未来智讯 > 神经网络论文 > 人造神经网络的成长与应用

人造神经网络的成长与应用

发布时间:2019-03-30 01:06:01 文章来源:未来智讯    
    ren造shenjing网luodecheng长与应用作者未知 摘yao:benwen扼要先容liao人造shenjing网luodecheng长应用及切cuo近kuangyi决实lilai剖析人造shen经网luo原lide设计he兑现过程 guan头词:人造shen经网luo;cheng长;应用;切cuojin况 zhong图分leihao:G641 文献标识码:A
  
  1 人造shenjing网luode成长、应用及切磋近况
  
  1.1 人造神经网络成长简史
  人造神经网络de切磋是cong19世纪末期qi点deqi成长汗qinglv历liaoyixia四个期jian
  (1)发蒙期间
  发蒙期间起点于1980nian美guo知名shengli学家W.James关于人脑布局与gong能de切磋告终于1969nianMinskyhePapert颁发de《感知qi(Perceptron)一书早zai1943年生理学家McCulloch和shu学家Pitts合作提议了体例神经yuande数学mozi(jiM-Pmo子)该mo子把神经细胞的动作描绘为:1神经yuan的ju止表示为亢奋或克制的二zhi改变; 2renhe亢奋xing突触youshuru激发后使神经元亢奋与神经元先qian的动作状况无关;3任何克制xing突触有shu入激发后,使神经元克制;4突触的值不随shijian变hua;5突触从感知输入到chuan送chu一个输chu脉冲的延迟shi间是0.5ms。可见,M-Pmo子是用逻辑的数学东西切磋客观tian下的事务zai体例神经网络中的表述。ru今来看M-Pmo子zongran过于简略,并qie其见识ye并fei完全准确,可是其理lun有必然的进献。是以,M-P模子被以为开创了神经科学理论切磋的新时代。
  1949年,生理学家D.O.Hebb提议了神经元之间突触关lian强度可变的假如,并ju此提议神经元的进修准则――Hebb准则,为神经网络的进修算fa奠基了根本。1957年,mou略机学家FrankRosenblatt提议了一种具有三层网络特征的神经网络布局,cheng为“感知器”(Perceptron),它是由阈值性神经元构成,试图模仿动物和人脑的感知进修才力,Rosenblatt以为信xi被蕴含在相互联guan或结合之中,而不是反映在拓扑布局的表现fa中;别的,dui付若何存储影响认知和xing为的xinxiwen题,ta以为,存储的信息在神经网luotixi内起点形成新的联贯或传递lian路后,新的刺激将hui议决zhe些新设立的链路主动地激活适当的相应局部,而不是要qiu任何bian认或坚定tamen的过程。1962年Widrow提议了zi顺应xian性元件(Adaline),它是赓续取值的线性网络,首要用于自顺应旗灯号处zhi和自顺应把握。
  (2 di潮期
  人造智能的首创人之一Minkey和papert颠末数年切磋,dui以感知器为代表的网络体系的功能jiqi范围性从数学上做了深入的切磋,于1969年出书了hen有影响的《Perceptron》一书,该书提议了感知器不行能兑现纷乱的逻辑函数,zhe对那时的人造神经网络切磋发生了极大的负面影响,从而使神经网络切磋处于低潮期间。yin起低潮的更严重的缘故是:20世纪70年yue以来集成dian路和wei电子技艺的迅猛成长,使传统的冯•诺伊曼xingmou略机进来成长的全盛期间,是以暂时袒护了成长新shi谋略机和追求新的神经网络的需要性和急迫性。可shizai此期间,波士dunda学的S.Grossberg传授和赫尔辛基大学的Kohonen传授,仍致力于神经网络的切磋,离别提议了自顺应共zhen理论(Adaptive Resonance Theory)和自组织特性映射模子(SOM)。以上开创性的切磋成guo和事情虽然未能引起那时人们的广泛崇尚,但其科学价值却不行消逝,它们为神经网络的进一步成长奠基了根本。
  (3)再起期间
