中醫(yī)證候研究的人工神經(jīng)網(wǎng)絡(luò)方法探析

中醫(yī)證候研究的人工神經(jīng)網(wǎng)絡(luò)方法探析

中醫(yī)藥學(xué)理論體系的特點(diǎn)是基礎(chǔ)理論和臨床實(shí)踐的密切結(jié)合，證候是聯(lián)系兩者的紐帶，是將理論付諸實(shí)踐的關(guān)鍵環(huán)節(jié)，證候研究是發(fā)展中醫(yī)理論、提高臨床療效的有效途徑和必由之路，也是制約中醫(yī)發(fā)展的瓶頸。人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是80年代中后期以來(lái)迅速發(fā)展起來(lái)的一門集計(jì)算機(jī)科學(xué)、信息科學(xué)、工程科學(xué)以及醫(yī)學(xué)、生物、數(shù)學(xué)、物理等諸多學(xué)科為一體的邊緣交叉學(xué)科，以其強(qiáng)大的非線性映射特性已逐漸成為人們研究非線性世界、探索某些復(fù)雜系統(tǒng)的有力工具，筆者嘗試探討將人工神經(jīng)網(wǎng)絡(luò)方法引入中醫(yī)證候研究的可行性。1人工神經(jīng)網(wǎng)絡(luò)的原理及應(yīng)用 人工神經(jīng)網(wǎng)絡(luò)模擬神經(jīng)系統(tǒng)的生物實(shí)際(以解剖、生理、生化的研究成果為基礎(chǔ))，建立近似于生物原型的信息處理數(shù)學(xué)模型，從而構(gòu)成了一種新型的智能信息處理系統(tǒng)。該系統(tǒng)具有大規(guī)模的并行處理方式、良好的魯捧容錯(cuò)性、獨(dú)特的信息存儲(chǔ)方式以及強(qiáng)大的自學(xué)習(xí)、自組織和自適應(yīng)能力，這使得它在模式識(shí)別、控制優(yōu)化、信息處理、故障診斷以及預(yù)測(cè)等方面應(yīng)用廣泛，其理論與技術(shù)方法在工程、醫(yī)療衛(wèi)生等領(lǐng)域顯示出巨大的吸引力，并具有廣闊的應(yīng)用前景。在醫(yī)學(xué)領(lǐng)域中，已成功地應(yīng)用于疾病預(yù)報(bào)、臨床診斷分類、藥物分析、中藥質(zhì)量的評(píng)價(jià)、醫(yī)學(xué)信號(hào)處理、圖像分析等各個(gè)方面。人工神經(jīng)網(wǎng)絡(luò)的原理是通過(guò)模擬生物的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能，實(shí)現(xiàn)對(duì)各種信息的有效處理。它通常包含一個(gè)輸入層、輸出層以及一個(gè)或幾個(gè)隱含層，它的基本組成單位為神經(jīng)元，輸入層接受外界信號(hào)，不對(duì)其進(jìn)行加工和處理，直接將其引入神經(jīng)網(wǎng)絡(luò)；隱含層位于網(wǎng)絡(luò)的輸入層和輸出層之問(wèn)，可包括多層，對(duì)輸入的信息進(jìn)行處理并將其處理后的信息傳給輸出層(或下一個(gè)隱含層)；輸出層則輸出經(jīng)隱含層處理后的結(jié)果。人工神經(jīng)網(wǎng)絡(luò)的一個(gè)顯著特征是它通過(guò)自動(dòng)學(xué)習(xí)來(lái)解決問(wèn)題，對(duì)樣本的學(xué)習(xí)過(guò)程，即為對(duì)網(wǎng)絡(luò)中的神經(jīng)元問(wèn)的聯(lián)系強(qiáng)度(即權(quán)重系數(shù))逐步確定的過(guò)程，通過(guò)對(duì)樣本的學(xué)習(xí)，可以學(xué)會(huì)識(shí)別自變量與應(yīng)變量問(wèn)的復(fù)雜的非線性關(guān)系。經(jīng)過(guò)充分學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)獲取了樣本的特征規(guī)則。并將這些規(guī)則以數(shù)字的形式分布存貯在網(wǎng)絡(luò)的連接權(quán)中，從而構(gòu)成了系統(tǒng)的非線性映射模型。這樣的網(wǎng)絡(luò)不僅可以對(duì)其學(xué)習(xí)過(guò)的樣本能夠準(zhǔn)確識(shí)別，而且對(duì)未經(jīng)學(xué)習(xí)的樣本也可以準(zhǔn)確識(shí)別，它甚至可以充分逼近任意復(fù)雜的非線性映射關(guān)系?？梢?jiàn)，人工神經(jīng)網(wǎng)絡(luò)不需要精確的數(shù)學(xué)模型，而是通過(guò)模擬人的聯(lián)想推理和抽象思維能力，來(lái)解決傳統(tǒng)自動(dòng)化技術(shù)無(wú)法解決的許多復(fù)雜的、不確定性的、非線性的自動(dòng)化問(wèn)題。2中醫(yī)證候體系的非線性特征“線性”和“非線性”是區(qū)別事物復(fù)雜性程度的標(biāo)尺，在數(shù)學(xué)中，當(dāng)兩個(gè)變量(自變量和應(yīng)變量)的關(guān)系成正比時(shí)就稱為線性關(guān)系，否則就是非線性關(guān)系。在生命科學(xué)中，由上述概念推廣而來(lái)的線性和非線性邏輯則更具實(shí)用意義，非線性邏輯表征事物各組分之間是相互作用的。而不是相互獨(dú)立的、正則的、無(wú)限可微的和平滑的，即總體不等于部分之和，它是復(fù)雜系統(tǒng)的典型特征之一。人體是一個(gè)復(fù)雜的自適應(yīng)系統(tǒng)，能夠隨內(nèi)外環(huán)境變化而相應(yīng)地調(diào)整內(nèi)部運(yùn)行機(jī)制，這種自適應(yīng)性是生命得以繁衍生存的基本能力。當(dāng)內(nèi)外環(huán)境的變化超出機(jī)體的自適應(yīng)能力時(shí)，機(jī)體就處于一種過(guò)度調(diào)整的病理狀態(tài)，這種狀態(tài)的總體概括就是證候。證候是機(jī)體在疾病發(fā)生發(fā)展過(guò)程中截取其某一個(gè)時(shí)間斷面功能狀態(tài)的綜合反映，可分“證”和“候”兩個(gè)方面，“證”是指對(duì)疾病所處的某一時(shí)點(diǎn)的病因、病機(jī)、病位、病性、病勢(shì)的總體概括，反映該病理狀態(tài)的實(shí)質(zhì)；“候”是指這種病理狀態(tài)表現(xiàn)在外的物理征象(癥狀、體征等)。人體是一個(gè)復(fù)雜系統(tǒng)，中醫(yī)理論體系中以五臟為中心的功能結(jié)構(gòu)系統(tǒng)也具有復(fù)雜系統(tǒng)的特征，屬于復(fù)雜系統(tǒng)。復(fù)雜系統(tǒng)中一個(gè)典型的特性是整體涌現(xiàn)性，涌現(xiàn)性指在具有層級(jí)結(jié)構(gòu)的復(fù)雜系統(tǒng)中，高層級(jí)系統(tǒng)質(zhì)的某些功能特性是由低層級(jí)系統(tǒng)因子的相互作用激發(fā)、提升而“涌現(xiàn)”出來(lái)的，這些較高層級(jí)的功能特性在還原為低層級(jí)時(shí)已不復(fù)存在，這種現(xiàn)象稱為“涌現(xiàn)現(xiàn)象”。五臟功能系統(tǒng)中各系統(tǒng)的功能是分子、細(xì)胞、器官、組織等各層級(jí)結(jié)構(gòu)逐級(jí)涌現(xiàn)的結(jié)果，在涌現(xiàn)的過(guò)程中，既有各種各樣的空間分布形式，又有瞬息萬(wàn)變的時(shí)間存在方式，當(dāng)用先進(jìn)的科學(xué)手段逐級(jí)還原直至基因、蛋白質(zhì)水平等較為低級(jí)的結(jié)構(gòu)以探索五臟的實(shí)質(zhì)時(shí)，各層級(jí)結(jié)構(gòu)通過(guò)復(fù)雜的時(shí)空聯(lián)結(jié)方式逐級(jí)涌現(xiàn)形成的基本生命機(jī)制已蕩然無(wú)存。中醫(yī)理論框架中的證候體系也同樣具有涌現(xiàn)特性，那些可觀測(cè)的物理表象所表達(dá)的就是人體各層級(jí)結(jié)構(gòu)的功能失調(diào)逐級(jí)涌現(xiàn)的結(jié)果。任何一個(gè)低層級(jí)的結(jié)構(gòu)或功能失調(diào)，均可通過(guò)“涌現(xiàn)”形成高一級(jí)的結(jié)構(gòu)或功能失調(diào)，直至上升為整體層次的可被觀測(cè)的功能失序狀態(tài)，表現(xiàn)出各種外在的候。在這里，通過(guò)涌現(xiàn)形成的證候系統(tǒng)具有典型的時(shí)空結(jié)構(gòu)特征，當(dāng)用各種先進(jìn)的還原方法探尋其實(shí)質(zhì)時(shí)，證候的時(shí)空結(jié)構(gòu)早已被破壞，本質(zhì)特征當(dāng)然也隨之消失殆盡，這也許就是目前證候?qū)嵸|(zhì)研究陷入困境的根源所在。可見(jiàn)，證候很好地把握了人體復(fù)雜系統(tǒng)在疾病發(fā)展的各個(gè)時(shí)點(diǎn)的涌現(xiàn)特性，證與候的關(guān)系是“以候?yàn)樽C”．證決定候，候表征證。證是實(shí)質(zhì)，候是表象。實(shí)質(zhì)與表象之間存在各層級(jí)涌現(xiàn)現(xiàn)象，因此，證候是非線性的復(fù)雜系統(tǒng)。同時(shí)，由于機(jī)體的病理狀態(tài)會(huì)隨自身抗病能力的調(diào)整、病程進(jìn)展和藥物干預(yù)的影響而發(fā)生不斷的變化，所以，同一種疾病在不同時(shí)間斷面上會(huì)表現(xiàn)出不同的證候，而不同的疾病在某一個(gè)時(shí)間斷面上有時(shí)也可以呈現(xiàn)出相同的證候。另外，醫(yī)者通過(guò)不同的角度、方法、環(huán)境進(jìn)行觀察時(shí)，證候也常呈現(xiàn)給觀察者以不同的界面，從而表現(xiàn)出不同的證候。再者，每個(gè)個(gè)體的體質(zhì)、性情、人格特征、生活習(xí)慣和生存環(huán)境以及醫(yī)生的經(jīng)驗(yàn)、直覺(jué)、感悟等不確定性因素也是導(dǎo)致證候多樣性的重要原因。這表明證候是動(dòng)態(tài)的、多變的、復(fù)雜的。辨證實(shí)際上就是通過(guò)觀察外在的候來(lái)確定機(jī)體內(nèi)在的證(病機(jī)狀態(tài))的過(guò)程，因此，中醫(yī)證候診斷系統(tǒng)是一個(gè)非線性的、多維多階的、可以無(wú)限組合的復(fù)雜巨系統(tǒng)。3人工神經(jīng)網(wǎng)絡(luò)用于證候研究的可行性 證候的非線性、復(fù)雜性特征為證候的規(guī)范化研究及證候?qū)嵸|(zhì)的研究增加了相當(dāng)大的難度，甚至目前還不能利用還原分析的方法揭示證候的本質(zhì)特征，對(duì)其進(jìn)行數(shù)學(xué)建模更是難以實(shí)現(xiàn)。那么，是否可以設(shè)想建立一種模型。在不必知道內(nèi)部結(jié)構(gòu)的情況下能夠充分模擬證與候的非線性映射關(guān)系?；诤谙浣Y(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)有可能可以實(shí)現(xiàn)這種設(shè)想，利用網(wǎng)絡(luò)的自動(dòng)學(xué)習(xí)能力，在充分辨識(shí)表現(xiàn)于外的“候”的表征信息的基礎(chǔ)上，自動(dòng)抽提出這些信息蘊(yùn)含的內(nèi)在規(guī)律，并將其分布在網(wǎng)絡(luò)的聯(lián)接權(quán)中，從而建立“候”與“證”的非線性映射函數(shù)。在這里，樣本(證候)被概括為一對(duì)輸入與輸出的抽象的數(shù)學(xué)映射關(guān)系，“候”(各種物理表征信息)為輸入單元，“證”為最終的輸出結(jié)果。醫(yī)學(xué)診斷的過(guò)程被看作一個(gè)映射問(wèn)題．通過(guò)癥狀找出對(duì)應(yīng)的證候診斷，神經(jīng)網(wǎng)絡(luò)把“候”與“證”的對(duì)應(yīng)關(guān)系通過(guò)輸入與輸出的映射轉(zhuǎn)化成了，一個(gè)非線性優(yōu)化問(wèn)題。雖然不清楚網(wǎng)絡(luò)模型的內(nèi)部結(jié)構(gòu)，但這種模型卻可以充分逼近證與候的非線性映射關(guān)系，近似真實(shí)地反映證候的全貌，是在不打開(kāi)黑箱的前提下，建立證候模型、反映證候的內(nèi)在規(guī)律和特征的有效方法。盡管證候的規(guī)范化研究開(kāi)展了大量的基本證型規(guī)范、復(fù)合證型規(guī)范和病證結(jié)合的證型規(guī)范等研究．然而，令人困惑的是經(jīng)過(guò)定性或定量化規(guī)范后的一系列證候診斷標(biāo)準(zhǔn)在學(xué)術(shù)界并未達(dá)成共識(shí)，長(zhǎng)期以來(lái)病證同稱、證癥不分、證型繁雜、標(biāo)準(zhǔn)不一的混亂狀況依然存在。困惑的關(guān)鍵癥結(jié)就在于目前實(shí)施規(guī)范的技術(shù)方法很難全面反映證候系統(tǒng)的真實(shí)面貌，如此規(guī)范后的標(biāo)準(zhǔn)當(dāng)然也就難以被廣泛執(zhí)行。