【正文】 可以通過神經(jīng)網(wǎng)絡(luò)對(duì)事物進(jìn)行預(yù)測(cè)從而用簡(jiǎn)單的方法完成復(fù)雜的問題。但是要確定徑向基函數(shù)的分布密度。（4）RBP網(wǎng)絡(luò)隱含層的層數(shù)和單元數(shù)的選擇要憑借經(jīng)驗(yàn)反復(fù)驗(yàn)證，因此網(wǎng)絡(luò)的冗余性比較大。（2）在處理同一問題時(shí)，通常情況BP網(wǎng)絡(luò)所需的神經(jīng)元個(gè)數(shù)比RBF網(wǎng)絡(luò)要少。從上面所示的結(jié)果來看，主要有一下幾方面的不同：（1）由于學(xué)習(xí)速率是固定的，因此BP網(wǎng)絡(luò)的訓(xùn)練過程較長(zhǎng)，當(dāng)需要處理較復(fù)雜的問題時(shí)，需要的時(shí)間很長(zhǎng)。采用局部激勵(lì)函數(shù)的RBF網(wǎng)絡(luò)在很大程度上克服了上述缺點(diǎn)，RBF不僅有良好的泛化能力，而且對(duì)于每個(gè)輸入值，只有很少幾個(gè)節(jié)點(diǎn)具有非零激勵(lì)值，因此只需很少部分節(jié)點(diǎn)及權(quán)值改變。BP網(wǎng)絡(luò)使用的Sigmoid函數(shù)具有全局特性，它在輸入值的很大范圍內(nèi)每個(gè)節(jié)點(diǎn)都對(duì)輸出值產(chǎn)生影響，并且激勵(lì)函數(shù)在輸入值的很大范圍內(nèi)相互重疊，因而相互影響，因此BP網(wǎng)絡(luò)訓(xùn)練過程很長(zhǎng)。但由于它們使用的激勵(lì)函數(shù)不同，其逼近性能也不相同。我相信只要能客服這些局限性，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展將不可限量。其主要表現(xiàn)有：(1)受到腦科學(xué)研究的限制：由于生理實(shí)驗(yàn)的困難性，因此目前人類對(duì)思維和記憶機(jī)制的認(rèn)識(shí)還很膚淺，還有很多問題需要解決；(2)還沒有完整成熟的理論體系；(3)還帶有濃厚的策略和經(jīng)驗(yàn)色彩；(4)與傳統(tǒng)技術(shù)的接口不成熟。從人工神經(jīng)網(wǎng)絡(luò)的模擬程序和專用芯片的不斷推出、論文的大量發(fā)表以及各種應(yīng)用的報(bào)道可以看到，在這個(gè)領(lǐng)域里一個(gè)百家爭(zhēng)鳴的局面已經(jīng)形成。正是由于人工神經(jīng)網(wǎng)絡(luò)是一門新興的學(xué)科，它在理論、模型、算法、應(yīng)用和時(shí)限等方面都還有很多空白點(diǎn)需要努力探索、研究、開拓和開發(fā)。經(jīng)過多年的發(fā)展，目前已有上百種的神經(jīng)網(wǎng)絡(luò)模型被提出。在國(guó)際上，1987年，在美國(guó)加洲召開第一屆國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)，此后每年召開兩次國(guó)際聯(lián)合神經(jīng)網(wǎng)絡(luò)大會(huì)（UCNN），不久，改學(xué)會(huì)創(chuàng)辦了刊物Journal Neural Networks，另有十幾種國(guó)際著名的神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)刊物相繼問世。通過運(yùn)用人工神經(jīng)網(wǎng)絡(luò)建模，可以進(jìn)行預(yù)測(cè)事物的發(fā)展，節(jié)省了實(shí)際要求證結(jié)果所需的研究時(shí)間。在經(jīng)歷了漫長(zhǎng)的初創(chuàng)期和低潮期后，人工神經(jīng)網(wǎng)絡(luò)終于以其不容忽視的潛力與活力進(jìn)入了發(fā)展高潮。當(dāng)人們的思想轉(zhuǎn)向研究大自然造就的精妙的人腦結(jié)構(gòu)模式和信息處理機(jī)制時(shí)，推動(dòng)了腦科學(xué)的深入發(fā)展以及人工神經(jīng)網(wǎng)絡(luò)和鬧模型的研究。諾依曼原理，基于程序存取進(jìn)行工作的，歷經(jīng)半個(gè)多世紀(jì)的發(fā)展，其結(jié)構(gòu)模式與運(yùn)行機(jī)制仍然沒有跳出傳統(tǒng)的邏輯運(yùn)算規(guī)則，因而在很多方面的功能還遠(yuǎn)不能達(dá)到認(rèn)得智能水平?