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，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)顯著特征是它通過自動(dòng)學(xué)習(xí)來(lái)解決問題，對(duì)樣本的學(xué)習(xí)過程，即為對(duì)網(wǎng)絡(luò)中的神經(jīng)元問的聯(lián)系強(qiáng)度(即權(quán)重系數(shù))逐步確定的過程，通過對(duì)樣本的學(xué)習(xí)，可以學(xué)會(huì)識(shí)別自變量與應(yīng)變量問的復(fù)雜的非線性關(guān)系。經(jīng)過充分學(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?，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“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，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、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。基于黑箱結(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)診斷的過程被看作一個(gè)映射問題．通過癥狀找出對(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)系通過輸入與輸出的映射轉(zhuǎn)化成了，一個(gè)非線性優(yōu)化問題。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)過兩遍傳遞計(jì)算：一遍向前傳播計(jì)算，從輸入層開始傳遞到各層，經(jīng)過處理后產(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)通過醫(yī)生的望、聞、問、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)，通過感覺器官和神經(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)過對(duì)信息的分析和綜合，再通過運(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。現(xiàn)以人工神經(jīng)網(wǎng)絡(luò)對(duì)于寫“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)手寫字母“A”、“B”后，經(jīng)過網(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)練可以開發(fā)許多各具特色的活動(dòng)功能。如盲人的聽覺和觸覺非常靈敏；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)沒有訓(xùn)練過的樣本，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)并解答上述問題。在尋找上述問題答案的研究過程中，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題時(shí)能給予一定的幫助;人工神經(jīng)網(wǎng)絡(luò)可以通過訓(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。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)功能開發(fā)進(jìn)行了鋪墊。之后生物學(xué)家Eccles通過實(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)單的線性問題，對(duì)于非線性問題以及多層網(wǎng)絡(luò)問題卻無(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。通過他的研究和帶動(dòng)，眾多專家學(xué)者又重新開始了對(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，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?；煦缟窠?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)過程，這樣對(duì)信息進(jìn)行處理的過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)過長(zhǎng)期不懈的努力，通過對(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，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編寫了影響很大的Perceptron一書，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題，而且他們推測(cè)多層網(wǎng)絡(luò)的感知機(jī)能力也不過如此，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問世。 我國(guó)于1990年12月在北京召開了首屆神經(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)合召開的IJCNN92已在北京召開。 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)造問題和全局最優(yōu)逼近問題。
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，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，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題，是向神經(jīng)網(wǎng)絡(luò)理論研究提出的新挑戰(zhàn)，這些問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)打開了認(rèn)識(shí)論的新領(lǐng)域
認(rèn)識(shí)與腦的問題，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，還存在許多問題，而且這些模型幾乎沒有得到實(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。可Minisky認(rèn)為感知器不能解決異或問題， 多層感知器也不過如此，神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了低谷，這主要是因?yàn)榉蔷€性問題沒得到解決。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題是客觀世界的本質(zhì)。問題、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)的問題是智能水平不高，還有其它理論和實(shí)現(xiàn)方面的問題，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?，先前的原因遇到了解釋不同的新現(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)踐又提出新問題，新問題又引發(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)同有利于問題清晰化和尋求最好的解決途徑。縱觀神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史，沒有相關(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)重的問題是沒能力來(lái)解釋自己的推理過程和推理依據(jù)。

（2）不能向用戶提出必要的詢問，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，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://m.mcys1996.com/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：douchuanxin@foxmail.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