人工神經(jīng)網(wǎng)絡概述

劉毅娟,雷 鳴,何 旸,曹艷龍

（華北理工大學冀唐學院，河北唐山，063000）

人工神經(jīng)網(wǎng)絡概述

劉毅娟,雷 鳴,何 旸,曹艷龍

（華北理工大學冀唐學院，河北唐山，063000）

近年來，隨著人工神經(jīng)網(wǎng)絡在信息、自動化、醫(yī)學、經(jīng)濟等領域的廣泛應用和杰出表現(xiàn)，使得人工神經(jīng)網(wǎng)絡又開始得到廣泛關注和重新重視?；谛枨螅疚膶θ斯ど窠?jīng)網(wǎng)絡做了簡單概述。

人工神經(jīng)網(wǎng)絡；人工神經(jīng)元模型

神經(jīng)網(wǎng)絡是通過無數(shù)的神經(jīng)元連接而成的，它在人腦的技術上，并結(jié)合現(xiàn)代神經(jīng)醫(yī)學從而提出了人工神經(jīng)網(wǎng)絡的模型。這種網(wǎng)絡模型不能完全反應人腦的情況，但是它是在人腦的基礎上發(fā)展而來的，是在此基礎上利用生物神經(jīng)網(wǎng)絡進行某些操作，例如包括抽象處理以及實際模擬仿真等等。在信息處理的過程中，該網(wǎng)絡是通過其中的神經(jīng)元的相互作用來實現(xiàn)的，在信息的存儲上，該網(wǎng)絡表現(xiàn)為分布式。同時，神經(jīng)元之間相互的連接權(quán)的動態(tài)進化過程也至關重要，這關系到神經(jīng)網(wǎng)絡的自我學習和認知的技能。在應用上，該網(wǎng)絡也十分的廣泛，無論是在機械控制領域，還是在信號處理方面，抑或是交通運輸業(yè)，神經(jīng)網(wǎng)絡技術都有涉足。

自1943年，心理學家W.S.McCulloch和數(shù)理邏輯學家W.Pitts成功搭建出神經(jīng)網(wǎng)絡和數(shù)學模型（簡稱為MP模型）開始，神經(jīng)網(wǎng)絡模型日趨完善。MP模型如圖1所示：

到80年代，對于人工神經(jīng)網(wǎng)絡的研究受世界上所有發(fā)達國家的關注，美國國會甚至以此為出發(fā)點，將上世紀最后十年定義為“腦的十年”。時至今日，人工智能已經(jīng)成為世界范圍內(nèi)的一個重要研究課題。

1 人工神經(jīng)網(wǎng)絡的優(yōu)點

人工神經(jīng)網(wǎng)絡（ANN）區(qū)別于人類大腦，但是它有來源于類人大腦，它是基于人類對大腦神經(jīng)網(wǎng)絡認識，通過人工構(gòu)建一種新的神經(jīng)網(wǎng)絡，這種神經(jīng)網(wǎng)絡能夠按照要求實現(xiàn)某種特定的功能。它是一個復雜的網(wǎng)絡系統(tǒng)，由很多簡單元件進行相互聯(lián)系，是一種非線性系統(tǒng)，而且其非線性性具有高度集中的特點，從而可以對復雜的邏輯問題和非線性問題進行處理。

人工神經(jīng)網(wǎng)絡主要有以下四個特點：

（1）與普通的計算機的存儲信息的方式不同，神經(jīng)網(wǎng)絡在存儲信息上采用的是分布式的。在對特定信息進行表示時，它利用大量的相互聯(lián)系的神經(jīng)元，對每個連接的權(quán)值進行分布式處理。這種信息存儲的方式具有很多優(yōu)勢，例如它具有聯(lián)想記憶的能力，同時具有很強的容錯能力，以及在異?；蛘呶ｋU情況下的生存能力很強即其魯棒性。

