計算機網(wǎng)絡模型中的神經(jīng)網(wǎng)絡算法

王陽

摘 要隨著經(jīng)濟的不斷發(fā)展，科技的提高，開闊了各個行業(yè)的發(fā)展前景，計算機網(wǎng)絡得到良好改善。隨著社會經(jīng)濟的發(fā)展，計算機成為人們?nèi)粘Ｉ畋貍溆闷?，但是要想計算機網(wǎng)絡迅速發(fā)展，還需要提高運行能力和整體性能，使計算機不斷滿足當下社會的需求。計算機網(wǎng)絡模型具備儲存信息、使信息規(guī)劃等不同特點，保證使用人員能夠快速搜索所需要信息。同時，計算機網(wǎng)絡還具備優(yōu)化的優(yōu)勢，使信息聯(lián)想，計算機神經(jīng)網(wǎng)絡算法可以構造全面的信息儲存庫，保證信息儲存和信息處理。

【關鍵詞】計算機網(wǎng)絡模型 神經(jīng)網(wǎng)絡算法

計算機網(wǎng)絡在人們?nèi)粘Ｉ钤絹碓街匾?，被廣泛應用到各個行業(yè)。隨著社會不斷發(fā)展，人們需求不斷加高，使計算機得到良好改善，目前，計算機網(wǎng)絡運用集線式服務器來實現(xiàn)網(wǎng)絡互連，促進網(wǎng)絡發(fā)展。但是也有很大弊端，過多的聯(lián)想信息雖然滿足人們需求，但是對技術的要求也更加苛刻，現(xiàn)有的技術滿足不了計算機網(wǎng)絡運行，使人們?nèi)粘２僮鞑环奖恪榱私鉀Q這一問題，研究人員需要全面優(yōu)化計算機網(wǎng)絡，提高運行能力和性能，運用神經(jīng)網(wǎng)絡算法，使計算機更加適合現(xiàn)代社會發(fā)展，儲存更多信息。

1 神經(jīng)網(wǎng)絡算法概論分析

1.1 神經(jīng)網(wǎng)絡算法整體概論

神經(jīng)網(wǎng)絡算法是按照人體大腦的思維方式進行模擬，根據(jù)邏輯思維進行推理，將信息概念化形成人們認知的符號，呈現(xiàn)在顯示屏前。根據(jù)邏輯符號按照一定模式進行指令構造，使計算機執(zhí)行。目前，神經(jīng)網(wǎng)絡被廣泛使用，使直觀性的思維方式分布式存儲信息，建立理論模型。

優(yōu)化網(wǎng)絡的神經(jīng)網(wǎng)絡主要是Hopfield神經(jīng)網(wǎng)絡，是1982年由美國物理學家提出的，它能夠模擬神經(jīng)網(wǎng)絡的記憶機理，是全連接的神經(jīng)網(wǎng)絡。Hopfield神經(jīng)網(wǎng)絡中的每個神經(jīng)元都能夠信號輸出，還能夠?qū)⑿盘柾ㄟ^其他神經(jīng)元為自己反饋，那么其也稱之為反饋性神經(jīng)網(wǎng)絡。

1.2 優(yōu)化神經(jīng)網(wǎng)絡基本基礎

Hopfield神經(jīng)網(wǎng)絡是通過能量函數(shù)分析系統(tǒng)，結合儲存系統(tǒng)和二元系統(tǒng)的神經(jīng)網(wǎng)絡，Hopfield神經(jīng)網(wǎng)絡能收斂到穩(wěn)定的平衡狀態(tài)，并以其認為樣本信息，具備聯(lián)想記憶能力，使某種殘缺信息進行回想還原，回憶成完整信息。但是Hopfield神經(jīng)網(wǎng)絡記憶儲存量有限，而且大多數(shù)信息是不穩(wěn)定的，合理優(yōu)化計算機聯(lián)想問題，使Hopfield神經(jīng)網(wǎng)絡能夠建設模型。

1.3 神經(jīng)網(wǎng)絡算法優(yōu)化步驟簡述

人工神經(jīng)網(wǎng)絡是模擬思維，大多是根據(jù)邏輯思維進行簡化，創(chuàng)造指令使計算機執(zhí)行。神經(jīng)網(wǎng)絡算法是按照人體思維進行建設，通過反應問題的方法來表述神經(jīng)思維的解；利用有效條件和能量參數(shù)來構造網(wǎng)絡系統(tǒng)，使神經(jīng)網(wǎng)絡算法更加可靠；大多數(shù)動態(tài)信息需要神經(jīng)網(wǎng)絡來根據(jù)動態(tài)方程計算，得出數(shù)據(jù)參數(shù)來進行儲存。

2 神經(jīng)網(wǎng)絡算法的特點與應用

2.1 神經(jīng)網(wǎng)絡主要特點

神經(jīng)網(wǎng)絡是根據(jù)不同組件來模擬生物體思維的功能，而神經(jīng)網(wǎng)絡算法是其中一種程序，將信息概念化，按照一定人們認知的符號來編程指令，使計算機執(zhí)行，應用于不同研究和工程領域。

