神經網絡的應用研究探討

摘要：介紹了研究人工神經網絡的目的，從神經網絡的研究內容和優勢等方面著手，重點陳述了神經網絡在經濟領域、食品工業、環境科學與工程中的應用。

關鍵詞：神經網絡；應用研究

中圖分類號：TP393文獻標識碼：A文章編號：1009-3044(2008)22-635-02

Application of Neural Network Study

WANG Ying1，LI Bing-fu2

(1.Information Science and Technology College，Zhanjiang Normal College，Zhanjiang 524048，China;2.Registry，Information Science and Technology College，Zhanjiang Normal College，Zhanjiang 524048，China)

Abstract:The study of the purpose of Artificial Neural Network，from the neural network of research and advantages， and other aspects proceed， the statement focused on neural networks in the economic field， the food industry， environmental science and engineering applications.

Key words: Neural Networks; Applied Research

1 引言

人工神經網絡（Artificial Neural Network， ANN）簡稱神經網絡，是由具有適應性的簡單單元組成的廣泛并行互連的網絡，它的組織能夠模擬生物神經系統對真實世界物體所做出的交互反應，并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。研究人工神經網絡的主要目的包括：探索和模擬人的感覺、思維和行為的規律，設計具有人類智能的計算機系統；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律。

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;4)基本模型如圖1示。

■

圖1生物神經元功能模型

3 神經網絡（ANN）的研究在各領域的優缺點

人工神經網絡的理論研究和應用研究已取得豐碩成果，對于在各領域的應用具有以下優點：1)學習能力：人工神經網絡具有學習的能力，通過學習，人工神經網絡具有很好的輸入-輸出映射能力。學習方式可分為：有導師學習（Learning With a Teacher）和無導師學習（Learning Without a Teacher）；2)容錯性：容錯包括空間上的容錯、時間上的容錯和故障檢測。容錯性是生物神經網絡所具有的特性，靠硬件或軟件實現的人工神經網絡也具有容錯性。由于在人工神經網絡中信息存儲具有分布特性，這意味著局部的損害會使人工神經網絡的運行適度地減弱，但不會產生災難性的后果；3)適應性：人工神經網絡具有調整權值以適應變化的能力，尤其是在特定環境中訓練的神經網絡能很容易地被再次訓練以處理條件的變化，這反映了人工神經網絡的適應性；4)并行分布處理：采用并行分布處理方法，同時由于計算機硬件的迅猛發展，使得快速進行大量運算成為可能；5)仿真軟件的逐步完善：人工神經網絡仿真軟件的逐步完善，將人們從繁瑣的編程中解放出來，同時也為人工神經網絡在各領域的應用研究提供了可進行分析和預測的能力。

缺點：研究受到腦科學研究成果的限制；缺少一個完整、成熟的理論體系；研究帶有濃厚的策略和經驗色彩；與傳統技術的接口不成熟。

4 神經網絡在各領域的應用研究探討

4.1 神經網絡在經濟領域的應用研究探討

神經網絡在經濟領域的應用主要有：1)價格預測影響商品和服務：價格變動的因素是復雜、多變的，傳統的統計經濟學方法存在不適合動態系統、建模復雜等局限性，難以對價格變動做出科學的預測，人工神經網絡容易處理不完整的、模糊不確定或規律性不明顯的數據，所以用人工神經網絡進行價格預測是可行的，且有著傳統方法無法比擬的優勢；2)風險評估：風險是由于從事某項特定活動過程中存在的不確定性而產生的經濟或財務的損失、自然破壞或損傷的可能性。防范風險的最好辦法就是事先對風險做出科學的預測和評估，傳統的專家評估依賴于專家的經驗，存在著人為和主觀的因素，人工神經網絡的預測思想是建立風險來源和風險評價系數的非線性映射，提供定量的解決方案，彌補了主觀評估的不足。商業銀行的風險管理問題是我國加入WTO后的一個突出問題。目前，信用風險仍然是我國商業銀行最主要的風險。我國商業銀行目前正處在轉軌時期，用傳統方法評估信用風險難以達到滿意的效果，而神經網絡學習能力強，容錯性好，具有很強的魯棒性，適合評價信息不全的系統。根據我國的具體現實，運用人工神經網絡技術，構造出適合中國的信用風險模型，并對某國有銀行提供的數據進行了實證研究。