一般認(rèn)為。在科學(xué)領(lǐng)域中存在這樣一個(gè)認(rèn)知規(guī)律：規(guī)則可以通過(guò)歸納產(chǎn)生，當(dāng)用充分的樣本集表達(dá)時(shí)，可產(chǎn)生充分正確的規(guī)則。中醫(yī)證候的診斷規(guī)律蘊(yùn)含在足夠多的樣本集合中，利用神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力從大量的樣本中進(jìn)行證候特征的規(guī)則提取，則能夠抽提出比較全面的內(nèi)在規(guī)律；同時(shí)，網(wǎng)絡(luò)的自組織、自適應(yīng)能力又能加強(qiáng)對(duì)邊緣相似病例的辨識(shí)能力，這樣的證候診斷模型必將更加逼近證候的真實(shí)面貌，對(duì)今后證候規(guī)范化的研究不啻為一種可行的方法。當(dāng)然，用人工神經(jīng)網(wǎng)絡(luò)建立的證候模型是否具有強(qiáng)大的推廣能力，取決于訓(xùn)練樣本的含量以及樣本所含信息的全面程度。因此，必須保證訓(xùn)練樣本的含量足夠大、樣本所蘊(yùn)含的證候診斷信息足夠全面，這樣才能盡量真實(shí)地展示證候全貌。綜上，證候研究可以嘗試用大量的臨床觀察病例作為研究數(shù)據(jù)．采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)，通過(guò)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)，從樣本中自動(dòng)獲取規(guī)則，建立證候的網(wǎng)絡(luò)模型，并將這種模型用于對(duì)新病例的判別，成為“辨證智能專家”。4基于神經(jīng)網(wǎng)絡(luò)的證候研究方法 人工神經(jīng)網(wǎng)絡(luò)的類型多種多樣，從功能特性和學(xué)習(xí)能力來(lái)分，典型的神經(jīng)網(wǎng)絡(luò)模型主要包括感知器、線性神經(jīng)網(wǎng)絡(luò)、多層前向神經(jīng)網(wǎng)絡(luò)、自組織映射網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò)等…。筆者認(rèn)為，比較適合應(yīng)用于中醫(yī)證候診斷的是BP神經(jīng)網(wǎng)絡(luò)以及在此基礎(chǔ)上發(fā)展起來(lái)的模糊神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用 BP神經(jīng)網(wǎng)絡(luò)(Back-Propa-gation Network)是指基于誤差反向傳播算法(BP算法)的多層前向神經(jīng)網(wǎng)絡(luò)。是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。BP網(wǎng)絡(luò)神經(jīng)元采用的傳遞函數(shù)通常是非線性Sigmoid型可微函數(shù)，因此可以實(shí)現(xiàn)輸入和輸出間的任意非線性映射，由于誤差反向傳播網(wǎng)絡(luò)及其算法增加了中間隱含層并且有相應(yīng)的學(xué)習(xí)規(guī)則可循，使其對(duì)非線性模式具有較強(qiáng)的識(shí)別能力。網(wǎng)絡(luò)除輸入輸出節(jié)點(diǎn)外，有一層或多層的隱含層節(jié)點(diǎn)。同層節(jié)點(diǎn)之間無(wú)連接，每層節(jié)點(diǎn)的輸出只對(duì)下一層節(jié)點(diǎn)的輸出有影響。網(wǎng)絡(luò)的訓(xùn)練過(guò)程，就是不斷將計(jì)算輸出與期望輸出值的誤差反傳給網(wǎng)絡(luò)，從而調(diào)整輸出層與隱含層及隱含層與輸入層間的權(quán)重大小，直至計(jì)算輸出與期望輸出值的誤差最小為止。該算法中的每一個(gè)訓(xùn)練樣本在網(wǎng)絡(luò)中都經(jīng)過(guò)兩遍傳遞計(jì)算：一遍向前傳播計(jì)算，從輸入層開(kāi)始傳遞到各層，經(jīng)過(guò)處理后產(chǎn)生一個(gè)輸出，并得到一個(gè)實(shí)際輸出和所需輸出之間的差錯(cuò)向量：一遍反向傳播計(jì)算，從輸出層到輸入層，使用誤差梯度下降法，修改各層神經(jīng)元的聯(lián)接權(quán)值，最終使誤差達(dá)到期望目標(biāo)。但經(jīng)典的BP學(xué)習(xí)算法還存在一些缺點(diǎn)，比如收斂速度比較慢，在有限的時(shí)問(wèn)內(nèi)難以達(dá)到預(yù)定的目標(biāo)，以及完成訓(xùn)練的網(wǎng)絡(luò)的推廣能力不強(qiáng)、局部極小問(wèn)題等。針對(duì)上述缺陷，可以對(duì)網(wǎng)絡(luò)進(jìn)行必要的改進(jìn)。如通常采用一些全局最優(yōu)化算法與之相結(jié)合的方法，使實(shí)際的輸出更加精確。模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用 與神經(jīng)網(wǎng)絡(luò)模擬人腦的結(jié)構(gòu)以及對(duì)信息的記憶和處理功能、擅長(zhǎng)從輸入輸出數(shù)據(jù)中學(xué)習(xí)有用的知識(shí)不同，模糊控制則是模擬人的思維和語(yǔ)言中對(duì)模糊信息的表達(dá)和處理方式，擅長(zhǎng)利用和表達(dá)人的經(jīng)驗(yàn)知識(shí)，可以處理帶模糊性的信息。模糊控制技術(shù)以模糊邏輯為基礎(chǔ)，模仿人的模糊綜合判斷推理能力，來(lái)處理常規(guī)方法難以解決的模糊信息處理問(wèn)題。中醫(yī)證候系統(tǒng)具有非線性復(fù)雜性特征，可以利用人工神經(jīng)網(wǎng)絡(luò)，在不了解其黑箱結(jié)構(gòu)的前提下，通過(guò)對(duì)證候各組成要素內(nèi)在規(guī)律的自動(dòng)提取，建立輸入與輸出的非線性映射關(guān)系，從而建立證候的神經(jīng)網(wǎng)絡(luò)模型。但中醫(yī)證候?qū)W的物理表征信息(癥狀、體征等)通過(guò)醫(yī)生的望、聞、問(wèn)、切而獲得，屬于經(jīng)驗(yàn)性知識(shí)，具有典型的模糊性、不確定性特征，更適合于利用模糊系統(tǒng)來(lái)表達(dá)，但是模糊系統(tǒng)的規(guī)則集和隸屬函數(shù)等設(shè)計(jì)參數(shù)卻只能靠經(jīng)驗(yàn)來(lái)選擇，很難自動(dòng)設(shè)計(jì)和調(diào)整，這是模糊系統(tǒng)的缺點(diǎn)。若用神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)造模糊系統(tǒng)，就可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法，根據(jù)輸入輸出樣本來(lái)自動(dòng)設(shè)計(jì)和調(diào)整模糊系統(tǒng)的設(shè)計(jì)參數(shù)，實(shí)現(xiàn)模糊系統(tǒng)的自學(xué)習(xí)和自適應(yīng)功能。這種模糊神經(jīng)網(wǎng)絡(luò)集中了模糊控制技術(shù)和人工神經(jīng)網(wǎng)絡(luò)的雙重優(yōu)點(diǎn)，擴(kuò)大了系統(tǒng)處理信息的范圍，是當(dāng)今智能控制領(lǐng)域的研究熱點(diǎn)，也更適合用于中醫(yī)證候的研究。在這里，模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的連接可以采用串聯(lián)型和網(wǎng)絡(luò)學(xué)習(xí)型兩種結(jié)構(gòu)結(jié)合在一起的形式，先用神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本證候的物理表征信息進(jìn)行充分學(xué)習(xí)，得到它們對(duì)證候診斷的隸屬函數(shù)，構(gòu)造模糊系統(tǒng)，并將這個(gè)系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相連，從而建立證候的模糊神經(jīng)網(wǎng)絡(luò)模型。實(shí)現(xiàn)證候的智能化診斷。目前，我們正在進(jìn)行的基于模糊神經(jīng)網(wǎng)絡(luò)的糖尿病腎病中醫(yī)證候規(guī)范研究，其方法就是利用模糊多層感知器網(wǎng)絡(luò)(FMLP)，構(gòu)建糖尿病腎病中醫(yī)證候的模糊神經(jīng)網(wǎng)絡(luò)模型。我們并同時(shí)利用基于BP算法的多層前饋神經(jīng)網(wǎng)絡(luò)(BP)，以相同的觀察資料為研究對(duì)象，構(gòu)建糖尿病腎病中醫(yī)證候的BP神經(jīng)網(wǎng)絡(luò)模型，從解決實(shí)際問(wèn)題的能力比較兩種模型的性能，以確立較優(yōu)糖尿病腎病中醫(yī)證候神經(jīng)網(wǎng)絡(luò)模型。樣本集采用國(guó)家中醫(yī)藥管理局課題“中醫(yī)藥治療糖尿病腎病臨床療效評(píng)價(jià)信息處理研究”所獲得的一組糖尿病腎病臨床病例資料，先對(duì)樣本所涉及的所有癥狀和體征(癥、舌、脈等)進(jìn)行模糊聚類分析，初步獲得基本證型，從上述證型中取2／3樣本并配以相同樣本數(shù)的正常樣本作為訓(xùn)練樣本集，剩余1／3配以相同樣本數(shù)的正常樣本作為測(cè)試樣本集。依據(jù)基本證型所涵蓋的癥狀設(shè)定輸入節(jié)點(diǎn)數(shù)目，依據(jù)基本證型確立輸出節(jié)點(diǎn)數(shù)目，首先根據(jù)各個(gè)輸入節(jié)點(diǎn)的模糊隸屬度函數(shù)(通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)而獲得)對(duì)輸入信息進(jìn)行模糊化處理．建立模糊系統(tǒng)。并將這個(gè)系統(tǒng)與BP網(wǎng)絡(luò)相連，針對(duì)輸入信息所具有的特點(diǎn)，選取相應(yīng)的函數(shù)作為教師，來(lái)指導(dǎo)神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本利用梯度下降法進(jìn)行訓(xùn)練，利用網(wǎng)絡(luò)的自學(xué)習(xí)能力不斷調(diào)整網(wǎng)絡(luò)的聯(lián)接權(quán)值，直至網(wǎng)絡(luò)的模糊隸屬度函數(shù)趨穩(wěn)，結(jié)束訓(xùn)練，即建立了糖尿病腎病證候的模糊神經(jīng)網(wǎng)絡(luò)模型，用訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試樣本集進(jìn)行檢驗(yàn)，得出輸出向量值，并與期望輸出結(jié)果相比較，以判斷網(wǎng)絡(luò)模型的綜合性能。目前這項(xiàng)工作正在進(jìn)行中，預(yù)試驗(yàn)結(jié)果令人滿意。在現(xiàn)階段證候診斷標(biāo)準(zhǔn)沒(méi)有規(guī)范化以前，這種集模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)于一身的模糊神經(jīng)網(wǎng)絡(luò)技術(shù)，能更有效地表達(dá)和處理中醫(yī)領(lǐng)域?qū)＜业姆谴_定性、模糊性經(jīng)驗(yàn)知識(shí)，很可能將為今后中醫(yī)證候規(guī)范化的研究提供可行性方法。5結(jié)語(yǔ) 一門學(xué)科只有不斷地吸納先進(jìn)的思想與技術(shù)，在繼承的基礎(chǔ)上發(fā)展創(chuàng)新，才能真正具有生命力，中醫(yī)現(xiàn)代化研究，呼喚多種邊緣學(xué)科、交叉學(xué)科理論和技術(shù)方法的介入，理論上的探討和不斷切實(shí)可行的實(shí)踐探索并行，才能使中醫(yī)證候研究從量的積累上升到質(zhì)的飛躍。當(dāng)然，人工神經(jīng)網(wǎng)絡(luò)的知識(shí)處理能力還需進(jìn)一步提高，還需圍繞如何提高學(xué)習(xí)能力、收斂速度、可塑性以及普化能力等方面展開(kāi)深入研究。但是，目前在中醫(yī)理論指導(dǎo)下，采用神經(jīng)網(wǎng)絡(luò)技術(shù)建立中醫(yī)證候神經(jīng)網(wǎng)絡(luò)模型，對(duì)中醫(yī)證候的系統(tǒng)化和規(guī)范化研究不啻是一種可行的方法。隨著研究工作的進(jìn)一步發(fā)展，我們相信一定會(huì)有更多、更好的神經(jīng)網(wǎng)絡(luò)用于證候系統(tǒng)的診斷研究，使中醫(yī)證候的診斷技術(shù)更能提高一步。摘自：《中醫(yī)藥學(xué)刊》文/白云靜 申洪波 之道：孟慶剛

