目录
1 人工神经网络算法的工作原理.................................................................................. 3 2 人工神经网络研究内容 ............................................................................................. 4 3 人工神经网络的特点 ................................................................................................. 5 4 典型的神经网络结构 ................................................................................................. 6
4.1 前馈神经网络模型 ......................................................................................... 6
4.1.1 自适应线性神经网络(Adaline) .......................................................... 6
4.1.1.1网络结构 ................................................................................. 6 4.1.1.2学习算法步骤 ......................................................................... 7 4.1.1.3优缺点 ..................................................................................... 7 4.1.2单层感知器 ......................................................................................... 8
4.1.2.1网络结构 ................................................................................. 8 4.1.2.2学习算法步骤 ......................................................................... 9 4.1.2.3优缺点 ..................................................................................... 9 4.1.3多层感知器和BP算法 ..................................................................... 10
4.1.3.1网络结构： ........................................................................... 10 4.1.3.2 BP算法 ................................................................................ 10 4.1.3.3算法学习规则 ....................................................................... 11 4.1.3.4算法步骤 ............................................................................... 11 4.1.3.5优缺点 ................................................................................... 12
4.2反馈神经网络模型 ........................................................................................ 13
4.2.1 Hopfield神经网络 ........................................................................... 13
4.2.1.1网络结构 ............................................................................... 13 4.2.1.2 学习算法 ............................................................................... 15 4.2.1.3 Hopfield网络工作方式 ....................................................... 15 4.2.1.4 Hopfield网络运行步骤 ........................................................ 15 4.2.1.5优缺点 ................................................................................... 16 4.2.2海明神经网络（Hamming） ............................................................ 16
4.2.2.1网络结构 ............................................................................... 16 4.2.2.2学习算法 ............................................................................... 17 4.2.2.3特点 ....................................................................................... 18 4.2.3双向联想存储器（BAM） .............................................................. 19
4.2.3.1 网络结构 ............................................................................... 19 4.2.3.2学习算法 ............................................................................... 19 4.2.3.4优缺点 ................................................................................... 21
5.人工神经网络发展趋势以及待解决的关键问题 .................................................... 22
5.1 与小波分析的结合 ....................................................................................... 22
5.1.1小波神经网络的应用........................................................................ 23 5.1.2待解决的关键技术问题.................................................................... 23 5.2混沌神经网络................................................................................................ 23
5.2.1混沌神经网络的应用........................................................................ 24 5.2.2待解决的关键技术问题.................................................................... 24
1 / 1
5.3基于粗集理论................................................................................................ 24
5.3.1粗集与神经网络结合的应用 ............................................................ 25 5.3.2待解决的关键技术问题.................................................................... 25 5.4分形神经网络................................................................................................ 25
5.4.1分形神经网络的应用........................................................................ 25 5.4.2待解决的关键技术问题.................................................................... 25
参考文献 ...................................................................................................................... 26
1 / 1
人工神经网络综述
人工神经网络（Artificial Neural Networks，ANN）系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。BP（Back Propagation）算法又称为误差 反向传播算法，是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定，灵活性很大，在优化、信号处理与模式识别、智能控制、故障诊断等许 多领域都有着广泛的应用前景。
1 人工神经网络算法的工作原理
人工神经元的研究起源于脑神经元学说。19世纪末，在生物、生理学领域，Waldeger等人创建了神经元学说。人们认识到复杂的神经系统是由数目繁多的神经元组合而成。大脑皮层包括有100亿个以上的神经元，每立方毫米约有数万个，它们互相联结形成神经网络，通过感觉器官和神经接受来自身体内外的各种信息，传递至中枢神经系统内，经过对信息的分析和综合，再通过运动神经发出控制信息，以此来实现机体与内外环境的联系，协调全身的各种机能活动。
神经元也和其他类型的细胞一样，包括有细胞膜、细胞质和细胞核。但是神经细胞的形态比较特殊，具有许多突起，因此又分为细胞体、轴突和树突三部分。细胞体内有细胞核，突起的作用是传递信息。树突是作为引入输入信号的突起，而轴突是作为输出端的突起，它只有一个。
树突是细胞体的延伸部分，它由细胞体发出后逐渐变细，全长各部位都可与其他神经元的轴突末梢相互联系，形成所谓“突触”。在突触处两神经元并未连通，它只是发生信息传递功能的结合部，联系界面之间间隙约为（15～50)×10米。突触可分为兴奋性与抑制性两种类型，它相应于神经元之间耦合的极性。每个神经元的突触数目正常，最高可达10个。各神经元之间的连接强度和极性有所不同，并且都可调整、基于这一特性，人脑具有存储信息的功能。
1 / 1
人工神经网络综述
