人工神经网络发展概述
摘要：人工神经网络是二十世纪科学技术所取得的重大成果之一,是人类认识自然道路上的又一座里程碑。本文简要介绍了人工神经网络的概念，回顾了人工神经网络的产生背景及发展历程，并简要阐述了其在信息处理和控制等领域的应用。随着人们对人工神经网络不断地探索和研究并将其与一些传统方法相结合,将推动人工智能的发展,在以后的生产生活中发挥更大的作用。
关键词：人工神经网络，发展，应用
1.人工神经网络的定义
目前关于人工神经网络的定义尚不统一，国际著名的神经网络专家，第一个计算机公司创始人和神经网络实现技术的研究领导人Hecht-Nielson给人工神经网络的定义是：人工神经网络是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进行信息处理的。美国国防高级研究计划局关于人工神经网络的定义是：人工神经网络是一个由许多简单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，连接强度以及各单元的处理方式。
结合人工神经网络的来源，特点及定义，可将其表述为：人工神经网络是模仿脑细胞结构和功能，脑神经结构以及思维处理问题等脑功能的新型信息处理系统。
2.人工神经网络产生的背景
自古以来,关于人类智能本源的奥秘,一直吸引着无数哲学家和自然科学家的研究热情。生物学家、神经学家经过长期不懈的努力,通过对人脑的观察和认识,认为人脑的智能活动离不开脑的物质基础,包括它的实体结构和其中所发生的各种生物、化学、电学作用,并因此建立了神经元网络理论和神经系统结构理论,而神经元理论又是此后神经传导理论和大脑功能学说的基础。在这些理论基础之上,科学家们认为,可以从仿制人脑神经系统的结构和功能出发,研究人类智能活动和认识现象。
另一方面, 19世纪之前,无论是以欧氏几何和微积分为代表的经典数学,还是以牛顿力学为代表的经典物理学,从总体上说,这些经典科学都是线性科学。然而,客观世界是如此的纷繁复杂,非线性情况随处可见,人脑神经系统更是如此。复杂性和非线性是连接在一起的,因此,对非线性科学的研究也是我们认识复杂系统的关键。为了更好地认识客观世界,我们必须对非线性科学进行研究。人工神经网络作为一种非线性的、与大脑智能相似的网络模型,就这样应运而生了。
所以,人工神经网络的创立不是偶然的,而是20世纪初科学技术充分发展的产物。
3.人工神经网络的发展
3.1早期阶段
人工神经网络的研究可追溯到 19 世纪 Freud 在心理分析时期之前所做的一切初步工作。1943 年美国心理学家Warren S McCulloch 与数学家 Water H Pitts 合作，用逻辑的数学工具研究客观事件在形式神经网络中的描述，首先提出了神经元的数学模型，简称为 MP 模型，从此开创了对神经网络的理论研究。1957 年，Frank Rosenblatt 首次提出并设计制作了著名的感知器，掀起了研究人工神经网络的高潮。
3.2低谷阶段
在第一次神经网络研究热潮中人们忽视了其本身的局限性 1969年Minskyh 和Papert经过多年的研究提出了对当前成果的质疑，指出当前的网络只能应用于简单的线性问题却不能有效地应用于多层网络，由此开始了神经网络的低谷期。现在的神经网络主要是根据Kohonen的工作来实现的，1980年福岛邦彦发表的新认知机是视觉模式识别机制模型，它与生物视觉理论结合综合出一种神经网络模型，使它像人类一样具有一定模式识别能力。在低谷时期许多重要研究成果都为日后神经网络理论研究打下了坚实的基础。
3.3复苏阶段
自从 20 世纪 80 年代中期，人工神经网络复苏以来，其发展速度令人惊叹。神经网络研究第二次高潮到来的标志和揭开神经网络计算机研制序幕的是美国加州工学院物理学家John Hopfield，他提出了模仿人脑的神经网络模型，即著名的 Hopfield 模型。
1987 年在美国圣地亚哥召开了第一届国际神经网络学术会议，宣告了国际神经网络协会正式成立，掀起了人类向生物学习、研究及应用神经网络的新热潮。有关神经网络的大型国际会议已经召开多次，我国也多次组织大规模的神经网络的国际会议。
3.4发展阶段
当前对神经网络正转入稳定、但发展速度依然是极其迅速的时期。这一时期的特点是：神经网络研究工作者对于研究对象的性能和潜力有了更充分的认识，从而对研究和应用的领域有了更恰当的理解。神经网络的研究，不仅其本身正在向综合性发展，而且愈来愈与其它领域密切结合起来，发展出性能更强的结构。
4.人工神经网络的应用
4.1人工神经网络在信息处理中的应用
现代信息处理要解决的问题是很复杂的，人工神经网络具有模仿或代替与人的思维有关的功能，可以实现自动诊断、问题求解，解决传统方法所不能或难以解决的问题。人工神经网络系统具有很高的容错性、鲁棒性及自组织性，即使连接线遭到很高程度的破坏，它仍能处在优化工作状态，这点在军事系统电子设备中得到广泛的应用。现有的智能信息系统有智能仪器、自动跟踪监测仪器系统、自动控制制导系统、自动故障诊断和报警系统等。
4.2人工神经网络在控制领域中的应用
人工神经网络由于其独特的模型结构和固有的非线性模拟能力，以及高度的自适应和容错特性等突出特征，在控制系统中获得了广泛的应用。其在各类控制器框架结构的基础上，加入了非线性自适应学习机制，从而使控制器具有更好的性能。基本的控制结构有监督控制、直接逆模控制、模型参考控制、内模控制、预测控制、最优决策控制等。
4.3人工神经网路在交通领域的应用
近年来人们对神经网络在交通运输系统中的应用开始了深入的研究。交通运输问题是高度非线性的，可获得的数据通常是大量的、复杂的，用神经网络处理相关问题有它巨大的优越性。应用范围涉及到汽车驾驶员行为的模拟、参数估计、路面维护、车辆检测与分类、交通模式分析、货物运营管理、交通流量预测、运输策略与经济、交通环保、空中运输、船舶的自动导航及船只的辨认、地铁运营及交通控制等领域并已经取得了很好的效果。
5.结论与展望
从众多的应用研究领域取得的丰硕成果来看，人工神经网络的发展具有强大的生命力。虽然神经网络理论研究有着非常广阔的发展前景，但历来这个领域的研究就是既充满诱惑又不乏挑战的，没有人能肯定它的发展不会再经受挫折，也没有人知道神经网络最终会给科技界带来多大的辉煌和巨变。
当前神经网络发展存在的问题是技术水平还不高，许多应用方面的要求还不能得到很好的满足，网络分析与综合的一些理论问题还未得到很好的解决。因此这些问题还有待有关研究者更近一步的分析与研究。
问题的存在并不能掩盖人工神经网络的优越性，随着各方面的研究不断深入，其发展和应用空间必将日益广阔。
参考文献
