劉毅娟,雷 鳴,何 旸,曹艷龍

（華北理工大學(xué)冀唐學(xué)院，河北唐山，063000）

人工神經(jīng)網(wǎng)絡(luò)概述

劉毅娟,雷 鳴,何 旸,曹艷龍

（華北理工大學(xué)冀唐學(xué)院，河北唐山，063000）

近年來，隨著人工神經(jīng)網(wǎng)絡(luò)在信息、自動(dòng)化、醫(yī)學(xué)、經(jīng)濟(jì)等領(lǐng)域的廣泛應(yīng)用和杰出表現(xiàn)，使得人工神經(jīng)網(wǎng)絡(luò)又開始得到廣泛關(guān)注和重新重視?；谛枨螅疚膶?duì)人工神經(jīng)網(wǎng)絡(luò)做了簡單概述。

人工神經(jīng)網(wǎng)絡(luò)；人工神經(jīng)元模型

神經(jīng)網(wǎng)絡(luò)是通過無數(shù)的神經(jīng)元連接而成的，它在人腦的技術(shù)上，并結(jié)合現(xiàn)代神經(jīng)醫(yī)學(xué)從而提出了人工神經(jīng)網(wǎng)絡(luò)的模型。這種網(wǎng)絡(luò)模型不能完全反應(yīng)人腦的情況，但是它是在人腦的基礎(chǔ)上發(fā)展而來的，是在此基礎(chǔ)上利用生物神經(jīng)網(wǎng)絡(luò)進(jìn)行某些操作，例如包括抽象處理以及實(shí)際模擬仿真等等。在信息處理的過程中，該網(wǎng)絡(luò)是通過其中的神經(jīng)元的相互作用來實(shí)現(xiàn)的，在信息的存儲(chǔ)上，該網(wǎng)絡(luò)表現(xiàn)為分布式。同時(shí)，神經(jīng)元之間相互的連接權(quán)的動(dòng)態(tài)進(jìn)化過程也至關(guān)重要，這關(guān)系到神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)和認(rèn)知的技能。在應(yīng)用上，該網(wǎng)絡(luò)也十分的廣泛，無論是在機(jī)械控制領(lǐng)域，還是在信號(hào)處理方面，抑或是交通運(yùn)輸業(yè)，神經(jīng)網(wǎng)絡(luò)技術(shù)都有涉足。

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

到80年代，對(duì)于人工神經(jīng)網(wǎng)絡(luò)的研究受世界上所有發(fā)達(dá)國家的關(guān)注，美國國會(huì)甚至以此為出發(fā)點(diǎn)，將上世紀(jì)最后十年定義為“腦的十年”。時(shí)至今日，人工智能已經(jīng)成為世界范圍內(nèi)的一個(gè)重要研究課題。

1 人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)

人工神經(jīng)網(wǎng)絡(luò)（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(duì)大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)，通過人工構(gòu)建一種新的神經(jīng)網(wǎng)絡(luò)，這種神經(jīng)網(wǎng)絡(luò)能夠按照要求實(shí)現(xiàn)某種特定的功能。它是一個(gè)復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，由很多簡單元件進(jìn)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(diǎn)，從而可以對(duì)復(fù)雜的邏輯問題和非線性問題進(jìn)行處理。

人工神經(jīng)網(wǎng)絡(luò)主要有以下四個(gè)特點(diǎn)：

（1）與普通的計(jì)算機(jī)的存儲(chǔ)信息的方式不同，神經(jīng)網(wǎng)絡(luò)在存儲(chǔ)信息上采用的是分布式的。在對(duì)特定信息進(jìn)行表示時(shí)，它利用大量的相互聯(lián)系的神經(jīng)元，對(duì)每個(gè)連接的權(quán)值進(jìn)行分布式處理。這種信息存儲(chǔ)的方式具有很多優(yōu)勢(shì)，例如它具有聯(lián)想記憶的能力，同時(shí)具有很強(qiáng)的容錯(cuò)能力，以及在異?；蛘呶ｋU(xiǎn)情況下的生存能力很強(qiáng)即其魯棒性。

圖1 MP模型

（2）對(duì)大量的的信息并行處理的能力。神經(jīng)網(wǎng)絡(luò)在對(duì)收集的信息進(jìn)行處理時(shí)是通過神經(jīng)元來完成的，每個(gè)神經(jīng)元都可以單獨(dú)對(duì)其所收集的信息進(jìn)行某些計(jì)算處理，因此我們可以將神經(jīng)元的計(jì)算處理視為大量的神經(jīng)元同時(shí)對(duì)大量的網(wǎng)絡(luò)信息的同時(shí)計(jì)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(luò)也具有自我學(xué)習(xí)，自我適應(yīng)以及自我組織的能力。在表示神經(jīng)元間的連接強(qiáng)度時(shí)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(shí)際的運(yùn)用過程中，該網(wǎng)絡(luò)的主要優(yōu)勢(shì)體現(xiàn)在其自我學(xué)習(xí)能力和適應(yīng)性以及自我組織的能力非常強(qiáng)大。

2 人工神經(jīng)元模型

信息在神經(jīng)細(xì)胞之間的傳遞并非是一個(gè)簡單的傳遞過程，它也是一個(gè)比較復(fù)雜過程，神經(jīng)細(xì)胞會(huì)將目標(biāo)信息進(jìn)行預(yù)先的某種處理，然后將其傳遞給目標(biāo)神經(jīng)細(xì)胞。人工神經(jīng)元通過模擬人類的神經(jīng)細(xì)胞，在信息處理方面的能力也是很強(qiáng)大的。

同時(shí)它也是神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)組成部分，它一般是一個(gè)多輸入單輸出的非線性器件，其模型參照?qǐng)D2，其中個(gè)神經(jīng)元的輸入表示該輸出與其前一層的第個(gè)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(duì)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(guān)系。

文獻(xiàn)[2]中的數(shù)值計(jì)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(duì)腹板的上翼緣板處作用對(duì)稱集中荷載，總量為P=0.272 2 kN，為了驗(yàn)證本模型的正確性，對(duì)比二者結(jié)果如表1。

3 人工神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)

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

3.1 精確度難以控制

神經(jīng)網(wǎng)絡(luò)模式巨大，指標(biāo)復(fù)雜，因此在計(jì)算過程中無法精確到每一項(xiàng)指標(biāo)，這也是神經(jīng)網(wǎng)絡(luò)的發(fā)展較為緩慢的原因。

3.2 計(jì)算結(jié)果隨機(jī)，不確定

基于人工神經(jīng)網(wǎng)絡(luò)的模型特點(diǎn)，注定其無法將每一個(gè)問題求解出正確的答案。只能說模型越精準(zhǔn)，計(jì)算工具越精密，計(jì)算結(jié)果越貼近實(shí)際。

3.3 體系適用范圍首先，通用性受限

基于數(shù)學(xué)建模均是根據(jù)現(xiàn)有題目進(jìn)行模型計(jì)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(luò)這些固有的優(yōu)缺點(diǎn)，要想應(yīng)用人工神經(jīng)網(wǎng)絡(luò)幫助我么解決實(shí)際問題，仍然有很長的路要走，有很多實(shí)際難點(diǎn)需要解決。

[1] 袁曾任．人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用［M］．北京：清華大學(xué)出版社，1999．

[2] 龐博，郭生練，熊立華，等．改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)水文預(yù)報(bào)模型及應(yīng)用[J]．武漢大學(xué)學(xué)報(bào)：工學(xué)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