神經(jīng)網(wǎng)絡(luò)算法的人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）系統(tǒng)是 20 世紀(jì) 40 年代后出現(xiàn)的。它是由眾多的神經(jīng)元可調(diào)的連接權(quán)值連接而成，具有大規(guī)模并行處理、分布式信 息存儲(chǔ)、良好的自組織自學(xué)習(xí)能力等特點(diǎn)。BP（Back Propagation）算法又稱為誤差 反向傳播算法，是人工神經(jīng)網(wǎng)絡(luò)中的一種監(jiān)督式的學(xué)習(xí)算法。BP 神經(jīng)網(wǎng)絡(luò)算法在理 論上可以逼近任意函數(shù)，基本的結(jié)構(gòu)由非線性變化單元組成，具有很強(qiáng)的非線性映射能力。而且網(wǎng)絡(luò)的中間層數(shù)、各層的處理單元數(shù)及網(wǎng)絡(luò)的學(xué)習(xí)系數(shù)等參數(shù)可根據(jù)具體情況設(shè)定，靈活性很大，在優(yōu)化、信號(hào)處理與模式識(shí)別、智能控制、故障診斷等許 多領(lǐng)域都有著廣泛的應(yīng)用前景。 人工神經(jīng)元的研究起源于腦神經(jīng)元學(xué)說(shuō)。19世紀(jì)末，在生物、生理學(xué)領(lǐng)域，Waldeger等人創(chuàng)建了神經(jīng)元學(xué)說(shuō)。人們認(rèn)識(shí)到復(fù)雜的神經(jīng)系統(tǒng)是由數(shù)目繁多的神經(jīng)元組合而成。大腦皮層包括有100億個(gè)以上的神經(jīng)元，每立方毫米約有數(shù)萬(wàn)個(gè)，它們互相聯(lián)結(jié)形成神經(jīng)網(wǎng)絡(luò)，通過(guò)感覺(jué)器官和神經(jīng)接受來(lái)自身體內(nèi)外的各種信息，傳遞至中樞神經(jīng)系統(tǒng)內(nèi)，經(jīng)過(guò)對(duì)信息的分析和綜合，再通過(guò)運(yùn)動(dòng)神經(jīng)發(fā)出控制信息，以此來(lái)實(shí)現(xiàn)機(jī)體與內(nèi)外環(huán)境的聯(lián)系，協(xié)調(diào)全身的各種機(jī)能活動(dòng)。
神經(jīng)元也和其他類型的細(xì)胞一樣，包括有細(xì)胞膜、細(xì)胞質(zhì)和細(xì)胞核。但是神經(jīng)細(xì)胞的形態(tài)比較特殊，具有許多突起，因此又分為細(xì)胞體、軸突和樹(shù)突三部分。細(xì)胞體內(nèi)有細(xì)胞核，突起的作用是傳遞信息。樹(shù)突是作為引入輸入信號(hào)的突起，而軸突是作為輸出端的突起，它只有一個(gè)。
樹(shù)突是細(xì)胞體的延伸部分，它由細(xì)胞體發(fā)出后逐漸變細(xì)，全長(zhǎng)各部位都可與其他神經(jīng)元的軸突末梢相互聯(lián)系，形成所謂“突觸”。在突觸處兩神經(jīng)元并未連通，它只是發(fā)生信息傳遞功能的結(jié)合部，聯(lián)系界面之間間隙約為（15～50)×10米。突觸可分為興奮性與抑制性兩種類型，它相應(yīng)于神經(jīng)元之間耦合的極性。每個(gè)神經(jīng)元的突觸數(shù)目正常，最高可達(dá)10個(gè)。各神經(jīng)元之間的連接強(qiáng)度和極性有所不同，并且都可調(diào)整、基于這一特性，人腦具有存儲(chǔ)信息的功能。利用大量神經(jīng)元相互聯(lián)接組成人工神經(jīng)網(wǎng)絡(luò)可顯示出人的大腦的某些特征。
人工神經(jīng)網(wǎng)絡(luò)是由大量的簡(jiǎn)單基本元件——神經(jīng)元相互聯(lián)接而成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。每個(gè)神經(jīng)元的結(jié)構(gòu)和功能比較簡(jiǎn)單，但大量神經(jīng)元組合產(chǎn)生的系統(tǒng)行為卻非常復(fù)雜。
人工神經(jīng)網(wǎng)絡(luò)反映了人腦功能的若干基本特性，但并非生物系統(tǒng)的逼真描述，只是某種模仿、簡(jiǎn)化和抽象。
與數(shù)字計(jì)算機(jī)比較，人工神經(jīng)網(wǎng)絡(luò)在構(gòu)成原理和功能特點(diǎn)等方面更加接近人腦，它不是按給定的程序一步一步地執(zhí)行運(yùn)算，而是能夠自身適應(yīng)環(huán)境、總結(jié)規(guī)律、完成某種運(yùn)算、識(shí)別或過(guò)程控制。
人工神經(jīng)網(wǎng)絡(luò)首先要以一定的學(xué)習(xí)準(zhǔn)則進(jìn)行學(xué)習(xí)，然后才能工作?，F(xiàn)以人工神經(jīng)網(wǎng)絡(luò)對(duì)于寫(xiě)“A”、“B”兩個(gè)字母的識(shí)別為例進(jìn)行說(shuō)明，規(guī)定當(dāng)“A”輸入網(wǎng)絡(luò)時(shí)，應(yīng)該輸出“1”，而當(dāng)輸入為“B”時(shí)，輸出為“0”。
所以網(wǎng)絡(luò)學(xué)習(xí)的準(zhǔn)則應(yīng)該是：如果網(wǎng)絡(luò)作出錯(cuò)誤的的判決，則通過(guò)網(wǎng)絡(luò)的學(xué)習(xí)，應(yīng)使得網(wǎng)絡(luò)減少下次犯同樣錯(cuò)誤的可能性。首先，給網(wǎng)絡(luò)的各連接權(quán)值賦予(0，1)區(qū)間內(nèi)的隨機(jī)值，將“A”所對(duì)應(yīng)的圖象模式輸入給網(wǎng)絡(luò)，網(wǎng)絡(luò)將輸入模式加權(quán)求和、與門限比較、再進(jìn)行非線性運(yùn)算，得到網(wǎng)絡(luò)的輸出。在此情況下，網(wǎng)絡(luò)輸出為“1”和“0”的概率各為50%，也就是說(shuō)是完全隨機(jī)的。這時(shí)如果輸出為“1”(結(jié)果正確)，則使連接權(quán)值增大，以便使網(wǎng)絡(luò)再次遇到“A”模式輸入時(shí)，仍然能作出正確的判斷。
如果輸出為“0”(即結(jié)果錯(cuò)誤)，則把網(wǎng)絡(luò)連接權(quán)值朝著減小綜合輸入加權(quán)值的方向調(diào)整，其目的在于使網(wǎng)絡(luò)下次再遇到“A”模式輸入時(shí)，減小犯同樣錯(cuò)誤的可能性。如此操作調(diào)整，當(dāng)給網(wǎng)絡(luò)輪番輸入若干個(gè)手寫(xiě)字母“A”、“B”后，經(jīng)過(guò)網(wǎng)絡(luò)按以上學(xué)習(xí)方法進(jìn)行若干次學(xué)習(xí)后，網(wǎng)絡(luò)判斷的正確率將大大提高。這說(shuō)明網(wǎng)絡(luò)對(duì)這兩個(gè)模式的學(xué)習(xí)已經(jīng)獲得了成功，它已將這兩個(gè)模式分布地記憶在網(wǎng)絡(luò)的各個(gè)連接權(quán)值上。當(dāng)網(wǎng)絡(luò)再次遇到其中任何一個(gè)模式時(shí)，能夠作出迅速、準(zhǔn)確的判斷和識(shí)別。一般說(shuō)來(lái)，網(wǎng)絡(luò)中所含的神經(jīng)元個(gè)數(shù)越多，則它能記憶、識(shí)別的模式也就越多。 （1）人類大腦有很強(qiáng)的自適應(yīng)與自組織特性，后天的學(xué)習(xí)與訓(xùn)練可以開(kāi)發(fā)許多各具特色的活動(dòng)功能。如盲人的聽(tīng)覺(jué)和觸覺(jué)非常靈敏；聾啞人善于運(yùn)用手勢(shì)；訓(xùn)練有素的運(yùn)動(dòng)員可以表現(xiàn)出非凡的運(yùn)動(dòng)技巧等等。
普通計(jì)算機(jī)的功能取決于程序中給出的知識(shí)和能力。顯然，對(duì)于智能活動(dòng)要通過(guò)總結(jié)編制程序?qū)⑹掷щy。
人工神經(jīng)網(wǎng)絡(luò)也具有初步的自適應(yīng)與自組織能力。在學(xué)習(xí)或訓(xùn)練過(guò)程中改變突觸權(quán)重值，以適應(yīng)周圍環(huán)境的要求。同一網(wǎng)絡(luò)因?qū)W習(xí)方式及內(nèi)容不同可具有不同的功能。人工神經(jīng)網(wǎng)絡(luò)是一個(gè)具有學(xué)習(xí)能力的系統(tǒng)，可以發(fā)展知識(shí)，以致超過(guò)設(shè)計(jì)者原有的知識(shí)水平。通常，它的學(xué)習(xí)訓(xùn)練方式可分為兩種，一種是有監(jiān)督或稱有導(dǎo)師的學(xué)習(xí)，這時(shí)利用給定的樣本標(biāo)準(zhǔn)進(jìn)行分類或模仿；另一種是無(wú)監(jiān)督學(xué)習(xí)或稱無(wú)為導(dǎo)師學(xué)習(xí)，這時(shí)，只規(guī)定學(xué)習(xí)方式或某些規(guī)則，則具體的學(xué)習(xí)內(nèi)容隨系統(tǒng)所處環(huán)境 （即輸入信號(hào)情況）而異，系統(tǒng)可以自動(dòng)發(fā)現(xiàn)環(huán)境特征和規(guī)律性，具有更近似人腦的功能。
（2）泛化能力
泛化能力指對(duì)沒(méi)有訓(xùn)練過(guò)的樣本，有很好的預(yù)測(cè)能力和控制能力。特別是，當(dāng)存在一些有噪聲的樣本，網(wǎng)絡(luò)具備很好的預(yù)測(cè)能力。
(3)非線性映射能力
當(dāng)對(duì)系統(tǒng)對(duì)于設(shè)計(jì)人員來(lái)說(shuō)，很透徹或者很清楚時(shí)，則一般利用數(shù)值分析，偏微分方程等數(shù)學(xué)工具建立精確的數(shù)學(xué)模型，但當(dāng)對(duì)系統(tǒng)很復(fù)雜，或者系統(tǒng)未知，系統(tǒng)信息量很少時(shí)，建立精確的數(shù)學(xué)模型很困難時(shí)，神經(jīng)網(wǎng)絡(luò)的非線性映射能力則表現(xiàn)出優(yōu)勢(shì)，因?yàn)樗恍枰獙?duì)系統(tǒng)進(jìn)行透徹的了解，但是同時(shí)能達(dá)到輸入與輸出的映射關(guān)系，這就大大簡(jiǎn)化設(shè)計(jì)的難度。
