把 对人脑的微观结构及其智能行为的研究结合起 来即人工神经网络(Artificial Neural Netwroks,简称ANN)方法。
(2)宏观功能的模拟:
从人的思维活动和智能行为的心理学特性 出发,利用计算机系统来对人脑智能进行宏观 功能的模拟,即符号处理方法。
信 息 处 理
图 物 神 经 元 功 能 模 型 1 2 . 2 生
ANN类型与功能
人工神经网络研究的局限性
(1)ANN研究受到脑科学研究成果的限制。 (2)ANN缺少一个完整、成熟的理论体系。
(3)ANN研究带有浓厚的策略和经验色彩。
(4)ANN与传统技术的接口不成熟。
电 脉 冲 输 入 树 突 细 胞 体 形 成 轴 突 传 输 突 触 输 出
BP网络建模特点: •非线性映照能力:神经网络能以任意精度逼近任何非线性连续函 数。在建模过程中的许多问题正是具有高度的非线性。 •并行分布处理方式:在神经网络中信息是分布储存和并行处理的, 这使它具有很强的容错性和很快的处理速度。 •自学习和自适应能力:神经网络在训练时,能从输入、输出的数 据中提取出规律性的知识,记忆于网络的权值中,并具有泛化能 力,即将这组权值应用于一般情形的能力。神经网络的学习也可 以在线进行。 •数据融合的能力:神经网络可以同时处理定量信息和定性信息, 因此它可以利用传统的工程技术(数值运算)和人工智能技术 (符号处理)。 •多变量系统:神经网络的输入和输出变量的数目是任意的,对单 变量系统与多变量系统提供了一种通用的描述方式,不必考虑各 子系统间的解耦问题。
ANN的研究内容
(1)理论研究:ANN模型及其学习算法,试图从数 学上描述ANN的动力学过程,建立相应的ANN模 型,在该模型的基础上,对于给定的学习样本, 找出一种能以较快的速度和较高的精度调整神经 元间互连权值,使系统达到稳定状态,满足学习 要求的算法。 (2)实现技术的研究:探讨利用电子、光学、生物 等技术实现神经计算机的途径。 (3)应用的研究:探讨如何应用ANN解决实际问题, 如模式识别、故障检测、智能机器人等。
人工神经网络概述
• 什么是人工神经网络?
• T.Koholen的定义:“人工神经网络是由 具有 适应性的简单单元组成的广泛并行互连的网络, 它的组织能够模拟生物神经系统对真实世界物 体所作出的交互反应。”
脑神经信息活动的特征
(1)巨量并行性。
(2)信息处理和存储单元结合在一起。
(3)自组织自学习功能。
人工神经网络ANN及其 MAtlab仿真


• 利用机器模仿人类的智能是长期以来人们认识自 然、改造自然和认识自身的理想。 • 研究ANN目的: • (1)探索和模拟人的感觉、思维和行为的规律,
设计具有人类智能的计算机系统。
• (2)探讨人脑的智能活动,用物化了的智能来
考察和研究人脑智能的物质过程及其规律。
汤丽妮(成都信息工程学院) 《人工神经网络在生态环境质量 评价中的应用》,四川环境,2003,3
BP神经网络在环境科学与工程中的应用
由于BP神经网络具有优良的非线性逼近能力, 1994年以来,已在环境科学与工程的环境质量评
价与预测、监测点的优化布置、社会经济环境可
持续发展、污染物降解与释放、水(处理、生态) 系统的模拟与预测等方面获得了广泛的应用 。
型,它是一个互联的非线性动力学网络他解决问题的方
法是一种反复运算的动态过程,这是符号逻辑处理方法 所不具备的性质. 1987年首届国际ANN大会在圣地亚哥 召开,国际ANN联合会成立,创办了多种ANN国际刊物。
神经网络基本模型
电 脉 冲 输 入 树 突 细 胞 体 形 成 轴 突 传 输 突 触 输 出
相关文档
最新文档