計算機網絡連接增強優化中的神經網絡算法體會

孫娟

摘要：時代進步與計算機網絡飛速發展推動了社會的發展與進步，但值得注意的是一旦出現計算機網絡問題就會帶來一定的經濟損失，所以正確處理計算機網絡問題非常重要，必須及時處理并做好相關保護措施，增強計算機網絡連接優化中神經網絡算法，對于維護計算機網絡的有序運行很有效。

關鍵詞：計算機網絡連接；增強優化；神經網絡算法

中圖分類號：TP393 文獻標識碼：A 文章編號：1007-9416（2017）03-0146-01

在當前的社會中計算機網絡技術得到了極為快速的發展，被廣泛的應用于人們生活和工作之中，為人們的生活和工作帶來了許多的方便，成為當前社會中非常重要的一種科學技術。雖然從整體上看計算機網絡技術在我國已經取得了較大的發展，但是我國在發展時間上仍舊較短，其中仍舊存在著較多的問題，尤其是在計算機網絡連接上面。因此，針對這些存在問題的地方還需要進一步優化，為人們提供健康的計算機網絡環境。

1 計算機網絡連接增強優化

1.1 計算機網絡連接增強優化的重要性

網絡正常連接對于計算機的運行具有很大的作用，是計算機運行的基本條件。如何使得計算機網絡連接增強優化顯得尤為重要，特別是在現今這個網絡飛速發展的時代，人們對網絡的需求是越來越大，突然斷網對于任何人、任何企業來說，損失都是巨大的。如網絡連接斷開，計算機設備就無法與通信網絡展開有效信息溝通。正是因為以上這些情況，所以必須對計算機網絡連接進行優化，將計算機網絡不斷拓撲擴展，促使信息交流更加有效于有序，從而有效將損失降低下來。網絡技術發展到現在，適當地加入結點，可將計算機網絡連接有效率不斷完善，網絡容量也會在一定程度上得到提高，加強了信息媒介的相互傳播，使原有網絡得到延伸，在延伸網絡拓撲的同時，也為計算機網絡的正常連接提供了重要的保障。截止到目前為止，提高計算機網絡連接效率的措施非常之多，必須采取適當且合理的計算機網絡連接優化措施，并且以最小經濟支出增強優化神經網絡算法。

1.2 計算機網絡拓撲結構

計算機網絡拓撲結構是一種物理構成模式，是由三方面組成，即網絡計算機或網絡設備、網絡傳輸媒介中的結點和線。計算機網絡拓撲結構的形成和產生與通信子網之間有著密切的聯系，該結構的形成使得網絡信息數據系統更加的完整、可靠安全，其還包括實現數據內容的互換、云共享等功能。一般計算機網絡是用G= 來表示，其中V是一個網絡結點集，E是一個鏈路集。如用Va表示增加結構中結點集，用Eb表示增加結構中連接集，那么就可以得出計算機網絡的結構是：G=。

2 基于計算機網絡連接優化中的神經網絡算法

2.1 神經網絡算法

在思維學中有著這樣一種看法，大腦思維包括三種基本方式，分別是形象思維、抽象思維與靈感思維。抽象思維是邏輯化的一種思想，形象思維是直觀化的一種思想，靈感思維是頓悟性和創造性的一種思想。神經網絡思維與大腦思維類似，其建立在理論實踐基礎之上，通過分析總結，模擬出人類的大腦思維，這實質上也可以看作另一種思維表達方式。人工神經網絡是一個基于非線性動力學理論的神經網絡系統，其主要特色可以歸結為兩點：信息存儲的分布式和并行處理的協同性。通常情況下對于單個的神經元結構而言是非常簡單的，這種神經元結構的功能也相對較為簡單，但如果是網絡系統由大量神經元構成，也就是將眾多的簡單功能組合在一起，可以讓其功能顯得特別的強大，其中的實現行為也會變得更加的豐富多彩。如果再在此基礎上配置上合適的網絡算法和網絡模型，對網絡信號的正確處理等功能，那么就會讓該系統實現智能化。

處于如今這一階段，在社會中，應用人工神經網絡的領域是越來越廣，可以說在實際生活生產中具有很好的效果。因此，人工網絡算法也受到了人們的廣泛關注，隨著社會經濟的發展，網絡算法也再不斷的優化中，發揮著監管的作用。也會影響計算機網絡的連接效果。