，F(xiàn)代計(jì)算機(jī)構(gòu)成單元的速度是人腦中神經(jīng)元速度的幾百萬倍，對(duì)于那些特征明確，推理或運(yùn)算規(guī)則清楚地可編程問題，可以高速有效地求解，在數(shù)值運(yùn)算和邏輯運(yùn)算方面的精確與高速極大地拓展了人腦的能力，從而在信息處理和控制決策等方面為人們提供了實(shí)現(xiàn)智能化和自動(dòng)化的先進(jìn)手段。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)，三層BP網(wǎng)絡(luò)，Hopfield神經(jīng)網(wǎng)絡(luò)，模式識(shí)別Study on Simulation Analytical Method of Artificial neural network(School of Engineering, HLJ August First Land Reclamation University, Daqing 163319)Abstract:Artificial neural network is to the brain function, some degree of reflect with adaptive and selflearning ability, but through the study of pattern samples from, obtain characteristics, and can be applied to study the knowledge obtained recognition of images and on artificial neural network did briefly, focused on the two kinds of the most widely used neural network model: BP neural network and Hopfield neural BP neurl network is analyzed in detail, the emphasis is on three layers of BP neural network neural network is us extensively, this article with the Hopfield neural network for English letters words: artificial neural network, the BP neural network, and the third floor Hopfieldneural network BP network, pattern recognition1引言隨著多媒體和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展及廣泛應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)已被廣泛運(yùn)用于各種領(lǐng)域，而它的預(yù)測(cè)功能也在不斷被人挖掘著。對(duì)BP神經(jīng)網(wǎng)絡(luò)作了詳細(xì)的介紹，重點(diǎn)在于三層BP網(wǎng)絡(luò)的學(xué)習(xí)。六、參考文獻(xiàn) [1]《人工智能簡(jiǎn)史》孫興 清華大學(xué)出版社，1990年 [2]蔡自興 徐光佑 《人工智能及其應(yīng)用》 清華大學(xué)出版社 2002年1月 [3]王萬森人工智能原理及其應(yīng)用北京：電子工業(yè)出版社，2010第五篇：先進(jìn)制造技術(shù)論文《先進(jìn)制造技術(shù)》課程論文——人工神經(jīng)網(wǎng)絡(luò)摘要：人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦功能的某些程度的反映，具有自適應(yīng)和自學(xué)習(xí)的能力，可通過對(duì)模式 樣本的自學(xué)習(xí)，從中獲取特征，并能將學(xué)習(xí)獲得的知識(shí)應(yīng)用到圖像、文字等識(shí)別中。由腦科學(xué)、認(rèn)知科學(xué)、人工智能等共同研究智能的本質(zhì)和機(jī)理，形成交叉學(xué)科智能科學(xué)。另一方面是學(xué)科的高度融合，更多地呈現(xiàn)交叉和綜合的趨勢(shì)，新興學(xué)科和交叉學(xué)科不斷涌現(xiàn)。人工智能的研究一旦取得突破性進(jìn)展，將會(huì)對(duì)信息時(shí)代產(chǎn)生重大影響，對(duì)人類文明產(chǎn)生重大影響。人工智能研究用人工的方法和技術(shù)，模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)機(jī)器智能。腦科學(xué)從分子水平、細(xì)胞水平、行為水平研究自然智能機(jī)理，建立腦模型，揭示人腦的本質(zhì)。作為科學(xué)研究可能涉及到的敏感問題，需要針對(duì)可能產(chǎn)生的沖突及早預(yù)防，而不是等到問題矛盾到了不可解決的時(shí)候才去想辦法化解?，F(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應(yīng)用已經(jīng)深入到各大游戲制造商的開發(fā)中。人工智能對(duì)社會(huì)的影響。但同時(shí)，也帶來了勞務(wù)就業(yè)問題。專家系統(tǒng)更深入各行各業(yè)，帶來巨大的宏觀效益。更重要的是，AI反過來有助于人類最終認(rèn)識(shí)自身智能的形成。人工智能對(duì)自然科學(xué)的影響。五、結(jié)論先進(jìn)制造技術(shù)當(dāng)今國(guó)際間科技競(jìng)爭(zhēng)的焦點(diǎn)，隨著社會(huì)的發(fā)展，市場(chǎng)需求的個(gè)性化與多元化，人們對(duì)產(chǎn)品的要求也日益多元化，市場(chǎng)競(jìng)爭(zhēng)日趨激烈，企業(yè)要在日趨激烈的市場(chǎng)競(jìng)爭(zhēng)中生存發(fā)展，就必須采用先進(jìn)的制造技術(shù)。盡管如此，從目前來看，人工智能仍處于學(xué)科發(fā)展的早期階段，其理論、方法和技術(shù)都不太成熟，人們對(duì)它的認(rèn)識(shí)也比較膚淺。人工智能的近期目標(biāo)是實(shí)現(xiàn)機(jī)器智能，即先部分地或某種程度地實(shí)現(xiàn)機(jī)器的智能，從而使現(xiàn)有的計(jì)算機(jī)更靈活、更好用和更有用，成為人類的智能化信息處理工具。人工智能是一門研究機(jī)器智能和智能機(jī)器的新型的、綜合性的、具有強(qiáng)大生命力的邊緣學(xué)科，它研究怎樣讓計(jì)算機(jī)或智能機(jī)器（包括硬件和軟件）模仿、延伸和擴(kuò)展人腦從事推理、規(guī)劃、計(jì)算、思考、學(xué)習(xí)等思維活動(dòng)，解決迄今為止需要人類專家才能處理好的復(fù)雜問題。人工智能將是21世紀(jì)邏輯學(xué)發(fā)展的主要?jiǎng)恿υ慈?，并且在很大程度上將決定21世紀(jì)邏輯學(xué)的面貌。人工智能研究與應(yīng)用雖然取得了不少成果,但離全面推廣應(yīng)用還有很大距離,還有許多問題有待于解決且需要許多學(xué)科的研究專家共同創(chuàng)作。實(shí)用機(jī)器人在第三個(gè)方面做得比較多，而識(shí)別和智能運(yùn)算是很弱的，尤其是概念知識(shí)的存儲(chǔ)形式、邏輯判斷和決策這些方面更是鮮有成果，這正是人工智能要重點(diǎn)解決的問題。二、智能運(yùn)算過程，輸入信息刺激自我學(xué)習(xí)、信息檢索、邏輯判斷、決策，并產(chǎn)生相應(yīng)反應(yīng)。我們至少需要經(jīng)過幾代人的持續(xù)奮斗，進(jìn)行多學(xué)科聯(lián)合協(xié)作研究，才可能基本上解開”智能”之謎，使人工智能理論達(dá)到一個(gè)更高的水平。上述存在問題和其它問題說明，人腦的結(jié)構(gòu)和功能要比人們想象的復(fù)雜得多，人工智能研究面臨的困難要比我們估計(jì)的重大得多，人工智能研究的任務(wù)要比我們討論過的艱巨得多。在微觀上，我們對(duì)大腦的工作機(jī)制卻知之甚少，似是而非，使我們難以找出規(guī)律。必須從多層次、多因素、多維和全局觀點(diǎn)來研究智能，才能克服上述局限性。但是，符號(hào)主義只抓住人腦的抽象思維特性；連接主義只模仿人的形象思維特性；行為主義則著眼于人類智能行為特性及其進(jìn)化過程。這兩方面之間相距太遠(yuǎn)，中間還有許多層次未予研究，無法把宏觀與微觀有機(jī)地結(jié)合起來和相互滲透。