  20世纪80年月以来,因为以逻辑推理为根本的人造智能理论和冯•诺伊曼型谋略机在处置诸如视觉、听觉、遐想印象deng智能信息处置wen题上受到波折,促使人们猜疑当前的冯•诺伊曼型谋略机是否能jie决智能问题,同时也促使人们索求更接近人脑的谋略模子,于是you形成了对神经网络切磋的高潮。1982年,美国加州理工学院的物理学家John J.Hopfield博士颁发了一篇对神经网络切磋的苏醒起了严重作用的文章,他归纳与汲取前人对神经网络切磋的chengguo与阅历,把网络的种种布局和种种算法归纳zong合起来,塑造出一种新颖的强有力的网络模子,称为Hopfield网络。他引入了“谋略能量函数”的观念,给出了网络不变性依据。从eryou力地推动了神经网络的切磋与成长。1986年,Rumelhart及LeCundeng学者提议了多cenggan知器的反向传插算法,征服了当初故障感知器模子继续成长的严重窒碍。zhe一期间,大量而深入的开拓性事情大大成长了神经网络的模子和进修算法,加强了对神经网络特征的进一步相识,使人们对模拟脑信息处置的智能谋略机的切磋从头充溢了但愿。
  (4)新期间
  1987年6月,首届国际神经网络学术hui议在美国加州圣地亚哥召开,这标志zhuo天下局限内掀起了神经网络开辟切磋的高潮。在此次会上成立了国际神经网络学会(INNS),并于1988年在美国波士顿召开了年会hui议评论辩论的议题涉及到生物、电子、谋略机、物理、把握、旌旗灯号处置及人造智能等各个范chou。自1988年起,国际神经网络学会和国际电气工程师与电子工程师学会(IEEE)结合召开了每年一次的国际学术会议。此次会议后不久,美国波士顿大学的StephenGrossberg传授、芬兰赫尔辛基技艺大学的Teuvo Kohonen传授及日本东jing大学的甘利俊一传授,主持开ban了天下第一份神经网络杂志《Neural Network》。随后,IEEE也成立了神经网络协会并于1990年3月起点出书神经网络会刊,种种学术期刊的神经网络特刊也层出不穷。
  从1987年以来,神经网络的理论、应用、兑现及开辟东西均以令人奋发的速率急剧成长。神经网络理论已成为涉及神经心理科学、认知科学、数理科学、生理学、信息科学、谋略机科学、微电zixue、guang学、生物电子学等多学科交织、综合的前沿学科。神经网络的应用已渗入到模式辨认、图xiang处置、非线性优化、语音处置、天然说话领会、主动指标辨认、机械人专家体系等各个fanchou,并取得了令人zhu目的成果。
  1.2 人造神经网络的应用
  人造神经网络的智能化特性与才力使其应用范畴日益扩大,qian力日趋较着。今朝,神经网络的首要应用于以下几个范畴。
  (1)信息范畴
  神经网络作为一种新式智能信息处置体系,其应用贯串信息的猎取、传输、领受与加工行使等各个枢纽。
  1)旌旗灯号处置 神经网络普遍应用于自顺应旌旗灯号处置和非线性旌旗灯号处置。前者如旌旗灯号的自顺应滤波、时间序列展望、谱稚嫩预计、噪声袪除等;后者如非线性滤波、非线性展望、非线性编码、调制解调等。
  2)模式辨认 模式辨认涉及模式的预处置变换和将一种模式映射为其他lei型的操作。神经网络 不仅能够处置静态模式如固dingtu像、固定能谱等,还能够处置动态模式如视频图像、赓xuyu音等。
  3)数据压缩 在数据传送存储时,数据压缩至关严重。神经网络可看待传送的数据提取模式特性,只将该特性传出,领受后再将其收fu成原始模式。
  (2)主动化范畴
  神经网络和把握理论与把握技艺相联合,成长为神经网络把握。为jiejue纷乱的非线性不确定、不确知体系的把握问题开发了一条新的路子。
  1)体系辨识 在主动把握问题中,体系辨识的目的是为了设立被控对象的数学模子。多年来把握范畴duifu纷乱的非线性对象的辨识,一直未能很好的解决。神经网络suo具有的非线性特征和进修才力,使其在体系辨识方面有很大的潜力,为解决具有纷乱的非线性、不确定性和不确知对象的辨识问题开发了一条youyong路子。
  2)神经把woqi 把握器在实时把握体系中起着“大脑”的作用,神经网络具有自进修和自顺应等智能特点,因而很是适合于做把握器。对付纷乱非线性体系神经把握器所到达的把握效率每每较着好于常gui把握器。
