人工智能-神经网络-专业自动化论坛-中国工控网论坛

人工智能-神经网络点击：562 | 回复：30

PLC军团长

[版主]
精华：9帖
求助：31帖
帖子：1460帖 | 7990回
年度积分：457
历史总积分：59176
注册：2004年7月13日

发表于：2018-08-19 13:17:26

楼主

人工神经网络（Artificial Neural Networks，简记作ANN），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟，是人工智能研究的一种方法。

人工神经网络（Artificial Neural Networks，简记作ANN）的主要哲学基础就是它们具有通过范例进行学习的能力，或者更技术地来说，它们可以系统地改进输入数据且能反映到输出数据上。

T.Koholen的定义：“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”

(1)巨量并行性。

(2)信息处理和存储单元结合在一起。

(3)自组织自学习功能。

(1)第一次热潮(40-60年代未)
1943年,美国心理学家W.McCulloch和数学家W.Pitts在提出了一个简单的神经元模型，即MP模型。1958年，F.Rosenblatt等研制出了感知机(Perceptron）。

(2)低潮(70-80年代初):

(3)第二次热潮
1982年，美国物理学家J.J.Hopfield提出Hopfield模型，它是一个互联的非线性动力学网络他解决问题的方法是一种反复运算的动态过程,这是符号逻辑处理方法所不具备的性质. 1987年首届国际ANN大会在圣地亚哥召开，国际ANN联合会成立，创办了多种ANN国际刊物。1990年12月，北京召开首届学术会议。

神经元是构成神经网络的最基本单元（构件）。
人工神经元模型应该具有生物神经元的六个基本特性。
1）神经元及其联接；
2）神经元之间的联接强度决定信号传递的强弱；
3）神经元之间的联接强度是可以随训练改变的；
4）信号可以是起刺激作用的，也可以是起抑制作用的；
5）一个神经元接受的信号的累积效果决定该神经元的状态；
6) 每个神经元可以有一个“阈值”。

正在下载，请等待……