圖1 MP模型

（2）對大量的的信息并行處理的能力。神經(jīng)網(wǎng)絡在對收集的信息進行處理時是通過神經(jīng)元來完成的，每個神經(jīng)元都可以單獨對其所收集的信息進行某些計算處理，因此我們可以將神經(jīng)元的計算處理視為大量的神經(jīng)元同時對大量的網(wǎng)絡信息的同時計算處理。

（3）與人類大腦在某些方面類似的功能，人工神經(jīng)網(wǎng)絡也具有自我學習，自我適應以及自我組織的能力。在表示神經(jīng)元間的連接強度時采用的是權(quán)值，權(quán)值可以提前來確定，也可以根據(jù)隨環(huán)境而改變，在實際的運用過程中，該網(wǎng)絡的主要優(yōu)勢體現(xiàn)在其自我學習能力和適應性以及自我組織的能力非常強大。

2 人工神經(jīng)元模型

信息在神經(jīng)細胞之間的傳遞并非是一個簡單的傳遞過程，它也是一個比較復雜過程，神經(jīng)細胞會將目標信息進行預先的某種處理，然后將其傳遞給目標神經(jīng)細胞。人工神經(jīng)元通過模擬人類的神經(jīng)細胞，在信息處理方面的能力也是很強大的。

同時它也是神經(jīng)網(wǎng)絡的基礎組成部分，它一般是一個多輸入單輸出的非線性器件，其模型參照圖2，其中個神經(jīng)元的輸入表示該輸出與其前一層的第個神經(jīng)元相互聯(lián)系的權(quán)值大??；表示偏置值；表示神經(jīng)元對信息處理后的輸出。如Fig.1所示為神經(jīng)元的輸入、輸出之間的關系。

文獻[2]中的數(shù)值計算結(jié)果是利用ANSYS的板單元SHELL63建模得到的，加載條件一樣，即忽略自重，在簡支直線箱梁跨中正對腹板的上翼緣板處作用對稱集中荷載，總量為P=0.272 2 kN，為了驗證本模型的正確性，對比二者結(jié)果如表1。

3 人工神經(jīng)網(wǎng)絡的缺點

人工神經(jīng)網(wǎng)絡雖然就有上述很多優(yōu)點，但它自身存在著不可忽略的缺陷，制約其發(fā)展，具體缺點可簡要概述如下：

3.1 精確度難以控制

神經(jīng)網(wǎng)絡模式巨大，指標復雜，因此在計算過程中無法精確到每一項指標，這也是神經(jīng)網(wǎng)絡的發(fā)展較為緩慢的原因。

3.2 計算結(jié)果隨機，不確定

基于人工神經(jīng)網(wǎng)絡的模型特點，注定其無法將每一個問題求解出正確的答案。只能說模型越精準，計算工具越精密，計算結(jié)果越貼近實際。

3.3 體系適用范圍首先，通用性受限

基于數(shù)學建模均是根據(jù)現(xiàn)有題目進行模型計算，使得每一種MP模型也是只適用于某些固定類型的題目，因此它的通用性極差。

鑒于人工神經(jīng)網(wǎng)絡這些固有的優(yōu)缺點，要想應用人工神經(jīng)網(wǎng)絡幫助我么解決實際問題，仍然有很長的路要走，有很多實際難點需要解決。

[1] 袁曾任．人工神經(jīng)網(wǎng)絡及其應用［M］．北京：清華大學出版社，1999．

[2] 龐博，郭生練，熊立華，等．改進的人工神經(jīng)網(wǎng)絡水文預報模型及應用[J]．武漢大學學報：工學版，2007，40（1）：33-36．

Overview of artificial neural network

Liu Yijuan,Lei Ming,He Yang,Cao Yanlong
(north China university of technology institute of ji tang,Hebei tangshan,063000)

In recent years,with the artificial neural network in the information,automation,medical, economic,and other fields are widely used and outstanding performance,began to make artificial neural network is widely attention and renewed focus.Based on the demand,in this paper,the artificial neural network to do a simple overview.

artificial neural network;Artificial neuron model

圖2 神經(jīng)元模型Fig.2 The model of neuron