2.2 均場神經網路算法

在建立科學合理場均神經網絡模型基礎上，可以有效增強優化計算機網絡連接，在已優化的網絡連接中研究均場神經網絡算法，之后就可以對網絡效果進行相關評判。特別注意，采用函數法來構建相關模型，最重要的是重視構建目標函數工作，在實際操作時，可采取以下方式對模型構建進行表達，具體如下：其中用Fi來表示Hopfield計算網絡神經元的狀態，當Fi=1，就表示網絡此時選擇連接的是i，且可正常進行連接；當Fi=0，就表示網絡對于i沒有選中，且不能正常進行連接。這時就可利用罰函數法所構建結構來對網絡模型進行創建，但必須保證Z=max（ΣPi*Xi）與ΣMi*Xi≤A是能夠成立的，并且有效控制目標函數，目標函數主要包括：I =γ/2*[ΣρiFi]2+ψ/2*[aΣmifi ]2，在該表達式中，a=（γripi-ψmimi）d，Ii=βami，γ和ψ是Lagrange參數，所構造的Lyapunov能量函數如下：E =1/2*ΣΣAiFiFiΣIiFi，Hopfield神經網絡的結構如下：Fi=1/2*[1+tanh（Bi/T）]，Bi=ΣAiFi+I。均退火技術被充分利用，就可以實現將隨機變量函數均值轉變成函數，即得出：〈Fi〉=1/2*[1+tanh{}]，〈Bi〉=〈ΣAiFi+Ii〉=ΣAiFi +Ii。當隨機變量均值〈Fi〉變換成均場變量Ri時，就能得到均場網絡結構：Ri=1/2[1+tanh（ΣAiRi+Ii/T）]，均場網絡能量函數即是：E（v）=1/2ΣΣAiRiRiΣIiRi。簡單分析算法步驟發現：首先，參數設置必須建立在充分考慮問題基礎上；其次，進行初始化時，Ri=rand（d，1-d），其中i是可以為大于零整數的；最后，以上操作重復進行，直到滿足條件后為止。

3 計算機網絡連接增強優化中的神經網絡算法優勢總結性分析

使用神經網絡算法對計算機網絡連接進行優化的優勢是顯而易見的，首先，其有效提升了計算機網絡的連接效率，使得網絡運行速度更快；其次，有效降低了優化計算機網絡連接所帶來的資金投入增加問題，將資金利用效率最大化，即用最少的資金獲得最好的優化效果；再者，將復雜的取均值運算轉變為函數式規律運算，大大節省了計算時間，實現網絡信息數據的更好交互；最后神經網絡算法增加了彌補漏洞模型，一旦Hopfield無法達到目標函數要求，就可以用罰函數法結構來進行對目標函數的控制，這樣大大減少的誤差率，使得后續網絡維護工作更加方便。

4 結語

綜上所述，計算機已經滲透在人們生活中的各個領域中，具有十分重要的意義。如果計算機網絡出現故障，將威脅到相關企業的工作以及一些設備的正常運轉，有損其經濟效益。正因如此，必須加強重視計算機網絡連接的程度，盡可能采取有效措施對計算機網絡進行優化，不斷完善連接效率，使得網絡連接更加體現出可靠性與穩定性，促進計算機網絡更長久且穩定的發展，為未來整個計算機事業的可持續性發展奠定基礎，更加方便人們的生活，提高個人與企業收益。

參考文獻

[1]朱云.計算機網絡連接增強優化中的神經網絡算法[J].煤炭技術，2012（04）：203-204.

[2]李霞.計算機網絡連接增強優化中的神經網絡算法[J].電子技術與軟件工程，2016（03）：25.

[3]王穎華，金愛花.計算機網絡連接增強優化中的均場神經網絡算法[J].硅谷，2013（08）：61-62.

[4]陳竺.計算機網絡連接增強優化中的神經網絡算法[J].電子技術與軟件工程，2014（19）：16.

[5]李盼池，許少華.基于過程神經網絡和遺傳算法的系統逆向過程求解[J].計算機測量與控制，2015（10）：948-950.