神經(jīng)網(wǎng)絡在結構上是由處理單元組成，模擬人體大腦神經(jīng)單元，雖然每個單元處理問題比較簡單，但是單元進行組合可以對復雜問題進行預知和處理的能力，還可以進行計算，解決問題能力突出，能夠運用在計算機上，可以提高計算機運算準確度，從而保障計算機運行能力。而且一般神經(jīng)網(wǎng)絡有較強容錯性，不同單元的微小損傷并不阻礙整體網(wǎng)絡運行，如果有部分單元受到損傷，只會制約運算速度，并不妨礙準確度，神經(jīng)網(wǎng)絡在整體性能上能夠正常工作。同時，神經(jīng)網(wǎng)絡主干部分受到損傷，部分單元會進行獨立計算，依然能夠正常工作。

2.2 神經(jīng)網(wǎng)絡信息記憶能力

神經(jīng)網(wǎng)絡信息存儲能力非常強，整體單元組合進行分布式存儲。目前，神經(jīng)網(wǎng)絡算法是單元互相連接，形成非線性動態(tài)系統(tǒng)，每個單元存儲信息較少，大量單元互相結合存儲信息大量增加。神經(jīng)網(wǎng)絡具備學習能力，通過學習可以得到神經(jīng)網(wǎng)絡連接結構，在進行日常圖像識別時，神經(jīng)網(wǎng)絡會根據(jù)輸入的識別功能進行自主學習，過后在輸入相同圖像，神經(jīng)網(wǎng)絡會自動識別。自主學習能力給神經(jīng)網(wǎng)絡帶來重要意義，能夠使神經(jīng)網(wǎng)絡不斷成長，對人們未來日常工作能夠很好預測，滿足人們的需求。

2.3 神經(jīng)網(wǎng)絡的突出優(yōu)點

近年來，人工神經(jīng)網(wǎng)絡得到越來越多人重視，使神經(jīng)網(wǎng)絡得到足夠資源進行良好創(chuàng)新。人工神經(jīng)網(wǎng)絡是由大量基本元件構成，對人腦功能的部分特性進行模仿和簡化，人工神經(jīng)網(wǎng)絡具備復雜線性關系，與一般計算機相比，在構成原理和功能特點更加先進，人工神經(jīng)網(wǎng)絡并不是按照程序來進行層次運算，而是能夠適應環(huán)境，根據(jù)人們提供的數(shù)據(jù)進行模擬和分析，完成某種運算。

人工神經(jīng)系統(tǒng)具備優(yōu)良容錯性，由于大量信息存儲在神經(jīng)單元中，進行分布式存儲，當信息受到損害時，人工神經(jīng)系統(tǒng)也可以正常運行。人工神經(jīng)網(wǎng)絡必須要有學習準則制約來能夠自主學習，然后進行工作。目前，人工神經(jīng)網(wǎng)絡已經(jīng)逐步具備自適應和自組織能力，在學習或訓練過程中改變突觸權重值，以適應周圍環(huán)境的要求。通過一定學習方式和某些規(guī)則，人工神經(jīng)網(wǎng)絡可以自動發(fā)現(xiàn)環(huán)境特征和規(guī)律性，更貼近人腦某些特征。

采用并行分布處理方法，使得快速進行大量運算成為可能。神經(jīng)網(wǎng)絡的一個很大的優(yōu)點是很容易在并行計算機上實現(xiàn)，可以把神經(jīng)的節(jié)點分配到不同的CPU上并行計算。錢藝等提出了一種神經(jīng)網(wǎng)絡并行處理器的體系結構，能以較高的并行度實現(xiàn)典型的前饋網(wǎng)絡如BP網(wǎng)絡和典型的反饋網(wǎng)絡（如Hopfield網(wǎng)絡）的算法。該算法以SIMD（Single Instruction Multiple Data）為主要計算結構，結合這兩種網(wǎng)絡算法的特點設計了一維脈動陣列和全連通的互連網(wǎng)絡，能夠方便靈活地實現(xiàn)處理單元之間的數(shù)據(jù)共享。結合粒子群優(yōu)化算法和個體網(wǎng)絡的并行學習機制，提出了一種基于粒子群優(yōu)化的并行學習神經(jīng)網(wǎng)絡集成構造方法。

3 結束語

全球化的發(fā)展，信息交流不斷加快，促使各個行業(yè)相互融合。神經(jīng)網(wǎng)絡算法具備簡單、穩(wěn)定等不同優(yōu)勢，神經(jīng)網(wǎng)絡研究內(nèi)容相當廣泛，神經(jīng)網(wǎng)絡算法能夠與其它算法相互結合，在一定程度提高計算機網(wǎng)絡模型運算能力。但是計算機網(wǎng)絡模型中神經(jīng)網(wǎng)絡算法學習能力比較低下，梯度下降法不準確，所以需要有關人員進行深度研究，探索神經(jīng)網(wǎng)絡算法，使其更加完善，從而保證計算機整體性能的提高。

參考文獻

[1]陳竺.計算機網(wǎng)絡連接增強優(yōu)化中的神經(jīng)網(wǎng)絡算法[J].電子技術與軟件工程，2014（19）.

[2]史望聰.神經(jīng)網(wǎng)絡在計算機網(wǎng)絡安全評價中的應用分析[J].自動化與儀器儀表，2016（06）.

作者單位

吉林工程職業(yè)學院 吉林省四平市 136001