神經(jīng)網(wǎng)絡(luò)發(fā)展簡析

王楠鑫　夏澤華

摘要：早在本世紀4 0年代中期，當威納（Wiener）、羅森布拉特（Rosenblat）、麥卜洛克（McCulloeh）、皮茨（Pitts）等人在醞釀控制論的時候，人們已經(jīng)把探索的目光投向了神經(jīng)系統(tǒng)和思維的問題，試圖探索沖經(jīng)系統(tǒng)與思維活動的奧秘。在當時還未有“神經(jīng)網(wǎng)絡(luò)”這一詞的出現(xiàn)。直到1943年第一個比較成功的神經(jīng)元模型由麥卜洛克和皮茨提出的，神經(jīng)元可用簡單的 zha 值函數(shù)表示，并完成邏輯函數(shù)功能[1]。當然，后來麥卜洛克一皮茨模塑被修正和改進成為閾值邏輯模型，基于這種模型，人們曾經(jīng)先后構(gòu)造了許多模擬人的智能活動的人工系統(tǒng)。本文研究了神經(jīng)網(wǎng)絡(luò)的簡單的架構(gòu)、演變以及對其的展望。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)

引言

神經(jīng)網(wǎng)絡(luò)從誕生發(fā)展至今，已經(jīng)成為了一門涵蓋多個學科，橫跨眾多領(lǐng)域的科學，并且神經(jīng)網(wǎng)絡(luò)這一新興的科學在當今社會已經(jīng)成為人工智能、認知科學、神經(jīng)生理學、非線性動力學等相關(guān)專業(yè)領(lǐng)域的研究熱點[2]。神經(jīng)網(wǎng)絡(luò)在機器學習和認知學科的領(lǐng)域內(nèi)，是一種模仿動物中樞神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能的數(shù)學模型，神經(jīng)網(wǎng)絡(luò)也是人工智能的“底層模型”，同時神經(jīng)網(wǎng)絡(luò)也是研究有關(guān)自適應(yīng)非編程信息詞條的一門工程學科。神經(jīng)網(wǎng)絡(luò)如同計算機的大腦，通過數(shù)學的嚴謹推導與計算機知識的靈活運用可以用來描述認識、決策以及控制等的智能行為。

一、神經(jīng)網(wǎng)絡(luò)的來源于構(gòu)成

隨著時代的進步，人類的需求水平也越來愈高，在物質(zhì)生活充裕的同時，科學家們開始思考，如何讓計算機做到如同人類一般的“思考”，如何才能制造出一個像“人”一樣的機器。生物學家發(fā)現(xiàn)，人類之所以能夠思考是在于人類擁有神經(jīng)網(wǎng)絡(luò)，由一個個神經(jīng)元構(gòu)建而成，當受到外部刺激之后，神經(jīng)末梢將外部刺激轉(zhuǎn)化為電信號，進而傳到神經(jīng)中樞，再由神經(jīng)中樞做出反應(yīng)，指揮身體反應(yīng)。以上便是人類思考的過程，可以看出神經(jīng)元在其中有著重要的的作用，所以科學家們就制造了模擬的“神經(jīng)元”，最早的神經(jīng)元模型又叫做“感知器”。

神經(jīng)元由N輸入端和一個輸出端組成，N個輸入端相當于前面所提及的人類體內(nèi)的神經(jīng)元的樹突（接收外部的刺激），接收到外部的輸入信息，一個輸出端則相當于人類體內(nèi)的神經(jīng)元的軸突（負責傳導電信號），負責將信息輸出。此外，輸入端不僅僅能夠接受外界的原始信息，還能夠接收到來自其他神經(jīng)元所傳遞的信息，由此特點，可以看出神經(jīng)元不但能夠接收和處理信息，還能夠存儲相關(guān)的信息。神經(jīng)網(wǎng)絡(luò)具有自主學習的能力，同時，也具有接近于人類感知器官的識別和進行一些簡單基礎(chǔ)地判斷能力。

