人工神经网络是什么人工神经网络优点介绍图文

　　人工神经网络,人工神经网络是什么意思
　　神经网络是一门活跃的边缘性交叉学科.研究它的发展过程和前沿问题，具有重要的理论意义。
　　人工神经网络(ANN)是以计算机网络系统模拟生物神经网络的智能计算系统。网络上的每个结点相当于一个神经元，经可以记忆(存储)、处理一定的信息，并与其它结点并行工作。求解一个问题是向人工神经网络的某些结点输入信息，各结点处理后向其它结点输出，其它结点接受并处理后再输出，直到整个神经网工作完毕，输出最后结果。如同生物的神经网络，并非所有神经元每次都一样地工作。如视、听、摸、想不同的事件(输入不同)，各神经元参与工作的程度不同。当有声音时，处理声音的听觉神经元就要全力工作，视觉、触觉神经元基本不工作，主管思维的神经元部分参与工作;阅读时，听觉神经元基本不工作。在人工神经网络中以加权值控制结点参与工作的程度。正权值相当于神经元突触受到刺激而兴奋，负权值相当于受到抑制而使神经元麻痹直到完全不工作。
　　如果通过一个样板问题“教会”人工神经网络处理这个问题，即通过“学习”而使各结点的加权值得到肯定，那么，这一类的问题它都可以解。好的学习算法会使它不断积累的知识，根据不同的问题自动调整一组加权值，使它具有良好的自适应性。此外，它本来就是一部分结点参与工作。当某结点出故障时，它就让功能相近的其它结点顶替有故障结点参与本题工作，使系统不致中断。所以，它有很强的容错能力。
　　人工神经网络通过样板的“学习和培训”，可记忆、客观事物在空间、时间方面比较复杂的关系，特点适合于解决各类预测、分类、评估匹配、识别等问题。例如，将人工神经网络上的各个结点模拟各地气象站，根据某一时刻的采样参数(压强、湿度、风速、温度)，同时计算后将结果输出到下一个气象站，则可模拟出未来气候参数的变化，做出准确预报。即使有突变参数(如风暴，寒流)也能正确计算。所以，人工神经网络在经济分析、市场预测、金融趋势、化工最优过程、航空航天器的飞行控制、医学、环境保护等领域都有应用的前景。
　　由于人工神经网络是大规模分布式计算机系统，其运行时间和结点数的平方成正比，而结点数越多计算越准确，所以要求高速廉价的器件。此外，学习算法的优劣影响整个系统的性能。目前在较复杂的系统中数学优化的问题尚待进一步解决。尽管如此，和其它智能技术一样，在某些局部领域已有商品软硬件投入市场。
　　事实上，探究大脑—思维—计算之间的关系还刚刚开始，道路还十分漫长，关于脑的计算原理及其复杂性;关于学习、联想和记忆过程的机理及其模拟等方面的研究已受到人们的关注 ，它未来的发展必将是激动人心的.神经网络理论的前沿问题将渗透在21世纪科学的挑战性 问题中，可能取得重大的突破.
　　人工神经网络
　　人类的思维能力来自人脑;人脑是一个非常复杂而又高度灵活的神经网络。它大约由1011个神经元构成,每个神经元上有突触,又与大约103个其他神经元相连,形成复杂的生物神经网络。人们通过研究探索人脑神经网络的结构、功能以及它工作的机制,来研究人脑思维和智能活动的规律。人工神经网络(Artificial Neural Networks,ANN)是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在这一模型中，大量的节点(或称“神经元”，或“单元”)之间相互联接构成网络，即“神经网络”，以达到处理信息的目的。
　　人工神经网络以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。国际著名的神经网络研究专家，第一家神经计算机公司的创立者 与领导人Hecht—Nielsen给人工神经网络下的定义就是：“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连 续或断续的输入作状态相应而进行信息处理。” 这一定义是恰当的。 人工神经网络的研究，可以追溯到 1957年Rosenblatt提出的感知器(Perceptron)模型 。它几乎与人工智能——AI(Artificial Intelligence)同时起步，但30余年来却并未取得人工智能那样巨大的成功，中间经历了一段长时间的萧条。直到80年代，获得了关于 人工神经网络切实可行的算法，以及以Von Neumann体系为依托的传统算法在知识处理方面日益显露出其力不从心后，人们才重新对 人工神经网络发生了兴趣，导致神经网络的复兴。 目前在神经网络研究方法上已形成多个流派，最富有成果的研究工作包括：多层网络 BP算法，Hopfield网络模型，自适应共振理 论，自组织特征映射理论等。人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但远不是自然 神经网络的逼真描写，而只是它的某种简化抽象和模拟。
　　人工神经网络的以下几个突出的优点使它近年来引起人们的极大关注：
　　(1)可以充分逼近任意复杂的非线性关系;
　　(2)所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性;
　　(3)采用并行分布处理方法，使得快速进行大量运算成为可能;
　　(4)可学习和自适应不知道或不确定的系统;
　　(5)能够同时处理定量、定性知识。
　　人工神经网络的特点和优越性，主要表现在三个方面：
　　第一，具有自学习功能。例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就 会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提 供经济预测、市场预测、效益预测，其应用前途是很远大的。
　　第二，具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。
　　第三，具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型 人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
　　人工神经网络的应用研究可分为以下两类：
　　1).神经网络的软件模拟和硬件实现的研究。
　　2).神经网络在各个领域中应用的研究。这些领域主要包括：模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。 随着神经网络理论本身以及相关理论、相关技术的不断 发展，神经网络的应用定将更加深入。