浅谈人工智能神经网络的优点

 

目录

神经网络的优点

（1）分布存储和容错性

（2）大规模并行处理

（3）自学习、自组织和自适应性

---

---

神经系统的基本构造单元是神经细胞也称神经元。它和人体中其他细胞的 关键区别在于具有产生、处理和传递信号的功能。每个神经元都包括三个主要部分：细胞体、树突和轴突。树突的作用是向四方收集由其他神经细胞传来的信息轴突的功能是传出从细胞体送来的信息。

神经网络的优点

神经网络获得迅速发展，应用来领域越来越广，解决实际问题的能力也越来越强，这是神经网络的优良性能以及对国民经济所起的重大作用所决定的。具体说，神经网络具有以下优点：

（1）分布存储和容错性

一个信息不是存储在一个地方而是按内容而分布在整个网络上网络某一 处不是只存储一个外部信息而每个神经元存储多种信息的部分内容。网络的每 部分对信息的存储有等势作用。这种分布式存储算法是存储区与运算区合为一体的。在神经网络中要获得存储的知识则采用“联想”的办法即当一个神经网 络输入一个激励时它要在己存的知识中寻找与该输入匹配最好的存储知识为其 解。当然在信息输出时也还要经过一种处理。而不是直接从记忆中取出。这种存 储方式的优点在于若部分信息不完全就是说或者丢失或者损坏甚至有错误的信息它仍能恢复出原来正确的完整的信息系统仍能运行。这就是网络具有容错 性和联想记忆功能自然是表现出较强的鲁莽性。人的大脑的容错性是它的一种重要的智慧形式。

（2）大规模并行处理

人工神经元网络在结构上是并行的，而且网络的各个单元可以同时进行类似 的处理过程。因此网络中的信息处理是在大量单元中平行而又有层次地进行运算速度高。大大超过传统的序列式运算的数字机。虽然每个神经元的信息传递速度是以毫秒计算的比普通序列式计算机要慢很多但是人通常能在1秒内即可作出对外界事物的判断和决策、这就是能神奇地完成所谓“百步”决策。这按照现有传统的计算机及人工智能技术目前还是做不到的。

（3）自学习、自组织和自适应性

学习和适应要求在时间过程中系统内部结构和联系方式有改变神经元网络是一种变结构系统恰好能完成对环境的活应和对外界事物的学习能力。神经元 之间的连接有多种多样各神经元之间连接强度具有一定的可塑性相当于突触 传递信息能力的变化这样网络可以通过学习和训练进行自组织以适应不同信 息处理的要求。 神经元网络是大量神经元的集体行为并不是各单元行为的简单的相加，而表现出一般复杂非线性动态系统的特性。如不可预测性、不可逆性、有各种类型的吸引子和出现混沌现象等。 正是由于神经网络具有这些特点，所以可以处理一些环境信息十分复杂、知识背景不清楚和推理规则不明确的问题。例如语音识别和图像识别、医学诊断以及市场估计等都是具有复杂非线性和不确定性对象的控制。在那里信源提供的模式丰富多彩有的互相间存在矛盾而判定决策原则又无条理可循。