人工神經(jīng)網(wǎng)絡的研究方法(已修改)
2025-01-20 06:34 本頁面
【正文】 人工神經(jīng)網(wǎng)絡 的研究方法及應用 劉 長 安 2022. 12. 31 引 言 ? 利用機器模仿人類的智能是長期以來人們認識自然、改造自然和認識自身的理想。 ? 研究 ANN目的： ? （ 1）探索和模擬人的感覺、思維和行為的規(guī)律，設計具有人類智能的計算機系統(tǒng)。 ? （ 2）探討人腦的智能活動，用物化了的智能來考察和研究人腦智能的物質過程及其規(guī)律。 研究 ANN方法 （ 1） 生理結構的模擬： 用仿生學觀點，探索人腦的生理結構，把對人腦的微觀結構及其智能行為的研究結合起來即人工神經(jīng)網(wǎng)絡（ Artificial Neural Netwroks，簡稱 ANN）方法。 （ 2）宏觀功能的模擬： 從人的思維活動和智能行為的心理學特性出發(fā)，利用計算機系統(tǒng)來對人腦智能進行宏觀功能的模擬，即符號處理方法。 ANN的研究內容 （ 1） 理論研究 ： ANN模型及其學習算法，試圖從數(shù)學上描述 ANN的動力學過程，建立相應的 ANN模型，在該模型的基礎上，對于給定的學習樣本，找出一種能以較快的速度和較高的精度調整神經(jīng)元間互連權值，使系統(tǒng)達到穩(wěn)定狀態(tài)，滿足學習要求的算法。 （ 2） 實現(xiàn)技術的研究 ：探討利用電子、光學、生物等技術實現(xiàn)神經(jīng)計算機的途徑。 （ 3） 應用的研究 ：探討如何應用 ANN解決實際問題，如模式識別、故障檢測、智能機器人等。 人工神經(jīng)網(wǎng)絡概述 ? 什么是 人工神經(jīng)網(wǎng)絡 ？ ? ： “人工神經(jīng)網(wǎng)絡 是由 具有適應性的簡單單元組成的廣泛并行互連的網(wǎng)絡，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應。 ” 腦神經(jīng)信息活動的特征 (1)巨量并行性。 (2)信息處理和存儲單元結合在一起。 (3)自組織自學習功能。 ANN研究的目的和意義 (1)通過揭示物理平面與認知平面之間的映射，了解它們相互聯(lián)系和相互作用的機理，從而揭示思維的本質，探索智能的本源。 (2)爭取構造出盡可能與人腦具有相似功能的計算機，即 ANN計算機。 (3)研究仿照腦神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡，將在模式識別、組合優(yōu)化和決策判斷等方面取得傳統(tǒng)計算機所難以達到的效果。 神經(jīng)網(wǎng)絡研究的發(fā)展 (1)第一次熱潮 (4060年代未 ) 1943年 ,美國心理學家 ，即 MP模型。1958年， (Perceptron）。 (2)低潮 (7080年代初 ): (3)第二次熱潮 1982年，美國物理學家 Hopfield模型，它是一個互聯(lián)的非線性動力學網(wǎng)絡他解決問題的方法是一種反復運算的動態(tài)過程 ,這是符號邏輯處理方法所不具備的性質 . 1987年首屆國際 ANN大會在圣地亞哥召開，國際 ANN聯(lián)合會成立，創(chuàng)辦了多種 ANN國際刊物。1990年 12月，北京召開首屆學術會議。 神經(jīng)網(wǎng)絡基本模型 細 胞 體突觸軸 突樹突圖 1 2 . 2 生 物 神 經(jīng) 元 功 能 模 型輸入輸出信 息 處 理電 脈 沖形 成傳 輸 ANN類型與功能 人工神經(jīng)網(wǎng)絡 研究的局限性 （ 1） ANN研究受到腦科學研究成果的限制。 （ 2） ANN缺少一個完整、成熟的理論體系。 （ 3） ANN研究帶有濃厚的策略和經(jīng)驗色彩。 （ 4） ANN與傳統(tǒng)技術的接口不成熟。 一般而言 , ANN與經(jīng)典計算方法相比并非優(yōu)越 , 只有當常規(guī)方法解決不了或效果不佳時 ANN方法才能顯示出其優(yōu)越性。尤其對問題的機理不甚了解或不能用數(shù)學模型表示的系統(tǒng) ,如故障診斷、特征提取和預測等問題 ,ANN往往是最有利的工具。另一方面 , ANN對處理大量原始數(shù)據(jù)而不能用規(guī)則或公式描述的問題 , 表現(xiàn)出極大的靈活性和自適應性。 細 胞 體突觸軸 突樹突圖 1 2 . 2 生 物 神 經(jīng) 元 功 能 模 型輸入輸出信 息 處 理電 脈 沖形 成傳 輸黑箱 神經(jīng)網(wǎng)絡在環(huán)境科學與工程中的應用 人工神經(jīng)網(wǎng)絡以其具有自學習、自組織、較好的容錯性和優(yōu)良的非線性逼近能力，受到眾多領域學者的關注。在實際應用中， 80%～90%的人工神經(jīng)網(wǎng)絡模型是采用誤差反傳算法或其變化形式的網(wǎng)絡模型（簡稱 BP網(wǎng)絡），目前主要應用于函數(shù)逼近、模式識別、分類和數(shù)據(jù)壓縮或數(shù)據(jù)挖掘。 ? 環(huán)境質量評價 ? 環(huán)境系統(tǒng)因素預測 ? 環(huán)境因素定量關系模擬 構效分析、成因分析 ? 污染防治系統(tǒng)建模 神經(jīng)網(wǎng)絡在環(huán)境科學與工程中的應用 李一平（河海大學環(huán)境科學與工程學院） .《 太湖生態(tài)系統(tǒng)的人工神經(jīng)網(wǎng)絡模擬研究 》 ，環(huán)境科學與技術， 2022年第二期 構造了具有 3層節(jié)點的人工神經(jīng)網(wǎng)絡模型 ,將太湖 2022年 5～ 12月全湖共 26個采樣點的實測值作為學習樣本 ,一共有 26 8=208組數(shù)據(jù)。從這些數(shù)據(jù)中分別隨機抽取 1/4的數(shù)據(jù)各 52組作為檢驗樣本和測試樣本 ,其余的 104組 (占 50%)數(shù)據(jù)作為訓練樣本。每個樣本均含有 12個輸入因子 ,分別是風速、風向、水溫、ｐＨ、ＤＯ
教學課件相關推薦
鄂ICP備17016276號-1