人工神经网络

神经网络作为智能信息处理的代表性技术，由于其自学习、自组织、自适应的特点，在许
多学科领域、国防工业中具有极广泛的应用价值。美国国防部的DARPA(Defense Advanced
Research Projects Agency)组织众多科学机和军事系统专家，经过多方严格而周密的论
证，决定把神经网络技术作为研究的重点之一。日本、法国、加拿大等许多国家的重大科学
计划，也是把神经网
络在信号处理中的应用放在最重要的位置。
在许多领域中，由于传统的处理方法无法克服计算机固有的程式化数字化串行处理方式，
无法摆脱局域式地址存贮特征所受到的限制，使得在这些领域内的研究和工业应用陷入了
困境。而利用神经网络的高度并行运算能力，以及很强的自适应和学习能力、鲁棒性和容
错能力，从而可以代替复杂耗时的传统算法，解决传统算法不能克服的困难。
例如，在雷达信号处理中的检测、估计和滤波中，所谓的最优处理与其需要的运算量之间
的矛盾在快速变化的环境中几乎达到了不可调和的程度，也就是说，要达到最优处理性能
，则完成运算量所需要的计算机数目常常大得令人不能接受。如果要针对线性处理的不足
而采用非线性处理，则所需的系统更是复杂庞大。这不得不使人们以牺牲处理性能为代价来
换取算法运算量的减
少和成本的降低。而利用神经网络的高度并行运算能力，可以实时实现难以用数字计算和
技术实现的最优信号处理算法。
在目标识别方面，以特征提取为基础的方法也遇到了极大的困难。如何表示和提取特征，
需要多少特征，都有很大的盲目性和低效率。识别过程必须经历从特征提取、数据压缩到
判决几个阶段，所需的运算使得系统难以满足实时性要求。利用神经网络分布式信息存贮
和并行处理的特点，可以避开模式识别方法中建模与特征提取的过程，从而消除由于模型不
符和特征选择不当而
带来的影响，并实现实时识别，以提高识别系统的性能。
在自动控制领域，对被控系统进行辨识并修正参数的传统方法只能较好的应用于线性系
或一类可线性化的简单非线性系统，很难推广到复杂的非线性系统，人们只好在此基础上
作大量的近似或简化，这就难免失去应有的准确性。充分利用神经网络的非线性处理特性
，可以更好的解决此类问题，使控制系统的智能化向前迈进一大步。
再如，虽然神经生物学家已经积累了大量关于大脑组成、大脑外形以及大脑运转基本要
等知识，但他们仍然解释不了有关大脑信息处理的一些实质性问题。而建立在认知过程信
息处理的微结构理论之上的神经网络，作为人的认知过程的一种定量描述，则为神经科学
家提供了一个独一无二的机会来发展和验证大脑的工作原理。神经网络理论的发展，可在神
经科学中推动理论神
经科学的发展，为计算神经科学提供必要的理论和模型，同时也促经脑科学向定量、精确
和理论化方向发展。
此外，在汽车（自动导航系统，担保行为分析器）、银行（信贷申请评估器）、电子（
码序列预测，集成电路芯片布局，芯片故障分析，机器视觉）、娱乐（市场预测，动画特
技）、金融（公司证券分级，公司财务分析）、保险（政策应用评估）、制造（机器性能
分析，实时微粒识别，可视质量监督系统，产品检测）、医疗（癌细胞分析，EEG和ECG分析
，医学图像处理）、
石油和天然气（探察）、机器人（轨道控制，操作手控制器，视觉系统）、语音（特征提
取，语音合成，语音识别）、电信（图像和数据压缩，自动信息服务，实时语言翻译）、
交通（车辆调度，运送系统，卡车制动器诊断系统）等许多方面都离不开神经网络智能处理
。

--

其他文章：

一百个最有用的网站地址

试图通俗地讲一下庞加莱猜想是怎么回事

月光理论及推论

音乐中的数学

[转载] 数学的精神----（一）

论数学真理观的后现代转向

广中平佑：数学中的创造性

价廉物美的三维克莱因瓶（Klein Bottle）

诺贝尔经济学奖与数学

※ 来源:．一网深情 http://bbs.uestc.edu.cn

google_ad_client = "pub-2416224910262877"; google_ad_width = 728; google_ad_height = 90; google_ad_format = "728x90_as"; google_ad_channel = ""; google_color_border = "E1771E"; google_color_bg = "FFFFFF"; google_color_link = "0000FF"; google_color_text = "000000"; google_color_url = "008000";