发布时间 : 星期一 文章人工智能论文 - 图文更新完毕开始阅读9b079bb5690203d8ce2f0066f5335a8103d2664d
湖南理工学院
人工智能课程论文
题 目： 模式识别及人工神经网络
课程论文成绩： 指 导 教 师：
2016年 6 月 26 日
课程名称： 人工智能 院 系： 计算机学院 专业班级： 姓 名： 学 号:
模式识别及人工神经网络
摘 要:人工神经网络是指模拟人脑神经系统的结构和功能,运用大量的处理部件,由人工方 式建立起来的网络系统。 该文首先介绍了神经网络研究动向， 然后介绍了近年来几种新型神 经网络的基本模型及典型应用,包括模糊神经网络、神经网络与遗传算法的结合、进化神经 网络、 混沌神经网络和神经网络与小波分析的结合。 最后,根据这几种新型神经网络的特点, 展望了它们今后的发展前景。[2]
关键词:模糊神经网络;神经网络与遗传算法的结合;进化神经网络;混沌神经网络； 神经网络 与小波分析。
Pattern recognition and artificial neural network
Abstract: Artificial neural network is the system that simulates the human brain’s structure and function, and uses a large number of processing elements, and is manually established by the network system. This paper firstly introduces the research trends of the neural network, and then introduces several new basic models of neural networks and typical applications in recent years, including of fuzzy neural network, the combine of neural network and genetic algorithm, evolutionary neural networks, chaotic neural networks and the combine of neural networks and wavelet analysis. Finally, their future prospects are predicted based on the characteristics of these new neural networks in the paper. Key words: Fuzzy neural network; Neural network and genetic algorithm; Evolutionary neural networks; Chaotic neural networks; Neural networks and wavelet analysis
1 什么是人工神经网络？
所谓人工神经网络就是模仿生物大脑的结构和功能而构成的一种信息系统计
算机，人士地球上具有最高智慧的动物，而人的指均来自大脑，人类靠大脑进行思考，联想，记忆和推理判断等，这些功能是任何被称为“电脑”的一般计算机所无法取代的，长期以来，许多科学家一直致力于人脑内部结构和功能的探讨和研究，并试图建立模拟人脑的计算机，虽然到目前对大脑的内部工作机理还不是完全清楚，但对其结构有所了解。粗略地讲，大脑是由大量神经细胞或者神经元组成的，每个神经元可看作是一个小的处理单元，这些神经元按某种方式连接起来，形成大脑内部的生理神经元网络。这种神经元网络中各神经元之间联结的强弱，按外部的激励信号做自适应变化，而每个神经元又随着所接收到的多个信号的综合大小而呈现兴奋或抑制状态。
1.1 人工智能网络的发展
（1）初期（萌发）期---MP模型的提出和人工升级网络的兴起
--1943年，美国神经生理学家Warren Mcculloch和数学家Walter Pitts 合写了一篇关于神经元如何工作的开拓性文章：“A Logical Calculus of Ideas Immanent in Nervous Activity”。该文指出，脑细胞的活动就像各种逻辑运算。
[3]
（2）第一次高潮期------ 感知器模型和人工神经网络
--1957年，计算机专家Frank Roseblatt 开始感知器的研究，并制成硬件，通常被认为是最早的神经网络模型。 （3）反思期 ----神经网络的低潮
--1969年,Marvin Minsky 和Seymour Papert 合著了一本书“Perception”，分析了当时的简单感知器，指出它有非常严重的局限性，甚至不能解决简单的“异或”问题，为Rosenblatt的感知器判了“死刑”，此时，批评的声音高涨，导致停止对人工神经网络研究所需要的大量投资。 （4）第二次高潮期-------Hopfield网络模型的出现和神经网络的复苏。
---1982年，John Hopfield向美国科学家递交了有关神经网络的工作，其中特别强调了每种模型的实用性，根据对神经网络的数学分析和深入理解，Hopfield揭示了以往的网络是如何工作的，可以做些什么，并提出了他自己的模型。，能从失真的或不完善的数据图像中完整的数据图像，引起了美国军方的兴
趣。再认识与应用研究。 1.2神经网络模式识别的基本方法
不同输出，然后用该网络识别未知的样本，根据各样本所对应的网络输出情况来划分未知样本的类别。神经网络进行模式识别的一般步骤如图2-1所示分为如下几个部分。
（1）、样本获取
这一步骤主要是为了得到一定数量的用于训练和识别的样本。 （2）、常规处理
其作用相当于传统模式识别中的数据获取和常规处理两步的功能。即通过对
达。
（3）、特征变换
样本的特征表达。以上两步构成了神经网络模式识别中的预处理过程。这一步骤
选择的要求也有所不同。 （4）、神经网络识别
直到网络的输出特性与期望的相符合。