二、神經(jīng)網(wǎng)絡(luò)的發(fā)展

近年來，神經(jīng)網(wǎng)絡(luò)的硬件設(shè)施配套技術(shù)取得了突破性地進展，使得神經(jīng)網(wǎng)絡(luò)逐漸走出了科學研究室，走向了國民經(jīng)濟的主戰(zhàn)場，從初步嘗試的階段日漸趨于成熟，廣泛為大眾所知曉。與此同時，神經(jīng)網(wǎng)絡(luò)在國家國防科學技術(shù)現(xiàn)代化的建設(shè)中也具有廣闊的應(yīng)用領(lǐng)域和應(yīng)用前景。利用光學神經(jīng)元[3]可以極大地減少神經(jīng)元在互聯(lián)時交換信息帶來的能量損耗，并且可以快速且并行的處理海量的、分布式的信息，正因如此光學神經(jīng)元倍受人們的關(guān)注。

神經(jīng)網(wǎng)絡(luò)之所以能夠在近幾年內(nèi)迅速地崛起與其的拓撲結(jié)構(gòu)、學習算法以及在超大規(guī)模集成電路上的實現(xiàn)技術(shù)等因素密不可分。同時，神經(jīng)網(wǎng)網(wǎng)絡(luò)中許多的模型，比如Hopfield模型、Boltzmann模型、Hamming模型、Garpenter-Grossberg模型、Gauss模型、多層感知器模型等等都能打破了原有的神經(jīng)元數(shù)量較少且容錯性低，聯(lián)接簡單的局限性，從而形成了具有一定規(guī)模的聯(lián)接靈活，且容錯性高的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的容錯性有兩主要體現(xiàn)在兩個方面：分布式的存儲信息；當輸入不穩(wěn)定，模糊、殘缺或者變形時，神經(jīng)網(wǎng)絡(luò)能夠通過聯(lián)想恢復，從而達到對不正確的信息進行正確的識別的能力。神經(jīng)網(wǎng)絡(luò)的大規(guī)模互聯(lián)使得其能對全局信息進行并行綜合優(yōu)化的處理，并且能夠很好的協(xié)調(diào)不同的輸入信息之間的關(guān)系。與此同時，反向傳播（BackPropagation）算法[4]的提出也是一個極為重大的突破。該算法是多層神經(jīng)網(wǎng)絡(luò)的訓練中舉足輕重的算法，其主要根據(jù)神經(jīng)網(wǎng)絡(luò)的實際輸出與人們所期望的輸出之間的誤差大小來方向調(diào)節(jié)下一層各個神經(jīng)元的權(quán)系數(shù)，同時將這樣的調(diào)整依次向下傳遞。

三、結(jié)語

神經(jīng)網(wǎng)絡(luò)因為其與眾不同的結(jié)構(gòu)和綜合優(yōu)化的處理信息辦法沒在許多的領(lǐng)域里都取得了顯著的成效，比如比如，圖像處理、信號處理、模式識別、機器人控制、數(shù)據(jù)挖掘、電力系統(tǒng)等[5]。隨著社會的不斷進步與發(fā)展，科學技術(shù)的逐步成熟，AI在人們生活中的普及程度越來越高，神經(jīng)網(wǎng)絡(luò)已經(jīng)不在是神秘的代名詞，轉(zhuǎn)而逐漸走進千家萬戶，為人們所了解所接納。神經(jīng)網(wǎng)絡(luò)在

參考文獻：

[1]馬艷霞.人工神經(jīng)網(wǎng)絡(luò)發(fā)展之淺見[J]，延邊工業(yè)學校，2007

[2]毛健，趙紅東，姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J]，河北工學大學信息工程學院，2011

[3]朱大奇.人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J]，江南大學通信與控制工程學院，2004

[4]鐘珞.人工神經(jīng)網(wǎng)絡(luò)及其融合應(yīng)用技術(shù)[M]，科學出版社，2007

[5]謝承泮.神經(jīng)網(wǎng)絡(luò)發(fā)展綜述[J]，太原生產(chǎn)力促進中心，2006