4.2 神經網絡在食品工業中的應用研究探討

神經網絡在食品工業中的應用研究主要有：1)外來物的探測：對食品中偶爾混入極少量的外來物采用先進的儀器探測方法，如X射線衍射，可較為快速而準確地檢測出食品中夾帶的外來物。儀器探測法產生大量的測量數據可以利用分析運算方法能快速地從大量的數據中找出差異而判別出外來物，從而提高生產的效率。分析方法很多，但目前較為有效的是ANN法——例如對于軟質外來物如木屑和塑料，在X射線數據上外來物與食品原料的差異很小，情況更為復雜，很難做出判別。根據ANN自學習自適應的特點，不是只采用一個簡單的ANN，而是構造了一組子網絡。讓每一子網絡用來識別一種外來物，各自訓練子網絡，然后將結果最后融合輸入一個決策單元，讓決策單元決定食品是否合格；2)摻假食品的鑒別：摻假物是人為地故意地加入食品中，可根據不同食品初步估計加入的摻假物的種類，選用相應的檢測方法，并結合ANN算法對測量數據分析，可獲得較滿意的結果；3)分類與分級：果蔬外觀特征很多，隨季節、產地和品種不同而不同，可抽取主要特征，再運用ANN模式識別算法進行分類。顏色往往是衡量果蔬外部品質的一個重要指標，也間接反映果蔬的成熟度和內部品質，高品質的果蔬一般著色好。此外，ANN除可進行果蔬分類（分級）外，還可以對肉類分級。從肉類的圖像處理數據中提取“大理石紋值”（marbling score，表征脊肉中脂肪分布密度）來表征肉類質量，運用三層前向型ANN進行模式識別，效果令人滿意；4)加工過程的仿真與控制：食品加工過程總是難以規范地操作，因為食品物料的性質與季節、產地與氣候緊密地聯系，同是由于缺乏合適的傳感器或不足夠和不精確的在線測量，以及食品的物性的時變性。在傳統的過程仿真中，需要建立假設、簡化和大量的參數用來建立數學模型，這有可能與實際情況相差很遠。因此，具有對非線性和非穩態系統有強處理能力的ANN尤適合應用于食品加工；5)感觀評價與預測、食品配方設計等：以往常用的建模方法是多元回歸法，但是在多因子、非線性的條件下多元回歸法并不適用。ANN則有效地解決這一問題。采用ANN先對已有的27組數據進行擬合；然后用ANN進行模擬，輸入各種配方成分的含量，ANN就會輸出預測結果，從中挑選出最佳的配方。

4.3 神經網絡在環境科學與工程中的應用探討

神經網絡在環境科學與工程中的應用主要有：1)環境質量評價；2)環境系統因素預測；3)環境因素定量關系模擬構效分析、成因分析；4)污染防治系統建模。由于BP神經網絡具有優良的非線性逼近能力，1994年以來，已在環境科學與工程的環境質量評價與預測、監測點的優化布置、社會經濟環境可持續發展、污染物降解與釋放、水（處理、生態）系統的模擬與預測等方面獲得了廣泛的應用。

5 結束語

由于神經網絡學科的范圍涉及很廣泛，文中僅在那些有發展前途的領域中，列舉出少數幾個方向，應該說明的是，除了上述列舉的以外，還有形形色色的、規模可觀的研究工作正在進行，其未來的發展必將是激動人心的。神經網絡理論的前沿問題必將滲透在21世紀科學的挑戰性問題中，并將取得重大的突破。

參考文獻：

[1] 高雋.人工神經網絡原理及仿真實例[M].2版. 北京:機械工業出版社，2007.

[2] 李慶中，張漫，汪懋華.基于遺傳神經網絡的蘋果顏色實時分級方法[J].中國圖象圖形學報，2000，5(9):779-784．