人工神经网络演讲稿

ArtificialNeuralNetwork组别：第二组题目：《人工神经网络及其应用实例》制作者：陈强

人工神经网络神经网络概述1.人工智能与神经网络2.人工神经网络的基本概念3.人工神经网络研究的历史4.人工神经网络的应用领域1.人工智能人工智能（ArtificialIntelligence，简记为AI）最初在1956年被引入。它研究怎样让计算机模仿人脑从事推理、设计、思考、学习等思维活动，以解决和处理较复杂的问题。智能的概念智能是个体有目的的行为，合理的思维，以及有效的适应环境的综合能力。智能是个体认识客观事物和运用知识解决问题的能力。人类个体的智能是一种综合能力。研究人工智能的目的

模拟人的智能，将人类从复杂的脑力劳动中解脱出来人工神经网络的提出

联想、推理、判断、决策语言、运用进行抽象概括的能力上述这5种能力，被认为是人类智能最为基本的能力作为5种能力综合表现形式分为3种能力：发现、发明、创造、创新的能力实时、迅速、合理地应付复杂环境的能力预测、洞察事物发展、变化的能力人工神经网络从以下四个方面去模拟人的智能行为1.物理结构：人工神经元将模拟生物神经元的功能2.计算模拟：人脑的神经元有局部计算和存储的功能，通过连接构成一个系统。人工神经网络中也有大量有局部处理能力的神经元，也能够将信息进行大规模并行处理3.存储与操作：人脑和人工神经网络都是通过神经元的连接强度来实现记忆存储功能，同时为概括、类比、推广提供有力的支持4.训练：同人脑一样，人工神经网络将根据自己的结构特性，使用不同的训练、学习过程，自动从实践中获得相关知识人工智能与神经网络的关联生物神经元及其网络生物神经元及其网络生物神经元及其网络生物神经元模型

生物神经元模型就是一个简单的信号处理器。树突是神经元的信号输入通道，接受来自其他神经元的信息。轴突是神经元的信号输出通道。2.人工神经网络的概念人工神经网络是一个并行、分布处理结构，它由处理单元及其称为联接的无向讯号通道互连而成。这些处理单元（PE—ProcessingElement）具有局部内存，并可以完成局部操作。每个处理单元有一个单一的输出联接，这个输出可以根据需要被分枝成希望个数的许多并行联接，且这些并行联接都输出相同的信号，即相应处理单元的信号，信号的大小不因分支的多少而变化。人工神经网络的概念处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作必须是完全局部的。也就是说，它必须仅仅依赖于经过输入联接到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。什么是神经网络由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统，该系统是靠其状态对外部输入信息的动态响应来处理信息的。一种由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及其各单元的处理方式是一种旨在模仿人脑结构及其功能的信息处理系统神经网络的计算能力有以下优点：(1)大规模并行分布式结构(2)神经网络学习能力以及由此而来的泛化能力。泛化是指神经网络对不在训练（学习）集中的数据可以产生合理的输出神经网络的优点神经网络发展的四个时期启蒙时期（1890～1969）低潮时期（1969～1982）复兴时期（1982～1986）高潮时期（1987～）

从19世纪末开始神经网络的发展历史，可以看出它与神经生理学、数学、电子学、计算机科学以及人工智能学之间的联系。3.人工神经网络的研究历史历史总结神经网络的研究已有50多年的历史，它的发展道路是曲折的，几经兴衰，目前已在许多领域得到了成功的应用。实际应用

图象处理(ImageProcessing)

人脸识别(FaceRecognition)

语音信号处理(VoiceProcessing)

时间序列分析(TimeSeriesAnalysis)

机器人控制(RobotControl)等

新时期研究热点问题神经网络的基本功能联想记忆由于神经网络具有分布存储信息和并行计算的性能，因此它具有对外界刺激信息和输入模式进行联想记忆的能力。这种能力是通过神经元之间的协同结构以及信息处理的集体行为实现的。神经网络是通过其突触权值和连接结构来表达信息的记忆。这种分布式存储使得神经网络能存储较多的复杂模式和恢复记忆的信息。联想记忆自联想记忆网络中预先存储（记忆）多种模式信息，当输入某个已存储模式的部分信息或带有噪声干扰的信息时，网络能通过动态联想过程回忆起该模式的全部信息。神经网络的基本功能异联想记忆网络中预先存储了多个模式对，每一对模式均由两部分组成，当输入某个模式对的一部分时，即使输入信息是残缺的或迭加了噪声，网络也能回忆起与其对应的另一部分。联想记忆神经网络的基本功能神经网络的基本功能神经网络的基本功能非线性映射

设计合理的神经网络通过对系统输入输出样本对进行自动学习，能够以任意精度逼近任意复杂的非线性映射。神经网络的基本功能非线性映射神经网络的基本功能分类与辨识

对输入样本的分类实际上是在样本空间找出符合分类要求的分割区域，每个区域内的样本属于一类。神经网络的基本功能优化计算

指在已知的约束条件下，寻找一组参数组合，使由该组合确定的目标函数达到最小值。引例：水果分类的问题（识别不同的水果）说明：1.对水果的分类，是一个模式的识别问题。而对机械运行状态的判断，也是一个模式识别，因此可以使用神经网络进行判断。

2.为神经网络提供数值参量（形状、大小、成分等），就可以得到对应的种类属性（苹果、桔子）。因此，使用各种信号数据参数作为输入，也可以获得机械运行状态的属性参量。

3.权值相量、判断标准、误差输入可以不断的修正。汽车工程神经网络已经成功应用于挡位选择系统、刹车智能控制系统以及柴油机燃烧系统中。军事工程神经网络已应用于飞行器的跟踪、水下潜艇位置分析、密码学等军事领域。化学工程神经网络在制药、生物化学、化学工程领域取得了不少成果。例如，谱分析、化学反应生成物的鉴定等。4.ANN应用领域—工程领域水利工程