(4)高度并行性
并行性具有一定的爭(zhēng)議性。承認(rèn)具有并行性理由：神經(jīng)網(wǎng)絡(luò)是根據(jù)人的大腦而抽象出來(lái)的數(shù)學(xué)模型，由于人可以同時(shí)做一些事，所以從功能的模擬角度上看，神經(jīng)網(wǎng)絡(luò)也應(yīng)具備很強(qiáng)的并行性。
多少年以來(lái)，人們從醫(yī)學(xué)、生物學(xué)、生理學(xué)、哲學(xué)、信息學(xué)、計(jì)算機(jī)科學(xué)、認(rèn)知學(xué)、組織協(xié)同學(xué)等各個(gè)角度企圖認(rèn)識(shí)并解答上述問(wèn)題。在尋找上述問(wèn)題答案的研究過(guò)程中，這些年來(lái)逐漸形成了一個(gè)新興的多學(xué)科交叉技術(shù)領(lǐng)域，稱之為“神經(jīng)網(wǎng)絡(luò)”。神經(jīng)網(wǎng)絡(luò)的研究涉及眾多學(xué)科領(lǐng)域，這些領(lǐng)域互相結(jié)合、相互滲透并相互推動(dòng)。不同領(lǐng)域的科學(xué)家又從各自學(xué)科的興趣與特色出發(fā)，提出不同的問(wèn)題，從不同的角度進(jìn)行研究。
下面將人工神經(jīng)網(wǎng)絡(luò)與通用的計(jì)算機(jī)工作特點(diǎn)來(lái)對(duì)比一下：
若從速度的角度出發(fā)，人腦神經(jīng)元之間傳遞信息的速度要遠(yuǎn)低于計(jì)算機(jī)，前者為毫秒量級(jí)，而后者的頻率往往可達(dá)幾百兆赫。但是，由于人腦是一個(gè)大規(guī)模并行與串行組合處理系統(tǒng)，因而，在許多問(wèn)題上可以作出快速判斷、決策和處理，其速度則遠(yuǎn)高于串行結(jié)構(gòu)的普通計(jì)算機(jī)。人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)模仿人腦，具有并行處理特征，可以大大提高工作速度。
人腦存貯信息的特點(diǎn)為利用突觸效能的變化來(lái)調(diào)整存貯內(nèi)容，也即信息存貯在神經(jīng)元之間連接強(qiáng)度的分布上，存貯區(qū)與計(jì)算機(jī)區(qū)合為一體。雖然人腦每日有大量神經(jīng)細(xì)胞死亡 （平均每小時(shí)約一千個(gè)），但不影響大腦的正常思維活動(dòng)。
普通計(jì)算機(jī)是具有相互獨(dú)立的存貯器和運(yùn)算器，知識(shí)存貯與數(shù)據(jù)運(yùn)算互不相關(guān)，只有通過(guò)人編出的程序使之溝通，這種溝通不能超越程序編制者的預(yù)想。元器件的局部損壞及程序中的微小錯(cuò)誤都可能引起嚴(yán)重的失常。 心理學(xué)家和認(rèn)知科學(xué)家研究神經(jīng)網(wǎng)絡(luò)的目的在于探索人腦加工、儲(chǔ)存和搜索信息的機(jī)制，弄清人腦功能的機(jī)理，建立人類認(rèn)知過(guò)程的微結(jié)構(gòu)理論。
生物學(xué)、醫(yī)學(xué)、腦科學(xué)專家試圖通過(guò)神經(jīng)網(wǎng)絡(luò)的研究推動(dòng)腦科學(xué)向定量、精確和理論化體系發(fā)展，同時(shí)也寄希望于臨床醫(yī)學(xué)的新突破；信息處理和計(jì)算機(jī)科學(xué)家研究這一問(wèn)題的目的在于尋求新的途徑以解決不能解決或解決起來(lái)有極大困難的大量問(wèn)題，構(gòu)造更加逼近人腦功能的新一代計(jì)算機(jī)。
人工神經(jīng)網(wǎng)絡(luò)早期的研究工作應(yīng)追溯至上世紀(jì)40年代。下面以時(shí)間順序，以著名的人物或某一方面突出的研究成果為線索，簡(jiǎn)要介紹人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史。
1943年，心理學(xué)家W·Mcculloch和數(shù)理邏輯學(xué)家W·Pitts在分析、總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先提出神經(jīng)元的數(shù)學(xué)模型。此模型沿用至今，并且直接影響著這一領(lǐng)域研究的進(jìn)展。因而，他們兩人可稱為人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)。
1945年馮·諾依曼領(lǐng)導(dǎo)的設(shè)計(jì)小組試制成功存儲(chǔ)程序式電子計(jì)算機(jī)，標(biāo)志著電子計(jì)算機(jī)時(shí)代的開(kāi)始。1948年，他在研究工作中比較了人腦結(jié)構(gòu)與存儲(chǔ)程序式計(jì)算機(jī)的根本區(qū)別，提出了以簡(jiǎn)單神經(jīng)元構(gòu)成的再生自動(dòng)機(jī)網(wǎng)絡(luò)結(jié)構(gòu)。但是，由于指令存儲(chǔ)式計(jì)算機(jī)技術(shù)的發(fā)展非常迅速，迫使他放棄了神經(jīng)網(wǎng)絡(luò)研究的新途徑，繼續(xù)投身于指令存儲(chǔ)式計(jì)算機(jī)技術(shù)的研究，并在此領(lǐng)域作出了巨大貢獻(xiàn)。雖然，馮·諾依曼的名字是與普通計(jì)算機(jī)聯(lián)系在一起的，但他也是人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)之一。
50年代末，F(xiàn)·Rosenblatt設(shè)計(jì)制作了“感知機(jī)”，它是一種多層的神經(jīng)網(wǎng)絡(luò)。這項(xiàng)工作首次把人工神經(jīng)網(wǎng)絡(luò)的研究從理論探討付諸工程實(shí)踐。當(dāng)時(shí)，世界上許多實(shí)驗(yàn)室仿效制作感知機(jī)，分別應(yīng)用于文字識(shí)別、聲音識(shí)別、聲納信號(hào)識(shí)別以及學(xué)習(xí)記憶問(wèn)題的研究。然而，這次人工神經(jīng)網(wǎng)絡(luò)的研究高潮未能持續(xù)很久，許多人陸續(xù)放棄了這方面的研究工作，這是因?yàn)楫?dāng)時(shí)數(shù)字計(jì)算機(jī)的發(fā)展處于全盛時(shí)期，許多人誤以為數(shù)字計(jì)算機(jī)可以解決人工智能、模式識(shí)別、專家系統(tǒng)等方面的一切問(wèn)題，使感知機(jī)的工作得不到重視；其次，當(dāng)時(shí)的電子技術(shù)工藝水平比較落后，主要的元件是電子管或晶體管，利用它們制作的神經(jīng)網(wǎng)絡(luò)體積龐大，價(jià)格昂貴，要制作在規(guī)模上與真實(shí)的神經(jīng)網(wǎng)絡(luò)相似是完全不可能的；另外，在1968年一本名為《感知機(jī)》的著作中指出線性感知機(jī)功能是有限的，它不能解決如異感這樣的基本問(wèn)題，而且多層網(wǎng)絡(luò)還不能找到有效的計(jì)算方法，這些論點(diǎn)促使大批研究人員對(duì)于人工神經(jīng)網(wǎng)絡(luò)的前景失去信心。60年代末期，人工神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了低潮。
另外，在60年代初期，Widrow提出了自適應(yīng)線性元件網(wǎng)絡(luò)，這是一種連續(xù)取值的線性加權(quán)求和閾值網(wǎng)絡(luò)。后來(lái)，在此基礎(chǔ)上發(fā)展了非線性多層自適應(yīng)網(wǎng)絡(luò)。當(dāng)時(shí)，這些工作雖未標(biāo)出神經(jīng)網(wǎng)絡(luò)的名稱，而實(shí)際上就是一種人工神經(jīng)網(wǎng)絡(luò)模型。
隨著人們對(duì)感知機(jī)興趣的衰退，神經(jīng)網(wǎng)絡(luò)的研究沉寂了相當(dāng)長(zhǎng)的時(shí)間。80年代初期，模擬與數(shù)字混合的超大規(guī)模集成電路制作技術(shù)提高到新的水平，完全付諸實(shí)用化，此外，數(shù)字計(jì)算機(jī)的發(fā)展在若干應(yīng)用領(lǐng)域遇到困難。這一背景預(yù)示，向人工神經(jīng)網(wǎng)絡(luò)尋求出路的時(shí)機(jī)已經(jīng)成熟。美國(guó)的物理學(xué)家Hopfield于1982年和1984年在美國(guó)科學(xué)院院刊上發(fā)表了兩篇關(guān)于人工神經(jīng)網(wǎng)絡(luò)研究的論文，引起了巨大的反響。人們重新認(rèn)識(shí)到神經(jīng)網(wǎng)絡(luò)的威力以及付諸應(yīng)用的現(xiàn)實(shí)性。隨即，一大批學(xué)者和研究人員圍繞著 Hopfield提出的方法展開(kāi)了進(jìn)一步的工作，形成了80年代中期以來(lái)人工神經(jīng)網(wǎng)絡(luò)的研究熱潮。
1985年，Ackley、Hinton和Sejnowski將模擬退火算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，提出了Boltzmann機(jī)，該算法具有逃離極值的優(yōu)點(diǎn)，但是訓(xùn)練時(shí)間需要很長(zhǎng)。
1986年，Rumelhart、Hinton和Williams提出了多層前饋神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，即BP算法。它從證明的角度推導(dǎo)算法的正確性，是學(xué)習(xí)算法有理論依據(jù)。從學(xué)習(xí)算法角度上看，是一個(gè)很大的進(jìn)步。
1988年，Broomhead和Lowe第一次提出了徑向基網(wǎng)絡(luò)：RBF網(wǎng)絡(luò)。
總體來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)經(jīng)歷了從高潮到低谷，再到高潮的階段，充滿曲折的過(guò)程。

