人工神经网络的发展前景
1前言
人工神经网络的发展是从什么时候开始的，说法不一。 其起源被认为可以追溯到魔兽世界和魔兽世界提出的MP模型。 从此，神经网络的序幕拉开了。 20世纪50年代后期，Frank Rosenblatt定义了被称为感知器的以后常用的神经网络结构。 这是人工神经网络的第一个实际应用。20世纪60年代，Bernard Widrow和Ted Hoff提出了训练自适应线性神经网络的新学习算法； 20世纪70年代，Grossberg提出了自适应共振理论。 他研究了两种记忆机制(短期记忆和长期记忆)，提出了视觉系统的自组织神经网络。 这是连续时间竞争网络，是构成自适应谐振理论网络的基础。 20世纪80年代，Hopfield和一些学者提出了Hopfield网络模型。 这是全连接的反馈网络。 另外，Hinton等人提出了Boltzman机。 Kumellhart等人提出了误差的逆向
传播神经网络，简称BP网络。 目前，BP神经网络已经成为一个广泛使用的网络。
2应用现状
神经网络和独特的结构和信息处理方法，在许多实用领域取得了显著的效果，主要应用如下：
1 )信号处理。 神经网络广泛应用于自适应信号处理和非线性信号处理。 前者，例如信号自适应滤波、时间序列预测、频谱估计、噪声去除等； 后者包括非线性滤波、非线性预测、非线性编码、调制/解调等。
2 )模式识别。 神经网络不仅能处理固定图像、固定能谱等静态模式，还能处理动态图像、连续声音等动态模式。
3 )系统识别。 基于神经网络的系统辨识是以神经网络为识别对象的模型，利用其非线性特性可以建立非线性系统的静态或动态模型。
4 )智力测试。 在综合指标的检测(例如环境舒适性等综合指标的检测)中，将神经网络作为智能检查中的信息处理联想等数据融合处理，实现单一传感器所没有的功能。
5 )汽车工程。 神经网络在汽车制动自动控制系统中也取得了成功，该系统不受路面坡度和车重的影响，在给定制动距离、车速、最大减速度的情况下，能以人体感受到的最小冲击实现平稳制动。
6 )化学工程。 神经网络广泛应用于光谱分析、化学反应产物判定、离子浓度判定，以及生命体中某些化合物含量与生物活性对应关系的研究，取得了一定的成果。
7 )保健医疗。 例如，可以通过训练自主组合的多层感知器来区分
正常心率和非正常心率，基于BP网络的波形分类和特征提取应用于计算机临床诊断。
2神经网络与其他智能方法的融合
2.1神经网络与专家系统的融合
专家系统主张用计算机的符号处理能力模拟人的逻辑思维，其核心是知识的符号表示和符号表示对知识的处理。 神经网络主张对人脑的结构和机制进行研究，通过大规模集成简单的信息处理单元来模拟人脑对信息的处理。
专家系统和人工神经网络两种技术都试图模仿人的思维方式解决实际问题，它们的应用使计算机具有智能成为现实，解决了许多工程实践中的问题。 但由于这两种技术本身的特点，它们都侧重于人的思维方式的某些方面。 由此，在遇到结构上简单的问题时，也能够比较好地解决。 遇到结构复杂的问题时，单纯使用一种技术是不够的。 人类往往同时使用多种思维方式。 有时以逻辑思维为主，辅助直觉思维；有时以直觉思维为主，辅助逻辑思维进行说明。 因此，专家系统和人工神经网络要获得更大的应用，不仅要依靠自身的“不断发展和完善，而且要依靠这两种技术的不断结合，这也是这两种技术未来的发展方向。
2.2神经网络与模糊技术的融合
模糊计算是计算智能的另一个重要方面。 作为智能信息处理的方法和手段，模糊技术和神经网络技术各有优势。 模糊技术抓住人思维中的模糊特征，模仿人的模糊信息处理能力和综合判断
通过切断传统数学方法难以解决的模糊信息处理难题的能力，计算机的应用扩展到需要了解经验才能解决的问题领域，在描述高级知识方面有很好的优势。 神经网络技术以生物神经网络为仿真基础，以非线性大规模并行处理为主要特征，可以以任意精度逼近紧致集上的任意实连续函数，如模式识别、聚类分析以及计算机视觉等方面有很多替代将它们有机结合起来，可以有效发挥各自的优点来弥补其不足，在工程应用领域更是(7)。
3.3神经网络与遗传算法的融合
《人工神经网络发展前景》全文内容未完全显示在当前页面上。 剩下的内容请访问下一页。