!!!神经网络的应用与发展趋势

神经网络的应用与发展趋势

王学武

谭得健

（中国矿业大学信电学院计算机控制研究室，徐州!!%""9）

7O@A/*：PA>KQ)<PR!5#$><0

摘

要

该文首先介绍了神经网络的发展、优点及其应用，接着介绍了其发展动向，最后着重论述了神经网络目前的几

个研究热点，即神经网络与模糊控制、遗传算法、专家系统、小波分析、混沌以及粗集理论的结合。关键词

神经网络

模糊控制

遗传算法

专家系统

小波分析

混沌

粗集理论

文章编号%""!O9##%O（!""#）"#O""29O"#文献标识码S中图分类号H.%9#

!""#$%&’$()&)*+,-,#("$)./0,)*1(23,40&#3,’5(06

7&).84,54/&)+,9$&)

（E>;,C@A0/,>A>=7*<(0C,>/(1G,**<K<，G-/>AT>/J<C1/0U,;’/>/>KA>=H<(->,*,KU，V)?-,)!!%""9）

!:1’0&%’：S0;/C10，F<J<*,:@<>0，@<C/01A>=A::*/(A0/,>,;><)CA*><0P,CWAC</>0C,=)(<=/>0-/1:A:<C$H-<>，0-<0C<>=1AC<:C<1<>0<=$S0*A10，/011<J<CA*@A/>C<1<AC(-=/C<(01，1)(-A1(,@L/>/>K/0P/0-;)??U(,>0C,*，K<><0/(A*K,C/0-@，<Q:<C01U10<@，PAJ<*<0A>A*U1/1，(-A,1A>=C,)K-1<01，AC<=/1()11<=/>:AC0/()*AC*U$

;,<5(0*1：X<)CA*><0P,CW，Y)??U(,>0C,*，Z<><0/(A*K,C/0-@，7Q:<C01U10<@，[AJ<*<0A>A*U1/1，G-A,1，\,)K-1<01

%前言

神经网络最早的研究是!"世纪&"年代心理学家’(()*+

的绝大多数问题，主要有系统建模与辨识、极点.EF参数整定、配置、内模控制、优化设计、预测控制、最优控制、自适应控制、滤波与预测容错控制、模糊控制和学习控制等。典型的例子是美国“阿波罗”登月计划中，!"世纪5"年代初，B/*@<C和’(+提G**,(-等人根据脊椎动物神经系统中网状结构的工作原理，

出了一个B’8模型，以使登月车在远距离复杂环境下具有一定的自制能力。

处理组合优化问题。最典型的例子是成功地解决了HI.（!）

问题，即旅行推销员问题（，另外HCAJ<**/>KIA*<1@A>.C,L*<@）还有最大匹配问题、装箱问题和作业调度等。

模式识别。已成功应用于手写字符、汽车牌照、指纹和（#）

声音识别，还可用于目标的自动识别和定位、机器人传感器的图像识别以及地震信号的鉴别等。

图像处理。对图像进行边缘监测、图像分割、图像压缩（&）和图像恢复。

传感器信号处理。传感器输出非线性特性的矫正、传感（D）

器故障检测、滤波与除噪、环境影响因素的补偿、多传感器信息融合。

机器人控制。对机器人眼手系统位置进行协调控制，用（5）

于机械手的故障诊断及排除M%N、智能自适应移动机器人的导航M!N。

信号处理。能分别对通讯、语音、心电和脑电信号进行（3）

处理分类；可用于海底声纳信号的检测与分类，在反潜、扫雷等方面得到应用。

卫生保健、医疗。比如通过训练自主组合的多层感知器（9）

基于8.网络的波形分类可以区分正常心跳和非正常心跳M#N、和特征提取在计算机临床诊断中的应用M&N。

经济。能对商品价格、股票价格MDN和企业的可信度等进（2）行短期预测。

（化工领域。能对制药、生物化学和化学工程等进行分%"）

他们提出的’.模型拉开了神*,(-和数学家./001合作提出的，

经网络研究的序幕。神经网络的发展大致经过三个阶段：%2&34%252年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如’.模型、6788学习规则和感知器等；%23"4

这个期间神经网络研究经过了一个低潮，继%295年为过渡期，

续发展。在此期间，科学家们做了大量的工作，如6,:;/<*=教授对网络引入能量函数的概念，给出了网络的稳定性判据，提出了用于联想记忆和优化计算的途径。%29&年，6/0,>教授提出

8,*0?@A>机模型。%295年B)@<*-AC0等人提出误差反向传播神经网络，简称8.网络。目前，8.网络已成为广泛使用的网络；

在此期间，神经网络受到国际重视，各%293年至今为发展期，

个国家都展开研究，形成神经网络发展的另一个高潮。神经网络具有以下优点：

（可以充分逼近任意复杂的非线性关系。%）

（具有很强的鲁棒性和容错性，因为信息是分布贮于网!）

络内的神经元中。

（并行处理方法，使得计算快速。#）

可以处理不确定或不知道的系统，因神经网络具有自（&）

学习和自适应能力。

（具有很强的信息综合能力，能同时处理定量和定性的D）

信息，能很好地协调多种输入信息关系，适用于多信息融合和多媒体技术。

!神经网络应用现状

神经网络以其独特的结构和处理信息的方法，在许多实际

应用领域中取得了显著的成效，主要应用如下：

自动控制领域。神经网络方法已经覆盖了控制理论中（%）

，）

29!""#$#计算机工程与应用

析。如：进行蛋白质结构分析、谱分析和化学反应分析等。

（焊接领域。国内外在参数选择、质量检验、质量预测和%%）

实时控制方面都有研究，部分成果已得到应用。

地理领域。在遥感图像分类中有广泛的应用，在&’(（%!）

方面应用人工神经网络理论，提高系统对数据进行复杂的综合分析的功能。

（另外，在数据挖掘、电力系统、交通、军事、矿业、农业%#）

和气象等方面亦有应用。

统的模糊或定性的知识来加以确定，然后利用学习算法可以很快收敛到要求的输入输出关系，这是模糊神经网络比单纯的神经网络的优点所在。同时，由于它具有神经网络的结构，因而参数的学习和调整比较容易，这是它比单纯的模糊逻辑系统的优点所在。模糊神经网络控制已成为一种趋势，它能够提供更加有效的智能行为、学习能力、自适应特点、并行机制和高度灵活性，使其能够更成功地处理各种不确定的、复杂的、不精确的和近似的控制问题。

模糊神经控制包括两个方面：

（基于神经网络的模糊控制。它将模糊系统设计方法与%）

神经网络的连接主义结构和学习方法结合起来，把模糊系统表达成连接主义方式的网络结构，模糊控制的模糊化、模糊推理和解模糊化三个基本过程全都用神经网络来实现；

模糊神经网络。它在传统的神经网络中增加一些模糊（!）

部分，除了具有神经网络的功能外，还能处理模糊信息，完成模糊推理功能。

模糊神经控制的未来研究应集中于以下几个方面：研究模糊逻辑与神经网络的对应关系，将对模糊控制（%）

器的调整转化为等价的神经网络的学习过程，用等价的模糊逻辑来初始化神经网络；

完善模糊神经控制的学习算法，以提高控制算法的速（!）

度与性能，可引入遗传算法、以BC算法中的模拟退火算法等，提高控制性能；

模糊控制规则的在线优化，可提高控制器的实时性与（#）动态性能；

（需深入研究系统的稳定性、能控性、能观性以及平 …… 此处隐藏：9327字，全部文档内容请下载后查看。喜欢就下载吧 ……