人工神經(jīng)網(wǎng)絡(luò)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(luò) 的研究方法及應(yīng)用 劉 長 安 2022. 12. 31 引 言 ? 利用機(jī)器模仿人類的智能是長期以來人們認(rèn)識自然、改造自然和認(rèn)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(shè)計具有人類智能的計算機(jī)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(zhì)過程及其規(guī)律。 研究 ANN方法 （ 1） 生理結(jié)構(gòu)的模擬： 用仿生學(xué)觀點(diǎn)，探索人腦的生理結(jié)構(gòu)，把對人腦的微觀結(jié)構(gòu)及其智能行為的研究結(jié)合起來即人工神經(jīng)網(wǎng)絡(luò)（ 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(xué)特性出發(fā)，利用計算機(jī)系統(tǒng)來對人腦智能進(jìn)行宏觀功能的模擬，即符號處理方法。 ANN的研究內(nèi)容 （ 1） 理論研究 ： ANN模型及其學(xué)習(xí)算法，試圖從數(shù)學(xué)上描述 ANN的動力學(xué)過程，建立相應(yīng)的 ANN模型，在該模型的基礎(chǔ)上，對于給定的學(xué)習(xí)樣本，找出一種能以較快的速度和較高的精度調(diào)整神經(jīng)元間互連權(quán)值，使系統(tǒng)達(dá)到穩(wěn)定狀態(tài)，滿足學(xué)習(xí)要求的算法。 （ 2） 實現(xiàn)技術(shù)的研究 ：探討利用電子、光學(xué)、生物等技術(shù)實現(xiàn)神經(jīng)計算機(jī)的途徑。 （ 3） 應(yīng)用的研究 ：探討如何應(yīng)用 ANN解決實際問題，如模式識別、故障檢測、智能機(jī)器人等。 人工神經(jīng)網(wǎng)絡(luò)概述 ? 什么是 人工神經(jīng)網(wǎng)絡(luò) ？ ? ： “人工神經(jīng)網(wǎng)絡(luò) 是由 具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，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(yīng)。 ” 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(jié)合在一起。 (3)自組織自學(xué)習(xí)功能。 ANN研究的目的和意義 (1)通過揭示物理平面與認(rèn)知平面之間的映射，了解它們相互聯(lián)系和相互作用的機(jī)理，從而揭示思維的本質(zhì)，探索智能的本源。 (2)爭取構(gòu)造出盡可能與人腦具有相似功能的計算機(jī)，即 ANN計算機(jī)。 (3)研究仿照腦神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)，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(jī)所難以達(dá)到的效果。 神經(jīng)網(wǎng)絡(luò)研究的發(fā)展 (1)第一次熱潮 (4060年代未 ) 1943年 ,美國心理學(xué)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(xué)家 Hopfield模型，它是一個互聯(lián)的非線性動力學(xué)網(wǎng)絡(luò)他解決問題的方法是一種反復(fù)運(yùn)算的動態(tài)過程 ,這是符號邏輯處理方法所不具備的性質(zhì) . 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(xué)術(shù)會議。 神經(jīng)網(wǎng)絡(luò)基本模型 細(xì) 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(luò) 研究的局限性 （ 1） ANN研究受到腦科學(xué)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(shù)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(dāng)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(jī)理不甚了解或不能用數(shù)學(xué)模型表示的系統(tǒng) ,如故障診斷、特征提取和預(yù)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(yīng)性。 細(xì) 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(luò)在環(huán)境科學(xué)與工程中的應(yīng)用 人工神經(jīng)網(wǎng)絡(luò)以其具有自學(xué)習(xí)、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(lǐng)域?qū)W者的關(guān)注。在實際應(yīng)用中， 80%～90%的人工神經(jīng)網(wǎng)絡(luò)模型是采用誤差反傳算法或其變化形式的網(wǎng)絡(luò)模型（簡稱 BP網(wǎng)絡(luò)），目前主要應(yīng)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(zhì)量評價 ? 環(huán)境系統(tǒng)因素預(yù)測 ? 環(huán)境因素定量關(guān)系模擬 構(gòu)效分析、成因分析 ? 污染防治系統(tǒng)建模 神經(jīng)網(wǎng)絡(luò)在環(huán)境科學(xué)與工程中的應(yīng)用 李一平（河海大學(xué)環(huán)境科學(xué)與工程學(xué)院） .《 太湖生態(tài)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)模擬研究 》 ，環(huán)境科學(xué)與技術(shù)， 2022年第二期 構(gòu)造了具有 3層節(jié)點(diǎn)的人工神經(jīng)網(wǎng)絡(luò)模型 ,將太湖 2022年 5～ 12月全湖共 26個采樣點(diǎn)的實測值作為學(xué)習(xí)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(jī)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(xùn)練樣本。每個樣本均含有 12個輸入因子 ,分別是風(fēng)速、風(fēng)向、水溫、ｐＨ、ＤＯ
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1