人工智能神經(jīng)網(wǎng)絡(luò)論文

　　隨著科學(xué)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)得到了空前的發(fā)展，并且在諸多領(lǐng)域得到了廣泛的應(yīng)用，為人工智能化的發(fā)展提供了強(qiáng)大的動(dòng)力。以下是我整理分享的人工智能神經(jīng)網(wǎng)絡(luò)論文的相關(guān)資料，歡迎閱讀!

　　人工智能神經(jīng)網(wǎng)絡(luò)論文篇一 　　人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用

　　摘要隨著科學(xué)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)得到了空前的發(fā)展，并且在諸多領(lǐng)域得到了廣泛的應(yīng)用，為人工智能化的發(fā)展提供了強(qiáng)大的動(dòng)力。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展經(jīng)歷了不同的階段，是人工智能的重要組成部分，并且在發(fā)展過(guò)程中形成了自身獨(dú)特的特點(diǎn)。文章對(duì)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程進(jìn)行回顧，并對(duì)其在各個(gè)領(lǐng)域的應(yīng)用情況進(jìn)行探討。

　　關(guān)鍵詞人工神經(jīng)網(wǎng)絡(luò);發(fā)展;應(yīng)用

　　隨著科學(xué)技術(shù)的發(fā)展，各個(gè)行業(yè)和領(lǐng)域都在進(jìn)行人工智能化的研究工作，已經(jīng)成為專家學(xué)者研究的熱點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)就是在人工智能基礎(chǔ)上發(fā)展而來(lái)的重要分支，對(duì)人工智能的發(fā)展具有重要的促進(jìn)作用。人工神經(jīng)網(wǎng)絡(luò)從形成之初發(fā)展至今，經(jīng)歷了不同的發(fā)展階段，并且在經(jīng)濟(jì)、生物、醫(yī)學(xué)等領(lǐng)域得到了廣泛的應(yīng)用，解決了許多技術(shù)上的難題。

　　1人工神經(jīng)網(wǎng)絡(luò)概述

　　關(guān)于人工神經(jīng)網(wǎng)絡(luò)，到目前為止還沒(méi)有一個(gè)得到廣泛認(rèn)可的統(tǒng)一定義，綜合各專家學(xué)者的觀點(diǎn)可以將人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)單的概括為是模仿人腦的結(jié)構(gòu)和功能的計(jì)算機(jī)信息處理系統(tǒng)[1]。人工神經(jīng)網(wǎng)絡(luò)具有自身的發(fā)展特性，其具有很強(qiáng)的并行結(jié)構(gòu)以及并行處理的能力，在實(shí)時(shí)和動(dòng)態(tài)控制時(shí)能夠起到很好的作用;人工神經(jīng)網(wǎng)絡(luò)具有非線性映射的特性，對(duì)處理非線性控制的問(wèn)題時(shí)能給予一定的幫助;人工神經(jīng)網(wǎng)絡(luò)可以通過(guò)訓(xùn)練掌握數(shù)據(jù)歸納和處理的能力，因此在數(shù)學(xué)模型等難以處理時(shí)對(duì)問(wèn)題進(jìn)行解決;人工神經(jīng)網(wǎng)絡(luò)的適應(yīng)性和集成性很強(qiáng)，能夠適應(yīng)不同規(guī)模的信息處理和大規(guī)模集成數(shù)據(jù)的處理與控制;人工神經(jīng)網(wǎng)絡(luò)不但在軟件技術(shù)上比較成熟，而且近年來(lái)在硬件方面也得到了較大發(fā)展，提高了人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的信息處理能力。

　　2人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程

　　2.1 萌芽時(shí)期

　　在20世紀(jì)40年代，生物學(xué)家McCulloch與數(shù)學(xué)家Pitts共同發(fā)表文章，第一次提出了關(guān)于神經(jīng)元的模型M-P模型，這一理論的提出為神經(jīng)網(wǎng)絡(luò)模型的研究和開(kāi)發(fā)奠定了基礎(chǔ)，在此基礎(chǔ)上人工神經(jīng)網(wǎng)絡(luò)研究逐漸展開(kāi)。1951年，心理學(xué)家Hebb提出了關(guān)于連接權(quán)數(shù)值強(qiáng)化的法則，為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能開(kāi)發(fā)進(jìn)行了鋪墊。之后生物學(xué)家Eccles通過(guò)實(shí)驗(yàn)證實(shí)了突觸的真實(shí)分流，為神經(jīng)網(wǎng)絡(luò)研究突觸的模擬功能提供了真實(shí)的模型基礎(chǔ)以及生物學(xué)的依據(jù)[2]。隨后，出現(xiàn)了能夠模擬行為以及條件反射的處理機(jī)和自適應(yīng)線性網(wǎng)絡(luò)模型，提高了人工神經(jīng)網(wǎng)絡(luò)的速度和精準(zhǔn)度。這一系列研究成果的出現(xiàn)為人工神經(jīng)網(wǎng)絡(luò)的形成和發(fā)展提供了可能。

　　2.2 低谷時(shí)期

　　在人工神經(jīng)網(wǎng)絡(luò)形成的初期，人們只是熱衷于對(duì)它的研究，卻對(duì)其自身的局限進(jìn)行了忽視。Minskyh和Papert通過(guò)多年對(duì)神經(jīng)網(wǎng)絡(luò)的研究，在1969年對(duì)之前所取得的研究成果提出了質(zhì)疑，認(rèn)為當(dāng)前研究出的神經(jīng)網(wǎng)絡(luò)只合適處理比較簡(jiǎn)單的線性問(wèn)題，對(duì)于非線性問(wèn)題以及多層網(wǎng)絡(luò)問(wèn)題卻無(wú)法解決。由于他們的質(zhì)疑，使神經(jīng)網(wǎng)絡(luò)的發(fā)展進(jìn)入了低谷時(shí)期，但是在這一時(shí)期，專家和學(xué)者也并沒(méi)有停止對(duì)神經(jīng)網(wǎng)絡(luò)的研究，針對(duì)他們的質(zhì)疑也得出一些相應(yīng)的研究成果。

　　2.3 復(fù)興時(shí)期

　　美國(guó)的物理學(xué)家Hopfield在1982年提出了新的神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)實(shí)驗(yàn)證明在滿足一定的條件時(shí)，神經(jīng)網(wǎng)絡(luò)是能夠達(dá)到穩(wěn)定的狀態(tài)的。通過(guò)他的研究和帶動(dòng)，眾多專家學(xué)者又重新開(kāi)始了對(duì)人工神經(jīng)網(wǎng)絡(luò)方面的研究，推動(dòng)了神經(jīng)網(wǎng)絡(luò)的再一次發(fā)展[3]。經(jīng)過(guò)專家學(xué)者的不斷努力，提出了各種不同的人工神經(jīng)網(wǎng)絡(luò)的模型，神經(jīng)網(wǎng)絡(luò)理論研究不斷深化，新的理論和方法層出不窮，使神經(jīng)網(wǎng)絡(luò)的研究和應(yīng)用進(jìn)入了一個(gè)嶄新的時(shí)期。

　　2.4 穩(wěn)步發(fā)展時(shí)期

　　隨著人工神經(jīng)網(wǎng)絡(luò)研究在世界范圍內(nèi)的再次興起，我國(guó)也迎來(lái)了相關(guān)理論研究的熱潮，在人工神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)技術(shù)方面取得了突破性的進(jìn)展。到20世紀(jì)90年代時(shí)，國(guó)內(nèi)對(duì)于神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究得到了進(jìn)一步的完善和發(fā)展，而且能夠利用神經(jīng)網(wǎng)絡(luò)對(duì)非線性的系統(tǒng)控制問(wèn)題進(jìn)行解決，研究成果顯著。隨著各類人工神經(jīng)網(wǎng)絡(luò)的相關(guān)刊物的創(chuàng)建和相關(guān)學(xué)術(shù)會(huì)議的召開(kāi)，我國(guó)人工神經(jīng)網(wǎng)絡(luò)的研究和應(yīng)用條件逐步改善，得到了國(guó)際的關(guān)注。

　　隨著人工神經(jīng)網(wǎng)絡(luò)的穩(wěn)步發(fā)展，逐漸建立了光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)，利用光學(xué)的強(qiáng)大功能，提高了人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和自適應(yīng)能力。對(duì)非線性動(dòng)態(tài)系統(tǒng)的控制問(wèn)題，采取有效措施，提高超平面的光滑性，對(duì)其精度進(jìn)行改進(jìn)。之后有專家提出了關(guān)于人工神經(jīng)網(wǎng)絡(luò)的抽取算法，雖然保證了精度，但也加大了消耗，在一定程度上降低了神經(jīng)網(wǎng)絡(luò)的效率，因此在此基礎(chǔ)上又提出了改進(jìn)算法FERNN。混沌神經(jīng)網(wǎng)絡(luò)的發(fā)展也得到了相應(yīng)的進(jìn)步，提高了神經(jīng)網(wǎng)絡(luò)的泛化能力。

　　3人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用

　　3.1 在信息領(lǐng)域中的應(yīng)用

　　人工神經(jīng)網(wǎng)絡(luò)在信息領(lǐng)域中的應(yīng)用主要體現(xiàn)在信息處理和模式識(shí)別兩個(gè)方面。由于科技的發(fā)展，當(dāng)代信息處理工作越來(lái)越復(fù)雜，利用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以對(duì)人的思維進(jìn)行模仿甚至是替代，面對(duì)問(wèn)題自動(dòng)診斷和解決，能夠輕松解決許多傳統(tǒng)方法無(wú)法解決的問(wèn)題，在軍事信息處理中的應(yīng)用極為廣泛[4]。模式識(shí)別是對(duì)事物表象的各種信息進(jìn)行整理和分析，對(duì)事物進(jìn)行辨別和解釋的一個(gè)過(guò)程，這樣對(duì)信息進(jìn)行處理的過(guò)程與人類大腦的思維方式很相像。模式識(shí)別的方法可以分為兩種，一種是統(tǒng)計(jì)模式識(shí)別，還有一種是結(jié)構(gòu)模式識(shí)別，在語(yǔ)音識(shí)別和指紋識(shí)別等方面得到了廣泛的應(yīng)用。

　　3.2 在醫(yī)學(xué)領(lǐng)域的應(yīng)用

　　人工神經(jīng)網(wǎng)絡(luò)對(duì)于非線性問(wèn)題處理十分有效，而人體的構(gòu)成和疾病形成的原因十分復(fù)雜，具有不可預(yù)測(cè)性，在生物信號(hào)的表現(xiàn)形式和變化規(guī)律上也很難掌握，信息檢測(cè)和分析等諸多方面都存在著復(fù)雜的非線性聯(lián)系，所以應(yīng)用人工神經(jīng)網(wǎng)絡(luò)決解這些非線性問(wèn)題具有特殊意義[5]。目前，在醫(yī)學(xué)領(lǐng)域中的應(yīng)用涉及到理論和臨床的各個(gè)方面，最主要的是生物信號(hào)的檢測(cè)和自動(dòng)分析以及專家系統(tǒng)等方面的應(yīng)用。

　　3.3 在經(jīng)濟(jì)領(lǐng)域中的應(yīng)用

　　經(jīng)濟(jì)領(lǐng)域中的商品價(jià)格、供需關(guān)系、風(fēng)險(xiǎn)系數(shù)等方面的信息構(gòu)成也十分復(fù)雜且變幻莫測(cè)，人工神經(jīng)網(wǎng)絡(luò)可以對(duì)不完整的信息以及模糊不確定的信息進(jìn)行簡(jiǎn)單明了的處理，與傳統(tǒng)的經(jīng)濟(jì)統(tǒng)計(jì)方法相比具有其無(wú)法比擬的優(yōu)勢(shì)，數(shù)據(jù)分析的穩(wěn)定性和可靠性更強(qiáng)。

　　3.4 在其他領(lǐng)域的應(yīng)用

　　人工神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域、交通領(lǐng)域、心理學(xué)領(lǐng)域等方面都有很廣泛的應(yīng)用，能夠?qū)Ω唠y度的非線性問(wèn)題進(jìn)行處理，對(duì)交通運(yùn)輸方面進(jìn)行集成式的管理，以其高適應(yīng)性和優(yōu)秀的模擬性能解決了許多傳統(tǒng)方法無(wú)法解決的問(wèn)題，促進(jìn)了各個(gè)領(lǐng)域的快速發(fā)展。

　　4總結(jié)

　　隨著科技的發(fā)展，人工智能系統(tǒng)將進(jìn)入更加高級(jí)的發(fā)展階段，人工神經(jīng)網(wǎng)絡(luò)也將得到更快的發(fā)展和更加廣泛的應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)也許無(wú)法完全對(duì)人腦進(jìn)行取代，但是其特有的非線性信息處理能力解決了許多人工無(wú)法解決的問(wèn)題，在智能系統(tǒng)的各個(gè)領(lǐng)域中得到成功應(yīng)用，今后的發(fā)展趨勢(shì)將向著更加智能和集成的方向發(fā)展。

　　參考文獻(xiàn)

　　[1]徐用懋，馮恩波.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在控制中的應(yīng)用[J].化工進(jìn)展，1993(5)：8-12，20.