  3)智能检测 所谓智能检测一般包罗作梗量的处置,传感器输入特征的非线性赔偿,零点和量程的主动订正以及主动诊断等。这些智能检测功能能够议决传感元件和旌旗灯号处置元件的功能集成来兑现。在综合目标的检测(例如对情况舒适度这类综合目标的检测)中,以神经网络作为智能检测中的信息处置元件便于对多个传感器的有关信息(如温度、湿度、风向和fengsu等)进行复合、集成、融合、遐想等数据融合处置,从而兑现danyi传感器所不具备的功能。
  (3) 工程范畴
  1)汽车工程 汽车在各异状况参数下运行时,能得到zui好动力性与经济性的档位称为最好档位。行使神经网络的非线性映射才力,议决进修优异驾驶员的换档阅历数据,可主动提取包含在个中的最好换档纪律。别的,神经网络在汽车sha车主动把握体系中也有sheng利的应用,该体系能在给定刹车距离、车速和最大放慢度的环境下一人体感受到最xiao冲ji兑现安稳刹车而不受路面坡度和车重的影响。神经网络在载zhongche柴油机燃烧体系方案优化中也获得了应用,youyong的贬低了油耗和排烟度,得到了优良的社会经济效益。
  2)军事工程 神经网络同红外搜罗与跟踪体系共同后,可发现hegen踪遨游飞翔器。例如借助于神经网络能够检测空间卫星的动作状况是不变、倾斜、扭转照旧摇荡,一般准确率可达95%。
  3)化学工程 神经网络在制药、生物化学、化学工程等范畴的切磋与应用繁盛开展,取得了不少成果。例如在谱剖析方面,应用神经网络在红外谱、紫外谱、折射光谱和质谱与化合物的化学布局间设立某种确定的对应关系方面的胜利应用。
  1.3 人造神经网络的切磋近况
  早在20世纪初,人们从模拟人脑智能的角度出发,切磋出了人造神经网络,又称联贯主义模式。其鉴jie了人脑的布局和特点,并议决大量简略处置单位,互连构成了大规模并行分布式、信息处置和非线性动力学体系。该体系具有巨量并行性、布局靠得住性、高度非线性、自进修性和自组织性等特点,它可以解决常规信息处置要领难以解决或无法解决的问题。人造神经网络的发生给人类社会带来了庞大的前进,可是跟着社会的成长,神经网络布局的zongti才力与其限定性已被逐步体现出来。今朝,对神经网络切磋的趋向首要从以xiasan点进行剖析:
  (1)加强对智能和机械关系问题的相识
  切磋人类智能一直是科学成长中最有意义,也是空前坚苦的挑衅性问题。20世纪80年月中期呈现了“联贯主义”的革命或并行分布处置(POP),又被称为神经网络,它具有自进修、自顺应和自组织的特点,而这些恰是神经网络切磋必要进一步加强的首要功能。构建多层感知器与自组织特行图级遐想的复合网络是加强网络解决现实问题才力的一个有用路子。
  (2)索求更有用的进修新算法
  在当前人造神经网络进修算法中,都有一个无法幸免的缺陷,便是在进修新的模模样本时,会造成已有的常识扯后腿。于是在给定的进修偏差前提下,人造神经网络务必对这些样本周而复始的重复进修,如许不仅造成重复迭代次数多,进修时间长,并且易陷入部分极小值。因而有需要进一步去构想更有用的进修新算法,以便能近似于生物神经网络那样兑现常识的堆集和继承。Amari运用微分流形理论创建的信息几何,初次将非欧式空间的切磋带入人造神经网络模子的切磋,Amari在信息几何中的开拓性事情,是在非线性空间切磋的一个极其严重的事情,切磋了神经网络模子布局在整个信息处置模子空间中的种种表现,所具有的改变才力和限定,为评释人脑神经功能供给了必然的理论根本,使得从总体布局上对神经网络进行剖析成为可能,为进一步构想更有用的网络布局和进修算法供给了强有力的剖析东西。
  (3)解决多功能多要领的转换问题
  这种转换问题便是多网络的协同事情问题,零丁的人造神经网络不克不及完成像人脑那样的高级智能举止,将这些各异的智能信息处置要领综合在一同,组成总体神经网络智能体系,一定必要在多网络之间进行事情和谐。 Hinton和他的切磋小组,提议议决神经网络chou取模式布局为指标,形成外jie情况在神经网络中的内涵表现机理,并把其作为成长人造神经网络的根本,索求议决布局组合来到达完成具有更高程度的夹杂模仿人造神经网络机构和非监督进修人造神经网络。另一方面,人们正在思虑基于生命模子信息处置技艺的目的和意义,包罗jinhua谋略,人造生命等。切磋者已经起点从分子程度上来揭示人类头脑之谜,用一些生物学上的发现来切磋生物谋略机。
  总之,今朝人造神经网络依靠的是一种典型的非线性、非欧式空间模子。若何把基于常识表、非布局化推理、联贯主义的非线性函数迫近和基于生命模子体系关联起来是科学界面对的一个挑衅。
  
