基于Gaussian型RBF神经网络的函数逼近与应用(13)

硕十学位论文第二章人工神经网络理论

第二章人工神经网络理论

２．１人工神经网络简介

’

人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ，简称ＡＮＮ）１１２】是人工智能的一种方法，是基于模仿大脑神经网络的结构和功能而建立的一种信息处理系统。它是由许多简单的“神经元’’通过连接而构成的一个大规模并行处理的非线性动力系统【１３】【１４】。近几年来，神经网络技术迅猛发展，由于其高度的非线性，良好的容错性和计算的精算性等优点，它已经在智能控制、模式识别、计算机视觉、非线性优化、信号处理等方面取得了巨大的成功和进展，成为人工智能研究的重要领域之，一【１５】。

２．１．１人工神经网络的发展概况

人工神经网络的研究始于２０世纪４０年代初，半个世纪以来，经历了兴起、萧条、再兴盛的曲折发展道路。

兴起时期（２０世纪４０年代＂－＇２０世纪６０年代）。该时期的主要研究成果有：美国心理学家ＭｃＣｕｌｌｏｃｈ和数学家Ｐｉｔｔｓ共同提出了形式神经元的数学模型；心理学家Ｈｅｂｂ提出了神经元学习规则；计算机科学家Ｒｏｓｅｎｂｌａｔｔ提出了著名的感知机模型；电机工程师Ｗｉｎｄｒｏｗ和Ｈｏｆｆ提出的自适应线性元件Ａｄａｌｉｎｅ。

萧条时期（２０世纪６０年代～２０世纪７０年代）。在这一时期，神经网络的发展进入低谷，但是神经网络的研究并未中断。其中芬兰的Ｋｏｈｏｎｅｎ提出了线性神经网络模型和自组织映射理论；Ｒｕｍｅｌｈａｒｔ提出的误差反向传播算法成为迄今为止影响很大的一种网络学习方法。

兴盛时期（２０世纪８０年代以后）。国内掀起了一股新的广泛研究和开发神经网络的新高潮，并且定期举行有代表意义的学术会议。

总之，目前人工神经网络的研究正处于快速稳定发展阶段，在理论研究上正进一步深入，并开发新的网络理论；在应用方面，进一步进行了软件模拟和硬件实现的研究，并迅速扩展了其应用领域，取得了更广泛的成果。

２．１．２人工神经网络的结构

人工神经网络系统的基本处理单元是神经元【１６１，主要结构单元是信号的输入、综合处理和输出，其输出信号的强度大小反映了该神经单元对相邻单元的影４

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新资格考试认证基于Gaussian型RBF神经网络的函数逼近与应用(13)全文阅读和word下载服务。