　　[2]湯素麗，羅宇鋒.人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展與應(yīng)用[J].電腦開(kāi)發(fā)與應(yīng)用，2009(10)：59-61.

　　[3]李會(huì)玲，柴秋燕.人工神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)控制的發(fā)展及展望[J].邢臺(tái)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2009(5)：44-46.

　　[4]過(guò)效杰，祝彥知.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在巖土工程領(lǐng)域研究現(xiàn)狀[J].河南水利，2004(1)：22-23.

　　[5]崔永華.基于人工神經(jīng)網(wǎng)絡(luò)的河流匯流預(yù)報(bào)模型及應(yīng)用研究[D].鄭州大學(xué)，2006.

下一頁(yè)分享更優(yōu)秀的<<<人工智能神經(jīng)網(wǎng)絡(luò)論文

人工神經(jīng)網(wǎng)絡(luò)的主要研究成果

1 人工神經(jīng)網(wǎng)絡(luò)產(chǎn)生的背景
自古以來(lái)，關(guān)于人類智能本源的奧秘，一直吸引著無(wú)數(shù)哲學(xué)家和自然科學(xué)家的研究熱情。生物學(xué)家、神經(jīng)學(xué)家經(jīng)過(guò)長(zhǎng)期不懈的努力，通過(guò)對(duì)人腦的觀察和認(rèn)識(shí)，認(rèn)為人腦的智能活動(dòng)離不開(kāi)腦的物質(zhì)基礎(chǔ)，包括它的實(shí)體結(jié)構(gòu)和其中所發(fā)生的各種生物、化學(xué)、電學(xué)作用，并因此建立了神經(jīng)元網(wǎng)絡(luò)理論和神經(jīng)系統(tǒng)結(jié)構(gòu)理論，而神經(jīng)元理論又是此后神經(jīng)傳導(dǎo)理論和大腦功能學(xué)說(shuō)的基礎(chǔ)。在這些理論基礎(chǔ)之上，科學(xué)家們認(rèn)為，可以從仿制人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能出發(fā)，研究人類智能活動(dòng)和認(rèn)識(shí)現(xiàn)象。另一方面，19世紀(jì)之前，無(wú)論是以歐氏幾何和微積分為代表的經(jīng)典數(shù)學(xué)，還是以牛頓力學(xué)為代表的經(jīng)典物理學(xué)，從總體上說(shuō)，這些經(jīng)典科學(xué)都是線性科學(xué)。然而，客觀世界是如此的紛繁復(fù)雜，非線性情況隨處可見(jiàn)，人腦神經(jīng)系統(tǒng)更是如此。復(fù)雜性和非線性是連接在一起的，因此，對(duì)非線性科學(xué)的研究也是我們認(rèn)識(shí)復(fù)雜系統(tǒng)的關(guān)鍵。為了更好地認(rèn)識(shí)客觀世界，我們必須對(duì)非線性科學(xué)進(jìn)行研究。人工神經(jīng)網(wǎng)絡(luò)作為一種非線性的、與大腦智能相似的網(wǎng)絡(luò)模型，就這樣應(yīng)運(yùn)而生了。所以，人工神經(jīng)網(wǎng)絡(luò)的創(chuàng)立不是偶然的，而是20世紀(jì)初科學(xué)技術(shù)充分發(fā)展的產(chǎn)物。
2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
人工神經(jīng)網(wǎng)絡(luò)的研究始于40年代初。半個(gè)世紀(jì)以來(lái)，經(jīng)歷了興起、高潮與蕭條、高潮及穩(wěn)步發(fā)展的遠(yuǎn)為曲折的道路。
1943年，心理學(xué)家W.S.Mcculloch和數(shù)理邏輯學(xué)家W.Pitts 提出了M—P模型，這是第一個(gè)用數(shù)理語(yǔ)言描述腦的信息處理過(guò)程的模型， 雖然神經(jīng)元的功能比較弱，但它為以后的研究工作提供了依據(jù)。1949年，心理學(xué)家D.O.Hebb提出突觸聯(lián)系可變的假設(shè)，根據(jù)這一假設(shè)提出的學(xué)習(xí)規(guī)律為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法奠定了基礎(chǔ)。 1957 年， 計(jì)算機(jī)科學(xué)家Rosenblatt提出了著名的感知機(jī)模型，它的模型包含了現(xiàn)代計(jì)算機(jī)的一些原理，是第一個(gè)完整的人工神經(jīng)網(wǎng)絡(luò)，第一次把神經(jīng)網(wǎng)絡(luò)研究付諸工程實(shí)現(xiàn)。由于可應(yīng)用于模式識(shí)別，聯(lián)想記憶等方面，當(dāng)時(shí)有上百家實(shí)驗(yàn)室投入此項(xiàng)研究，美國(guó)軍方甚至認(rèn)為神經(jīng)網(wǎng)絡(luò)工程應(yīng)當(dāng)比“原子彈工程”更重要而給予巨額資助，并在聲納信號(hào)識(shí)別等領(lǐng)域取得一定成績(jī)。1960年，B.Windrow和E.Hoff提出了自適應(yīng)線性單元， 它可用于自適應(yīng)濾波、預(yù)測(cè)和模式識(shí)別。至此，人工神經(jīng)網(wǎng)絡(luò)的研究工作進(jìn)入了第一個(gè)高潮。
1969年，美國(guó)著名人工智能學(xué)者M(jìn).Minsky和S.Papert編寫(xiě)了影響很大的Perceptron一書(shū)，從理論上證明單層感知機(jī)的能力有限，諸如不能解決異或問(wèn)題，而且他們推測(cè)多層網(wǎng)絡(luò)的感知機(jī)能力也不過(guò)如此，他們的分析恰似一瓢冷水，很多學(xué)者感到前途渺茫而紛紛改行，原先參與研究的實(shí)驗(yàn)室紛紛退出，在這之后近10年，神經(jīng)網(wǎng)絡(luò)研究進(jìn)入了一個(gè)緩慢發(fā)展的蕭條期。這期間，芬蘭學(xué)者T.Kohonen 提出了自組織映射理論，反映了大腦神經(jīng)細(xì)胞的自組織特性、記憶方式以及神經(jīng)細(xì)胞興奮刺激的規(guī)律；美國(guó)學(xué)者S.A.Grossberg的自適應(yīng)共振理論（ART ）；日本學(xué)者K.Fukushima提出了認(rèn)知機(jī)模型；ShunIchimari則致力于神經(jīng)網(wǎng)絡(luò)有關(guān)數(shù)學(xué)理論的研究等，這些研究成果對(duì)以后的神經(jīng)網(wǎng)絡(luò)的發(fā)展產(chǎn)生了重要影響。
美國(guó)生物物理學(xué)家J.J.Hopfield于1982年、1984年在美國(guó)科學(xué)院院刊發(fā)表的兩篇文章，有力地推動(dòng)了神經(jīng)網(wǎng)絡(luò)的研究，引起了研究神經(jīng)網(wǎng)絡(luò)的又一次熱潮。 1982 年， 他提出了一個(gè)新的神經(jīng)網(wǎng)絡(luò)模型——hopfield網(wǎng)絡(luò)模型。他在這種網(wǎng)絡(luò)模型的研究中，首次引入了網(wǎng)絡(luò)能量函數(shù)的概念，并給出了網(wǎng)絡(luò)穩(wěn)定性的判定依據(jù)。1984年，他又提出了網(wǎng)絡(luò)模型實(shí)現(xiàn)的電子電路，為神經(jīng)網(wǎng)絡(luò)的工程實(shí)現(xiàn)指明了方向，他的研究成果開(kāi)拓了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶的優(yōu)化計(jì)算的新途徑，并為神經(jīng)計(jì)算機(jī)研究奠定了基礎(chǔ)。1984年Hinton等人將模擬退火算法引入到神經(jīng)網(wǎng)絡(luò)中，提出了Boltzmann機(jī)網(wǎng)絡(luò)模型，BM 網(wǎng)絡(luò)算法為神經(jīng)網(wǎng)絡(luò)優(yōu)化計(jì)算提供了一個(gè)有效的方法。1986年，D.E.Rumelhart和J.LMcclelland提出了誤差反向傳播算法，成為至今為止影響很大的一種網(wǎng)絡(luò)學(xué)習(xí)方法。1987年美國(guó)神經(jīng)計(jì)算機(jī)專家R.Hecht—Nielsen提出了對(duì)向傳播神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)具有分類靈活，算法簡(jiǎn)練的優(yōu)點(diǎn)，可用于模式分類、函數(shù)逼近、統(tǒng)計(jì)分析和數(shù)據(jù)壓縮等領(lǐng)域。1988年L.Ochua 等人提出了細(xì)胞神經(jīng)網(wǎng)絡(luò)模型，它在視覺(jué)初級(jí)加工上得到了廣泛應(yīng)用。
為適應(yīng)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，1987年成立了國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)，并決定定期召開(kāi)國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議。1988年1月Neural Network 創(chuàng)刊。1990年3月IEEE Transaction on Neural Network問(wèn)世。 我國(guó)于1990年12月在北京召開(kāi)了首屆神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會(huì)，并決定以后每年召開(kāi)一次。1991 年在南京成立了中國(guó)神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)。 IEEE 與INNS 聯(lián)合召開(kāi)的IJCNN92已在北京召開(kāi)。 這些為神經(jīng)網(wǎng)絡(luò)的研究和發(fā)展起了推波助瀾的作用，人工神經(jīng)網(wǎng)絡(luò)步入了穩(wěn)步發(fā)展的時(shí)期。
90年代初，諾貝爾獎(jiǎng)獲得者Edelman提出了Darwinism模型，建立了神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論。同年，Aihara等在前人推導(dǎo)和實(shí)驗(yàn)的基礎(chǔ)上，給出了一個(gè)混沌神經(jīng)元模型，該模型已成為一種經(jīng)典的混沌神經(jīng)網(wǎng)絡(luò)模型，該模型可用于聯(lián)想記憶。 Wunsch 在90OSA 年會(huì)上提出了一種AnnualMeeting，用光電執(zhí)行ART，學(xué)習(xí)過(guò)程有自適應(yīng)濾波和推理功能，具有快速和穩(wěn)定的學(xué)習(xí)特點(diǎn)。1991年，Hertz探討了神經(jīng)計(jì)算理論， 對(duì)神經(jīng)網(wǎng)絡(luò)的計(jì)算復(fù)雜性分析具有重要意義；Inoue 等提出用耦合的混沌振蕩子作為某個(gè)神經(jīng)元，構(gòu)造混沌神經(jīng)網(wǎng)絡(luò)模型，為它的廣泛應(yīng)用前景指明了道路。1992年，Holland用模擬生物進(jìn)化的方式提出了遺傳算法， 用來(lái)求解復(fù)雜優(yōu)化問(wèn)題。1993年方建安等采用遺傳算法學(xué)習(xí)，研究神經(jīng)網(wǎng)絡(luò)控制器獲得了一些結(jié)果。1994年Angeline等在前人進(jìn)化策略理論的基礎(chǔ)上，提出一種進(jìn)化算法來(lái)建立反饋神經(jīng)網(wǎng)絡(luò)，成功地應(yīng)用到模式識(shí)別，自動(dòng)控制等方面；廖曉昕對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)建立了新的數(shù)學(xué)理論和方法，得到了一系列結(jié)果。HayashlY根據(jù)動(dòng)物大腦中出現(xiàn)的振蕩現(xiàn)象，提出了振蕩神經(jīng)網(wǎng)絡(luò)。1995年Mitra把人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯理論、 生物細(xì)胞學(xué)說(shuō)以及概率論相結(jié)合提出了模糊神經(jīng)網(wǎng)絡(luò)，使得神經(jīng)網(wǎng)絡(luò)的研究取得了突破性進(jìn)展。Jenkins等人研究光學(xué)神經(jīng)網(wǎng)絡(luò)， 建立了光學(xué)二維并行互連與電子學(xué)混合的光學(xué)神經(jīng)網(wǎng)絡(luò)，它能避免網(wǎng)絡(luò)陷入局部最小值，并最后可達(dá)到或接近最理想的解；SoleRV等提出流體神經(jīng)網(wǎng)絡(luò)，用來(lái)研究昆蟲(chóng)社會(huì)，機(jī)器人集體免疫系統(tǒng)，啟發(fā)人們用混沌理論分析社會(huì)大系統(tǒng)。1996年，ShuaiJW’等模擬人腦的自發(fā)展行為， 在討論混沌神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出了自發(fā)展神經(jīng)網(wǎng)絡(luò)。1997、1998年董聰?shù)葎?chuàng)立和完善了廣義遺傳算法，解決了多層前向網(wǎng)絡(luò)的最簡(jiǎn)拓樸構(gòu)造問(wèn)題和全局最優(yōu)逼近問(wèn)題。
隨著理論工作的發(fā)展，神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究也取得了突破性進(jìn)展，涉及面非常廣泛，就應(yīng)用的技術(shù)領(lǐng)域而言有計(jì)算機(jī)視覺(jué)，語(yǔ)言的識(shí)別、理解與合成，優(yōu)化計(jì)算，智能控制及復(fù)雜系統(tǒng)分析，模式識(shí)別，神經(jīng)計(jì)算機(jī)研制，知識(shí)推理專家系統(tǒng)與人工智能。涉及的學(xué)科有神經(jīng)生理學(xué)、認(rèn)識(shí)科學(xué)、數(shù)理科學(xué)、心理學(xué)、信息科學(xué)、計(jì)算機(jī)科學(xué)、微電子學(xué)、光學(xué)、動(dòng)力學(xué)、生物電子學(xué)等。美國(guó)、日本等國(guó)在神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)軟硬件實(shí)現(xiàn)的開(kāi)發(fā)方面也取得了顯著的成績(jī)，并逐步形成產(chǎn)品。在美國(guó)，神經(jīng)計(jì)算機(jī)產(chǎn)業(yè)已獲得軍方的強(qiáng)有力支持，國(guó)防部高級(jí)研究計(jì)劃局認(rèn)為“神經(jīng)網(wǎng)絡(luò)是解決機(jī)器智能的唯一希望”，僅一項(xiàng)8 年神經(jīng)計(jì)算機(jī)計(jì)劃就投資4億美元。在歐洲共同體的ESPRIT計(jì)劃中， 就有一項(xiàng)特別項(xiàng)目：“神經(jīng)網(wǎng)絡(luò)在歐洲工業(yè)中的應(yīng)用”，單是生產(chǎn)神經(jīng)網(wǎng)絡(luò)專用芯片這一項(xiàng)就投資2200萬(wàn)美元。據(jù)美國(guó)資料聲稱，日本在神經(jīng)網(wǎng)絡(luò)研究上的投資大約是美國(guó)的4倍。我國(guó)也不甘落后，自從1990 年批準(zhǔn)了南開(kāi)大學(xué)的光學(xué)神經(jīng)計(jì)算機(jī)等3項(xiàng)課題以來(lái)， 國(guó)家自然科學(xué)基金與國(guó)防預(yù)研基金也都為神經(jīng)網(wǎng)絡(luò)的研究提供資助。另外，許多國(guó)際著名公司也紛紛卷入對(duì)神經(jīng)網(wǎng)絡(luò)的研究，如Intel、IBM、Siemens、HNC。神經(jīng)計(jì)算機(jī)產(chǎn)品開(kāi)始走向商用階段，被國(guó)防、企業(yè)和科研部門選用。在舉世矚目的海灣戰(zhàn)爭(zhēng)中，美國(guó)空軍采用了神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行決策與控制。在這種刺激和需求下，人工神經(jīng)網(wǎng)絡(luò)定會(huì)取得新的突破，迎來(lái)又一個(gè)高潮。自1958年第一個(gè)神經(jīng)網(wǎng)絡(luò)誕生以來(lái)，其理論與應(yīng)用成果不勝枚舉。人工神經(jīng)網(wǎng)絡(luò)是一個(gè)快速發(fā)展著的一門新興學(xué)科，新的模型、新的理論、新的應(yīng)用成果正在層出不窮地涌現(xiàn)出來(lái)。