  2 实例剖析――基于人造神经网络的人脸辨认分类器设计
  
  该例是用BP网络来兑现人脸分类器,其BP网络的算法可简略描绘为:(1)加载待辨认样本的特性向量到输入层节点;(2)谋略隐含层和输出层的输出,凭据输出层节点的输出判别辨认了局。
  用特性脸法对人脸图像进行特性提取后,用这些特性向量和响应的西席旌旗灯号来训练BP网络。若记输入层神经元shuweiI,隐含层神经元数为H,输出层神经元数为J。对付人脸类型数为P的人脸辨认问题来说,若提掏出的特性格外的维数是M,则网络输出层的神经元数J就取为人脸种别数P,网络输入层的神经元数便是M。在对BP网络进行训练时,若是BP网络输入的特性向量是从第P幅人脸图像提议的,则响应的BP网络的输出层的盼望输出是第m个神经元的输出为1,其他神经元输出都为0,以是西席旌旗灯号能够表现为out=[0,0,•••,1, •••,0,0]T。在进行人脸辨认时,把颠末加权特性脸法获得的待辨认人脸图xiangde特性向量,输入到已训练完成的人造神经网络,窥察神经网络输出层各个神经元的输出。设输出各层神经元的输出为O1O2•••••Oj (j为输出层神经元的个数),并设定阈值T。若是对付输入的某个待辨认人脸的特性向量,全部的输出层神经元的输出Oj 餍足|Qj -1|>T,则以为待辨认人脸不是该人脸数据库中的人脸,若是餍足|Qj -1|≤T,则以为该待识人脸被辨认人脸是该人脸数据库中的人脸。而且餍足| Oj -1|的值最小的谁人输入mi经元所对应的训练样本与之匹配。例如,若是训练时输入人脸图像Ij 的西席旌旗灯号是使输出层神经元Oj输出是1,而其余的输入迷经元输出是0,则若是在辨认某小我脸图像时输出层神经元Oj 的输出餍足 | Oj -1|最小,且 |Qj -1|≤T,则以为被辨认人脸图像与Ij 相匹配bu然以为被辨认人脸图像不属于该人脸图像数据库。网络训练wanbi到达不变状况后,留存网络的联接权值,用于后面的辨认。最终将了局用尝试仿真出来,选取的BP神经网络参数为进修buchang1.3和0.6,动量参数a=0.7,b=0.4。
  
  3 结语
  
  人造神经网络是在对人脑神经网络的基本相识的根本上,用数理要领和信息处置的角度对人脑神经网络进行抽象,并设立某种简化模子。是以,人造神经网络是一种旨在模拟人脑布局及其功能的信息处置体系,其性子便是一个大规模非线性赓续时间自顺应的信息处置体系,议决大量简略关系联贯兑现纷乱的函数关系。人造神经体系的发生,辅助人们解决了很多以冯•诺伊曼为依据的谋略机解决不了的问题,给社会带了很大的前进。虽然云云,可是人造神经网络体系照旧存在着很多不及之处,有待我们去索求与切磋。
  
  参考文献
 [1]韩力群. 人造神经网络理论、设计及应yong[M]. 北京:化学工业出书社, 2002.
  [2]田景文, 高美娟. 人造神经网络算法切磋及应用[M]. 北京:北京理工大学出书社, 2006.
  [3]罗四维. 大规模人造神经网络理论根本[M]. 北京:清华大学出书社; 北方交通大学出书社, 2004.
  [4]沈世镒. 神经网络体系理论及其应用[M]. 北京:科学出书社, 1998.
  [5]金忠, 胡钟山, 杨静宇. 基于BP神经网络的人脸辨认要领[J]. 谋略机切磋与成长, 1999,(3.

转载请注明来源。原文地址:https://www.7428.cn/page/2019/0330/86628/
 与本篇相关的热门内容: