神經網絡的應用研究

摘要：神經網絡的崛起，已對認知和智力的本質的基礎研究乃至計算機產業都產生了空前的刺激和極大的推動作用。因此在各個領域都有很大的應用研究。

關鍵詞：神經網絡；智能；計算；應用研究

中圖分類號：TP393文獻標識碼：A文章編號：1009-3044(2008)20-30326-02

Application of Neural Network Forefront

LI Bing-fu1，2

(1.Zhanjiang Normal College， Zhanjiang 524048， China; 2.Chongqing University， Master of the Computer College， Chongqing 400030， China)

Abstract: The rise of neural networks， has been on the cognitive and intellectual nature of the computer industry and basic research has produced an unprecedented excitement and great role. Therefore， in all fields has greatly applied research.

Key words: Neural Networks; Intelligent; Computing; Applied Research

1 引言

神經網絡是一門模仿人類神經中樞——大腦構造與功能的智能科學，利用物理器件來模擬生物神經網絡的某些結構和功能，即由許多功能簡單的神經元互聯起來，形成一種能夠模擬人的學習、決策和識別等功能的網絡系統。他具有快速反映能力，便于對事物進行適時控制與處理；善于在復雜的環境下，充分逼近任意非線形系統，快速獲得滿足多種約束條件問題的最優化答案；具有高度的魯棒性和容錯能力等優越性能。

神經網絡的崛起，已對認知和智力的本質的基礎研究乃至計算機產業都產生了空前的刺激和極大的推動作用。因此在各個領域都有很大的應用研究。

2 神經網絡（ANN）的研究內容

1) 理論研究：ANN模型及其學習算法，試圖從數學上描述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元間互連權值，使系統達到穩定狀態，滿足學習要求的算法；2) 實現技術的研究：探討利用電子、光學、生物等技術實現神經計算機的途徑；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。

3 神經網絡在各領域的應用研究

3.1 智能機器領域的應用研究

智能機器領域的應用研究主要是進一步研究調節多層感知器的算法，使建立的模型和學習算法成為適應性神經網絡的有力工具，構建多層感知器與自組織特征圖級聯想的復合網絡，是增強網絡解決實際問題能力的一個有效途徑。重視聯結的可編程性問題和通用性問題的研究，從而促進智能科學的發展。通過不斷探索人類智能的本質以及聯結機制，并用人工系統復現或部分復現，制造各種智能機器，可使人類有更多的時間和機會從事更為復雜、更富創造性的工作。

智能的產生和變化經過了漫長的進化過程，我們對智能處理的新方法的靈感主要來自神經科學，例如學習、記憶實質上是突觸的功能，人類大腦的前額葉高度發育，它幾乎占了30%大腦的表面積，在其附近形成了人類才出現的語言運動區，它與智能發育密切相關，使神經系統的發育同環境的關系更加密切，腦的可塑性很大，能主動適應環境還能主動改造環境，人類向制造智能工具方向邁進正是這種主動性的反映。腦的可塑期越長，經驗對腦的影響就越大，而人類的認知過程很大程度上不僅受經驗主義的影響，而且還接受理性主義的模型和解釋。因此，對于智能和機器的關系，應該從進化的角度，把智能活動看成動態發展的過程，并合理的發揮經驗的作用。同時還應該從環境與社會約束以及歷史文化約束的角度加深對它的理解與分析。

神經網絡是由大量處理單元組成的非線性、自適應、自組織系統，它是在現代神經科學研究成果的基礎上提出的，試圖模擬神經網絡加工、記憶信息的方式，設計一種新的機器，使之具有人腦風格的信息處理能力。智能理論所面對的課題來自“環境－問題－目的”，有極大的誘惑力與壓力，它的發展方向就將是，把基于聯結主義的神經網絡理論、基于符號主義的人工智能專家系統理論和基于進化論的人工生命這三大研究領域，在共同追求的總目標下，自發而有機的結合起來。在21世紀初，智能的機器實現問題的研究將有新的進展和突破。

3.2 神經計算和進化計算的應用研究

計算和算法是人類自古以來十分重視的研究領域，本世紀30年代，符號邏輯方面的研究非常活躍。例如Church、Kleene、Godel、Post、Turing等數學家都給出了可計算性算法的精確數學定義，對后來的計算和算法的發展影響很大。50年代數學家Markov發展了Post系統。80年代以后，神經網絡理論在計算理論方面取得了引人注目的成果，形成了神經計算和進化計算新概念，激起了許多理論家的強烈興趣，大規模平行計算是對基于Turing機的離散符號理論的根本性的沖擊，但90年代人們更多的是批評的接受它，并將兩者結合起來，近年來，神經計算和進化計算領域很活躍，有新的發展動向，在從系統層次向細胞層次轉化里，正在建立數學理論基礎。隨著人們不斷探索新的計算和算法，將推動計算理論向計算智能化方向發展，在21世紀人類將全面進入信息社會，對信息的獲取、處理和傳輸問題；對網絡路由優化問題；對數據安全和保密問題等等將有新的要求，這些將成為社會運行的首要任務，因此，神經計算和進化計算與高速信息網絡理論聯系將更加密切，并在計算機網絡領域中發揮巨大的作用，建立具有計算復雜性、網絡容錯性和堅韌性的計算理論。

基于人類的思維方式的轉變：線性思維轉到非線性思維。神經元、神經網絡都具有非線性、非局域性、非定常性、非凸性和混沌等特性，故此在計算智能的層次上進行非線性動力系統、 混沌神經網絡以及對神經網絡的數理研究。從而進一步研究自適應性子波、非線性神經場的興奮模式、神經集團的宏觀力學等。因為，非線性問題的研究是神經網絡理論發展的一個最大動力，也是它面臨的最大挑戰。此外，神經網絡與各種控制方法有機結合具有很大發展前景，建模算法和控制系統的穩定性等研究仍為熱點問題，而容忍控制、可塑性研究可能成為新的熱點問題。開展進化并行算法的穩定性分析及誤差估計方面的研究將會促進進化計算的發展。把學習性并行算法與計算復雜性聯系起來，分析這些網絡模型的計算復雜性以及正確性，從而確定計算是否經濟合理。因而關注神經信息處理和腦能量兩個方面以及它們的綜合分析研究的最新動態，吸收當代腦構象等各種新技術和新方法是十分重要的。

離散符號計算、神經計算和進化計算相互促進或者最終導致這3種計算統一起來，這算得上是我們回避不了的一個重大難題。預計在21世紀初，關于這個領域的研究會產生新的概念和方法。尤其是視覺計算方面會得到充分地發展。我們應當抓住這個機會，力求取得重大意義的理論和應用成果。

3.3 神經網絡結構和神經元芯片的應用研究

神經網絡結構的研究是神經網絡的實現以及成功地實現應用的前提，又是優越的物理前提。它體現了算法和結構的統一，是硬件和軟件的混合體，這種硬軟混合結構模型可以為意識的作用和基本機制提供解釋。未來的研究主要是針對信息處理功能體，將系統、結構、電路、 器件和材料等方面的知識有機結合起來，建構有關的新概念和新技術，如結晶功能體、最子效應功能體、高分子功能體等。在硬件實現上，研究材料的結構和組織，使它具有自然地進行信息處理的能力，如神經元系統、自組織系統等。神經計算機的主要特征是具有并行分布式處理、學習功能，這是一種提高計算性能的有效途徑，使計算機的功能向智能化發展，與人的大腦的功能相似，并具有專家的特點，比普通人的反應更敏捷，思考更周密。光學神經計算機具有神經元之間的連接不僅數量巨大而且結合強度可以動態控制，因為光波的傳播無交叉失真，傳播容量大，并可能實現超高速運算，這是一個重要的發展領域，其基礎科學涉及到激光物理學、非線性光學、光紊亂現象分析等，這些與神經網絡之間在數學構造上存在著類似性。近年來，人們采用交叉光互連技術，保證了它們之間沒有串擾，它有著廣闊的發展前景。在技術上主要有超高速、大規模的光連接問題和學習的收斂以及穩定性問題，可望使之得到突破性進展；另一種是采用LSI技術制作硅神經芯片，以及二維VLSI技術用于處理具有局部和規則連接問題。在未來一、二十年里半導體神經網絡 芯片仍將是智能計算機硬件的主要載體，而大量的神經元器件，如何實現互不干擾的高密度、高交叉互連，這個問題可望盡早得到解決。此外，生物器件的研究正處于探索之中，研究這種模型的理論根據是當硅集成塊和元件間的距離如果接近0.01微米時，電子從鄰近元件逸入的概率將很有限，便產生“隧道效應”的現象，它是高集成電路塊工作不可靠的原因之一。而生物芯片由于元件是分子大小的，其包裝密度可成數量級增加，它的信號傳播方式是孤電子，將不會有損耗，并且幾乎不產生熱。因此，它有更誘人的前景。隨著大量神經計算機和神經元芯片應用于高科技領域，給神經網絡理論和方法賦予新的內容，同時也會提出一些新的理論課題，這是神經網絡迅速發展的一個動力。

4 結束語

近年來，我國“863”計劃、攻關計劃、“攀登”計劃和國家自然科學基金等，都對神經網絡的研究給予了資助，吸引了大量的優秀青年人才從事神經網絡領域的研究工作，并促進我國能在這個領域取得世界上的領先地位。在21世紀科學技術發展征程中，神經網絡理論的發展將與日俱增。

參考文獻：

[1] 閻平凡.人工神經網絡的容量、學習與計算復雜性[J]. 電子學報，1995，23.

[2] 鐘義信，楊義先.中國神經網絡首屆學術大會論文集[D]. 北京，1990.

[3] 蔚承建，姚更生，何振亞.改進的進化計算及其應用[J]. 自動化學報，1998，24(2).