3 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展前景
針對(duì)神經(jīng)網(wǎng)絡(luò)存在的問(wèn)題和社會(huì)需求，今后發(fā)展的主要方向可分為理論研究和應(yīng)用研究?jī)蓚€(gè)方面。
（1）利用神經(jīng)生理與認(rèn)識(shí)科學(xué)研究大腦思維及智能的機(jī)理、 計(jì)算理論，帶著問(wèn)題研究理論。
人工神經(jīng)網(wǎng)絡(luò)提供了一種揭示智能和了解人腦工作方式的合理途徑，但是由于人類起初對(duì)神經(jīng)系統(tǒng)了解非常有限，對(duì)于自身腦結(jié)構(gòu)及其活動(dòng)機(jī)理的認(rèn)識(shí)還十分膚淺，并且?guī)в心撤N“先驗(yàn)”。例如， Boltzmann機(jī)引入隨機(jī)擾動(dòng)來(lái)避免局部極小，有其卓越之處，然而缺乏必要的腦生理學(xué)基礎(chǔ)，毫無(wú)疑問(wèn)，人工神經(jīng)網(wǎng)絡(luò)的完善與發(fā)展要結(jié)合神經(jīng)科學(xué)的研究。而且，神經(jīng)科學(xué)，心理學(xué)和認(rèn)識(shí)科學(xué)等方面提出的一些重大問(wèn)題，是向神經(jīng)網(wǎng)絡(luò)理論研究提出的新挑戰(zhàn)，這些問(wèn)題的解決有助于完善和發(fā)展神經(jīng)網(wǎng)絡(luò)理論。因此利用神經(jīng)生理和認(rèn)識(shí)科學(xué)研究大腦思維及智能的機(jī)理，如有新的突破，將會(huì)改變智能和機(jī)器關(guān)系的認(rèn)識(shí)。
利用神經(jīng)科學(xué)基礎(chǔ)理論的研究成果，用數(shù)理方法探索智能水平更高的人工神經(jīng)網(wǎng)絡(luò)模型，深入研究網(wǎng)絡(luò)的算法和性能，如神經(jīng)計(jì)算、進(jìn)化計(jì)算、穩(wěn)定性、收斂性、計(jì)算復(fù)雜性、容錯(cuò)性、魯棒性等，開(kāi)發(fā)新的網(wǎng)絡(luò)數(shù)理理論。由于神經(jīng)網(wǎng)絡(luò)的非線性，因此非線性問(wèn)題的研究是神經(jīng)網(wǎng)絡(luò)理論發(fā)展的一個(gè)最大動(dòng)力。特別是人們發(fā)現(xiàn)，腦中存在著混沌現(xiàn)象以來(lái)，用混沌動(dòng)力學(xué)啟發(fā)神經(jīng)網(wǎng)絡(luò)的研究或用神經(jīng)網(wǎng)絡(luò)產(chǎn)生混沌成為擺在人們面前的一個(gè)新課題，因?yàn)閺纳肀举|(zhì)角度出發(fā)是研究神經(jīng)網(wǎng)絡(luò)的根本手段。
（2）神經(jīng)網(wǎng)絡(luò)軟件模擬， 硬件實(shí)現(xiàn)的研究以及神經(jīng)網(wǎng)絡(luò)在各個(gè)科學(xué)技術(shù)領(lǐng)域應(yīng)用的研究。
由于人工神經(jīng)網(wǎng)絡(luò)可以用傳統(tǒng)計(jì)算機(jī)模擬，也可以用集成電路芯片組成神經(jīng)計(jì)算機(jī)，甚至還可以用光學(xué)的、生物芯片的方式實(shí)現(xiàn)，因此研制純軟件模擬，虛擬模擬和全硬件實(shí)現(xiàn)的電子神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)潛力巨大。如何使神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)與傳統(tǒng)的計(jì)算機(jī)和人工智能技術(shù)相結(jié)合也是前沿課題；如何使神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的功能向智能化發(fā)展，研制與人腦功能相似的智能計(jì)算機(jī)，如光學(xué)神經(jīng)計(jì)算機(jī)，分子神經(jīng)計(jì)算機(jī)，將具有十分誘人的前景。
4 哲理
（1）人工神經(jīng)網(wǎng)絡(luò)打開(kāi)了認(rèn)識(shí)論的新領(lǐng)域
認(rèn)識(shí)與腦的問(wèn)題，長(zhǎng)期以來(lái)一直受到人們的關(guān)注，因?yàn)樗粌H是有關(guān)人的心理、意識(shí)的心理學(xué)問(wèn)題，也是有關(guān)人的思維活動(dòng)機(jī)制的腦科學(xué)與思維科學(xué)問(wèn)題，而且直接關(guān)系到對(duì)物質(zhì)與意識(shí)的哲學(xué)基本問(wèn)題的回答。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展使我們能夠更進(jìn)一步地既唯物又辯證地理解認(rèn)識(shí)與腦的關(guān)系，打開(kāi)認(rèn)識(shí)論的新領(lǐng)域。人腦是一個(gè)復(fù)雜的并行系統(tǒng)，它具有“認(rèn)知、意識(shí)、情感”等高級(jí)腦功能，用人工進(jìn)行模擬，有利于加深對(duì)思維及智能的認(rèn)識(shí)，已對(duì)認(rèn)知和智力的本質(zhì)的研究產(chǎn)生了極大的推動(dòng)作用。在研究大腦的整體功能和復(fù)雜性方面，人工神經(jīng)網(wǎng)絡(luò)給人們帶來(lái)了新的啟迪。由于人腦中存在混沌現(xiàn)象，混沌可用來(lái)理解腦中某些不規(guī)則的活動(dòng)，從而混沌動(dòng)力學(xué)模型能用作人對(duì)外部世界建模的工具，可用來(lái)描述人腦的信息處理過(guò)程?；煦绾椭悄苁怯嘘P(guān)的，神經(jīng)網(wǎng)絡(luò)中引入混沌學(xué)思想有助于提示人類形象思維等方面的奧秘。人工神經(jīng)網(wǎng)絡(luò)之所以再度興起，關(guān)鍵在于它反映了事物的非線性，抓住了客觀世界的本質(zhì)，而且它在一定程度上正面回答了智能系統(tǒng)如何從環(huán)境中自主學(xué)習(xí)這一最關(guān)鍵的問(wèn)題，從認(rèn)知的角度講，所謂學(xué)習(xí)，就是對(duì)未知現(xiàn)象或規(guī)律的發(fā)現(xiàn)和歸納。由于神經(jīng)網(wǎng)絡(luò)具有高度的并行性，高度的非線性全局作用，良好的容錯(cuò)性與聯(lián)想記憶功能以及十分強(qiáng)的自適應(yīng)、自學(xué)習(xí)功能，而使得它成為揭示智能和了解人腦工作方式的合理途徑。但是，由于認(rèn)知問(wèn)題的復(fù)雜性，目前，我們對(duì)于腦神經(jīng)網(wǎng)的運(yùn)行和神經(jīng)細(xì)胞的內(nèi)部處理機(jī)制，如信息在人腦是如何傳輸、存貯、加工的？記憶、聯(lián)想、判斷是如何形成的？大腦是否存在一個(gè)操作系統(tǒng)？還沒(méi)有太多的認(rèn)識(shí)，因此要制造人工神經(jīng)網(wǎng)絡(luò)來(lái)模仿人腦各方面的功能，還有待于人們對(duì)大腦信息處理機(jī)理認(rèn)識(shí)的深化。
（2）人工神經(jīng)網(wǎng)絡(luò)發(fā)展的推動(dòng)力來(lái)源于實(shí)踐、 理論和問(wèn)題的相互作用
隨著人們社會(huì)實(shí)踐范圍的不斷擴(kuò)大，社會(huì)實(shí)踐層次的不斷深入，人們所接觸到的自然現(xiàn)象也越來(lái)越豐富多彩、紛繁復(fù)雜，這就促使人們用不同的原因加以解釋不同種類的自然現(xiàn)象，當(dāng)不同種類的自然現(xiàn)象可以用同樣的原因加以解釋，這樣就出現(xiàn)了不同學(xué)科的相互交叉、綜合，人工神經(jīng)網(wǎng)絡(luò)就這樣產(chǎn)生了。在開(kāi)始階段，由于這些理論化的網(wǎng)絡(luò)模型比較簡(jiǎn)單，還存在許多問(wèn)題，而且這些模型幾乎沒(méi)有得到實(shí)踐的檢驗(yàn)，因而神經(jīng)網(wǎng)絡(luò)的發(fā)展比較緩慢。隨著理論研究的深入，問(wèn)題逐漸地解決特別是工程上得到實(shí)現(xiàn)以后，如聲納識(shí)別成功，才迎來(lái)了神經(jīng)網(wǎng)絡(luò)的第一個(gè)發(fā)展高潮?？蒑inisky認(rèn)為感知器不能解決異或問(wèn)題， 多層感知器也不過(guò)如此，神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了低谷，這主要是因?yàn)榉蔷€性問(wèn)題沒(méi)得到解決。隨著理論的不斷豐富，實(shí)踐的不斷深入， 現(xiàn)在已證明Minisky的悲觀論調(diào)是錯(cuò)誤的。今天，高度發(fā)達(dá)的科學(xué)技術(shù)逐漸揭示了非線性問(wèn)題是客觀世界的本質(zhì)。問(wèn)題、理論、實(shí)踐的相互作用又迎來(lái)了人工神經(jīng)網(wǎng)絡(luò)的第二次高潮。目前人工神經(jīng)網(wǎng)絡(luò)的問(wèn)題是智能水平不高，還有其它理論和實(shí)現(xiàn)方面的問(wèn)題，這就迫使人們不斷地進(jìn)行理論研究，不斷實(shí)踐，促使神經(jīng)網(wǎng)絡(luò)不斷向前發(fā)展?？傊惹暗脑蛴龅搅私忉尣煌男卢F(xiàn)象，促使人們提出更加普遍和精確的原因來(lái)解釋。理論是基礎(chǔ)，實(shí)踐是動(dòng)力，但單純的理論和實(shí)踐的作用還不能推動(dòng)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，還必須有問(wèn)題提出，才能吸引科學(xué)家進(jìn)入研究的特定范圍，引導(dǎo)科學(xué)家從事相關(guān)研究，從而逼近科學(xué)發(fā)現(xiàn)，而后實(shí)踐又提出新問(wèn)題，新問(wèn)題又引發(fā)新的思考，促使科學(xué)家不斷思考，不斷完善理論。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展無(wú)不體現(xiàn)著問(wèn)題、理論和實(shí)踐的辯證統(tǒng)一關(guān)系。
（3 ）人工神經(jīng)網(wǎng)絡(luò)發(fā)展的另一推動(dòng)力來(lái)源于相關(guān)學(xué)科的貢獻(xiàn)及不同學(xué)科專家的競(jìng)爭(zhēng)與協(xié)同
人工神經(jīng)網(wǎng)絡(luò)本身就是一門邊緣學(xué)科，它的發(fā)展有更廣闊的科學(xué)背景，亦即是眾多科研成果的綜合產(chǎn)物，控制論創(chuàng)始人Wiener在其巨著《控制論》中就進(jìn)行了人腦神經(jīng)元的研究；計(jì)算機(jī)科學(xué)家Turing就提出過(guò)B網(wǎng)絡(luò)的設(shè)想；Prigogine提出非平衡系統(tǒng)的自組織理論，獲得諾貝爾獎(jiǎng)；Haken研究大量元件聯(lián)合行動(dòng)而產(chǎn)生宏觀效果， 非線性系統(tǒng)“混沌”態(tài)的提出及其研究等，都是研究如何通過(guò)元件間的相互作用建立復(fù)雜系統(tǒng)，類似于生物系統(tǒng)的自組織行為。腦科學(xué)與神經(jīng)科學(xué)的進(jìn)展迅速反映到人工神經(jīng)網(wǎng)絡(luò)的研究中，例如生物神經(jīng)網(wǎng)絡(luò)理論，視覺(jué)中發(fā)現(xiàn)的側(cè)抑制原理，感受野概念等，為神經(jīng)網(wǎng)絡(luò)的發(fā)展起了重要的推動(dòng)作用。從已提出的上百種人工神經(jīng)網(wǎng)絡(luò)模型中，涉及學(xué)科之多，令人目不暇接，其應(yīng)用領(lǐng)域之廣，令人嘆為觀止。不同學(xué)科專家為了在這一領(lǐng)域取得領(lǐng)先水平，存在著不同程度的競(jìng)爭(zhēng)，所有這些有力地推動(dòng)了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展。人腦是一個(gè)功能十分強(qiáng)大、結(jié)構(gòu)異常復(fù)雜的信息系統(tǒng)，隨著信息論、控制論、生命科學(xué)，計(jì)算機(jī)科學(xué)的發(fā)展，人們?cè)絹?lái)越驚異于大腦的奇妙，至少到目前為止，人類大腦信號(hào)處理機(jī)制對(duì)人類自身來(lái)說(shuō)，仍是一個(gè)黑盒子，要揭示人腦的奧秘需要神經(jīng)學(xué)家、心理學(xué)家、計(jì)算機(jī)科學(xué)家、微電子學(xué)家、數(shù)學(xué)家等專家的共同努力，對(duì)人類智能行為不斷深入研究，為人工神經(jīng)網(wǎng)絡(luò)發(fā)展提供豐富的理論源泉。另外，還要有哲學(xué)家的參與，通過(guò)哲學(xué)思想和自然科學(xué)多種學(xué)科的深層結(jié)合，逐步孕育出探索人類思維本質(zhì)和規(guī)律的新方法，使思維科學(xué)從朦朧走向理性。而且，不同領(lǐng)域?qū)＜业母?jìng)爭(zhēng)與協(xié)調(diào)同有利于問(wèn)題清晰化和尋求最好的解決途徑?？v觀神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史，沒(méi)有相關(guān)學(xué)科的貢獻(xiàn)，不同學(xué)科專家的競(jìng)爭(zhēng)與協(xié)同，神經(jīng)網(wǎng)絡(luò)就不會(huì)有今天。當(dāng)然，人工神經(jīng)網(wǎng)絡(luò)在各個(gè)學(xué)科領(lǐng)域應(yīng)用的研究反過(guò)來(lái)又推動(dòng)其它學(xué)科的發(fā)展，推動(dòng)自身的完善和發(fā)展。