這種努力的結(jié)果，可能導(dǎo)致知識(shí)的某些改善，以便能夠比較容易地推斷出令人感興趣的新的真理。這個(gè)長(zhǎng)期目標(biāo)遠(yuǎn)遠(yuǎn)超出計(jì)算機(jī)科學(xué)的范疇，幾乎涉及自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科。正是根據(jù)這一近期研究目標(biāo)，我們才把人工智能理解為計(jì)算機(jī)科學(xué)的一個(gè)分支。人工智能理論進(jìn)入21世紀(jì),正醞釀著新的突破,人工智能的研究成果將能夠創(chuàng)造出更多更高級(jí)的智能“制品”,并使之在越來越多的領(lǐng)域超越人類智能,人工智能將為發(fā)展國(guó)民經(jīng)濟(jì)和改善人類生活做出更大貢獻(xiàn)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支,它企圖了解智能的實(shí)質(zhì),并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器?！叭斯ぶ悄堋?Artificial Intelligence)一詞最初是在1956年Dartmouth學(xué)會(huì)上提出的。目前人工智能主要研究?jī)?nèi)容是:分布式人工智能與多智能主體系統(tǒng)、人工思維模型、知識(shí)系統(tǒng)(包括專家系統(tǒng)、知識(shí)庫(kù)系統(tǒng)和智能決策系統(tǒng))、知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘(從大量的、不完全的、模糊的、有噪聲的數(shù)據(jù)中挖掘出對(duì)我們有用的知識(shí))、遺傳與演化計(jì)算(通過對(duì)生物遺傳與進(jìn)化理論的模擬,揭示出人的智能進(jìn)化規(guī)律)、人工生命(通過構(gòu)造簡(jiǎn)單的人工生命系統(tǒng)并觀察其行為,探討初級(jí)智能的奧秘)、人工智能應(yīng)用(如:模糊控制、智能大廈、智能人機(jī)接口、智能機(jī)器人等)等等。因而,只不過是一個(gè)低智能的、不聰明的“電腦”。也就是說,人們要根據(jù)工作任務(wù)的需求,以適當(dāng)?shù)挠?jì)算機(jī)語(yǔ)言,進(jìn)行相應(yīng)的軟件設(shè)計(jì),編制面向該任務(wù)的計(jì)算機(jī)應(yīng)用程序,并且,正確地操作計(jì)算機(jī),裝入、啟動(dòng)該應(yīng)用程序,才能用計(jì)算機(jī)完成該項(xiàng)工作任務(wù)。但是,在原理上,還沒有重大的突破。智能機(jī)器：“智能機(jī)器”(Intelligent Machine),簡(jiǎn)稱IM,研究如何設(shè)計(jì)和制造具有更高智能水平的機(jī)器,特別是設(shè)計(jì)和制造更聰明的計(jì)算機(jī)?；趯＜业闹R(shí)和經(jīng)驗(yàn),可以求解專業(yè)性問題的、具有人工智能的計(jì)算機(jī)應(yīng)用系統(tǒng)。人工智能學(xué)科領(lǐng)域中有一個(gè)重要的學(xué)科分支是“專家系統(tǒng)”(Expert System),簡(jiǎn)稱代寫論文ES。機(jī)器智能：例如,用計(jì)算機(jī)打印常用的報(bào)表,進(jìn)行一些常規(guī)的文字處理,都是程序化的操作,談不上有智能。因?yàn)槿斯ぶ悄艿难芯款I(lǐng)域十分廣闊,它總的來說是面向應(yīng)用的,主要研究領(lǐng)域有專家系統(tǒng),有人在工作,它就可以用在什么地方,因?yàn)槿斯ぶ悄艿淖罡灸康倪€是要模擬人類的思維。人工智能的人工智能的研究一旦取得突破性進(jìn)展，將會(huì)對(duì)信息時(shí)代產(chǎn)生重大影響，對(duì)人類文明產(chǎn)生重大影響。也應(yīng)看到,現(xiàn)有的方法處理在線學(xué)習(xí)方面尚不夠有效,尋求一種新的方法,以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問題是研究人員共同關(guān)心的問題,相信不久會(huì)在這些方面取得突破?；谌斯ぶ悄艿陌l(fā)展趨勢(shì)，還可以在機(jī)器學(xué)習(xí)的研究方面取得長(zhǎng)足的發(fā)展。建立這樣的系統(tǒng)需要發(fā)展一些新的理論與技術(shù)。