神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)，

優(yōu)點(diǎn)：

（1）具有自學(xué)習(xí)功能。例如實(shí)現(xiàn)圖像識(shí)別時(shí)，只在先把許多不同的圖像樣板和對(duì)應(yīng)的應(yīng)識(shí)別的結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)就會(huì)通過(guò)自學(xué)習(xí)功能，慢慢學(xué)會(huì)識(shí)別類似的圖像。

自學(xué)習(xí)功能對(duì)于預(yù)測(cè)有特別重要的意義。預(yù)期未來(lái)的人工神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)將為人類提供經(jīng)濟(jì)預(yù)測(cè)、市場(chǎng)預(yù)測(cè)、效益預(yù)測(cè)，其應(yīng)用前途是很遠(yuǎn)大的。

（2）具有聯(lián)想存儲(chǔ)功能。用人工神經(jīng)網(wǎng)絡(luò)的反饋網(wǎng)絡(luò)就可以實(shí)現(xiàn)這種聯(lián)想。

（3）具有高速尋找優(yōu)化解的能力。尋找一個(gè)復(fù)雜問(wèn)題的優(yōu)化解，往往需要很大的計(jì)算量，利用一個(gè)針對(duì)某問(wèn)題而設(shè)計(jì)的反饋型人工神經(jīng)網(wǎng)絡(luò)，發(fā)揮計(jì)算機(jī)的高速運(yùn)算能力，可能很快找到優(yōu)化解。

缺點(diǎn)：

（1）最嚴(yán)重的問(wèn)題是沒(méi)能力來(lái)解釋自己的推理過(guò)程和推理依據(jù)。

（2）不能向用戶提出必要的詢問(wèn)，而且當(dāng)數(shù)據(jù)不充分的時(shí)候，神經(jīng)網(wǎng)絡(luò)就無(wú)法進(jìn)行工作。

（3）把一切問(wèn)題的特征都變?yōu)閿?shù)字，把一切推理都變?yōu)閿?shù)值計(jì)算，其結(jié)果勢(shì)必是丟失信息。

（4）理論和學(xué)習(xí)算法還有待于進(jìn)一步完善和提高。

擴(kuò)展資料：

神經(jīng)網(wǎng)絡(luò)發(fā)展趨勢(shì)

人工神經(jīng)網(wǎng)絡(luò)特有的非線性適應(yīng)性信息處理能力，克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué)，如模式、語(yǔ)音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷，使之在神經(jīng)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用。

人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合，將推動(dòng)人工智能和信息處理技術(shù)不斷發(fā)展。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)正向模擬人類認(rèn)知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向，將在實(shí)際應(yīng)用中得到發(fā)展。

將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究，為人工神經(jīng)網(wǎng)絡(luò)的理論研究開(kāi)辟了新的途徑。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快，已有產(chǎn)品進(jìn)入市場(chǎng)。光電結(jié)合的神經(jīng)計(jì)算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。

神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域已得到了很好的應(yīng)用，但其需要研究的方面還很多。其中，具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織以及非線性映射等優(yōu)點(diǎn)的神經(jīng)網(wǎng)絡(luò)與其他技術(shù)的結(jié)合以及由此而來(lái)的混合方法和混合系統(tǒng)，已經(jīng)成為一大研究熱點(diǎn)。

由于其他方法也有它們各自的優(yōu)點(diǎn)，所以將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合，取長(zhǎng)補(bǔ)短，繼而可以獲得更好的應(yīng)用效果。目前這方面工作有神經(jīng)網(wǎng)絡(luò)與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。

參考資料：-人工神經(jīng)網(wǎng)絡(luò)

本文地址:http://www.soujuw.cn/zhongyizatan/44867.html.

聲明： 我們致力于保護(hù)作者版權(quán)，注重分享，被刊用文章因無(wú)法核實(shí)真實(shí)出處，未能及時(shí)與作者取得聯(lián)系，或有版權(quán)異議的，請(qǐng)聯(lián)系管理員，我們會(huì)立即處理，本站部分文字與圖片資源來(lái)自于網(wǎng)絡(luò)，轉(zhuǎn)載是出于傳遞更多信息之目的,若有來(lái)源標(biāo)注錯(cuò)誤或侵犯了您的合法權(quán)益，請(qǐng)立即通知我們(管理員郵箱：602607956@qq.com)，情況屬實(shí)，我們會(huì)第一時(shí)間予以刪除，并同時(shí)向您表示歉意,謝謝!

上一篇: 肝郁證實(shí)驗(yàn)研究概覽

下一篇: 懸鐘穴的應(yīng)用及定位考證