隨著語(yǔ)言技術(shù)產(chǎn)品市場(chǎng)的不斷壯大，語(yǔ)言技術(shù)也會(huì)得到更快的發(fā)展。人工智能已深入到社會(huì)生活的各個(gè)領(lǐng)域。智能更面向?qū)嵱?。歐盟委員會(huì)也在2013年初宣布，石墨烯和人腦工程兩大科技入選“未來新興旗艦技術(shù)項(xiàng)目”，并為此設(shè)立專項(xiàng)研發(fā)計(jì)劃，每項(xiàng)計(jì)劃將在未來10年內(nèi)分別獲得10億歐元的經(jīng)費(fèi)。人腦仿生計(jì)算技術(shù)的發(fā)展，將使電腦可以模仿人類大腦的運(yùn)算并能夠?qū)崿F(xiàn)學(xué)習(xí)和記憶，同時(shí)可以觸類旁通并實(shí)現(xiàn)對(duì)知識(shí)的創(chuàng)造，這種具有創(chuàng)新能力的設(shè)計(jì)將會(huì)讓電腦擁有自我學(xué)習(xí)和創(chuàng)造的能力，與人類大腦的功能幾無二致。目前國(guó)外相關(guān)研究的方向包括：建立開放系統(tǒng)機(jī)器人架構(gòu)（包括通用的硬件與軟件平臺(tái)）、網(wǎng)絡(luò)互聯(lián)機(jī)器人系統(tǒng)平臺(tái)、機(jī)器人網(wǎng)絡(luò)平臺(tái)的算法和圖像處理系統(tǒng)開發(fā)、云機(jī)器人相關(guān)網(wǎng)絡(luò)基礎(chǔ)設(shè)施的研究等。美國(guó)、日本、巴西等國(guó)家均將云機(jī)器人作為機(jī)器人技術(shù)的未來研究方向之一。在技術(shù)方向上，美國(guó)將機(jī)器人技術(shù)列為警惕技術(shù)，主攻軍用機(jī)器人技術(shù)，歐洲主攻服務(wù)和醫(yī)療機(jī)器人技術(shù)，日本主攻仿人和娛樂機(jī)器人。各國(guó)政府高度重視人工智能相關(guān)產(chǎn)業(yè)的發(fā)展。在學(xué)術(shù)界，實(shí)現(xiàn)人工智能有三種路線，一是基于邏輯方法進(jìn)行功能模擬的符號(hào)主義路線，代表領(lǐng)域有專家系統(tǒng)和知識(shí)工程。智能反饋控制是人工智能最直觀的表現(xiàn)形式，其表達(dá)能力展現(xiàn)了系統(tǒng)整體的智能水平。具體的研究領(lǐng)域包括知識(shí)表達(dá)、自動(dòng)推理、機(jī)器學(xué)習(xí)等，與精確性計(jì)算及編程技術(shù)、存儲(chǔ)技術(shù)、網(wǎng)絡(luò)技術(shù)等密切相關(guān)，是大數(shù)據(jù)技術(shù)發(fā)展的遠(yuǎn)期目標(biāo)，目前該領(lǐng)域研究還處于實(shí)驗(yàn)室研究階段，其中機(jī)器學(xué)習(xí)是人工智能領(lǐng)域目前熱度最高，科研成果最密集的領(lǐng)域。智能感知技術(shù)的目的是使計(jì)算機(jī)能 “聽”、會(huì)“看”,目前相應(yīng)的計(jì)算機(jī)視覺技術(shù)和自然語(yǔ)言處理技術(shù)均已經(jīng)初步成熟，開始商業(yè)化嘗試。人工智能經(jīng)過信息采集、處理和反饋三個(gè)核心環(huán)節(jié)，綜合表現(xiàn)出智能感知、精確性計(jì)算、智能反饋控制，即感知、思考、行動(dòng)三個(gè)層層遞進(jìn)的特征。其本質(zhì)是對(duì)人思維的信息過程的模擬，是人的智能的物化。對(duì)于人工智能，美國(guó)麻省理工學(xué)院的溫斯頓教授提出“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作”，斯坦福大學(xué)人工智能研究中心尼爾遜教授提出“人工智能是關(guān)于知識(shí)的學(xué)科――怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)”。集成化：現(xiàn)代制造業(yè)的方向并不只是計(jì)算機(jī)的集成，信息的集成，而是人、技術(shù)、組織的整體集成，包括功能集成、組織集成、信息集成、過程集成、知識(shí)集成和企業(yè)間的集成。它要求生產(chǎn)模式有高度的柔性與高度敏捷性。系統(tǒng)能領(lǐng)會(huì)設(shè)計(jì)人員的意圖，能夠檢測(cè)失誤，回答問題，提出建議方案等。精密化：現(xiàn)代高新