神經(jīng)網(wǎng)絡(luò)發(fā)展簡(jiǎn)析

王楠鑫　夏澤華

摘要：早在本世紀(jì)4 0年代中期，當(dāng)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(shí)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(wèn)題，試圖探索沖經(jīng)系統(tǒng)與思維活動(dòng)的奧秘。在當(dāng)時(shí)還未有“神經(jīng)網(wǎng)絡(luò)”這一詞的出現(xiàn)。直到1943年第一個(gè)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(jiǎn)單的 zha 值函數(shù)表示，并完成邏輯函數(shù)功能[1]。當(dāng)然，后來(lái)麥卜洛克一皮茨模塑被修正和改進(jìn)成為閾值邏輯模型，基于這種模型，人們?cè)?jīng)先后構(gòu)造了許多模擬人的智能活動(dòng)的人工系統(tǒng)。本文研究了神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)單的架構(gòu)、演變以及對(duì)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(gè)學(xué)科，橫跨眾多領(lǐng)域的科學(xué)，并且神經(jīng)網(wǎng)絡(luò)這一新興的科學(xué)在當(dāng)今社會(huì)已經(jīng)成為人工智能、認(rèn)知科學(xué)、神經(jīng)生理學(xué)、非線性動(dòng)力學(xué)等相關(guān)專業(yè)領(lǐng)域的研究熱點(diǎn)[2]。神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)和認(rèn)知學(xué)科的領(lǐng)域內(nèi)，是一種模仿動(dòng)物中樞神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能的數(shù)學(xué)模型，神經(jīng)網(wǎng)絡(luò)也是人工智能的“底層模型”，同時(shí)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(xué)科。神經(jīng)網(wǎng)絡(luò)如同計(jì)算機(jī)的大腦，通過(guò)數(shù)學(xué)的嚴(yán)謹(jǐn)推導(dǎo)與計(jì)算機(jī)知識(shí)的靈活運(yùn)用可以用來(lái)描述認(rèn)識(shí)、決策以及控制等的智能行為。

一、神經(jīng)網(wǎng)絡(luò)的來(lái)源于構(gòu)成

隨著時(shí)代的進(jìn)步，人類的需求水平也越來(lái)愈高，在物質(zhì)生活充裕的同時(shí)，科學(xué)家們開始思考，如何讓計(jì)算機(jī)做到如同人類一般的“思考”，如何才能制造出一個(gè)像“人”一樣的機(jī)器。生物學(xué)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(gè)個(gè)神經(jīng)元構(gòu)建而成，當(dāng)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(hào)，進(jìn)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(guò)程，可以看出神經(jīng)元在其中有著重要的的作用，所以科學(xué)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(gè)輸出端組成，N個(gè)輸入端相當(dāng)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(gè)輸出端則相當(dāng)于人類體內(nèi)的神經(jīng)元的軸突（負(fù)責(zé)傳導(dǎo)電信號(hào)），負(fù)責(zé)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(lái)自其他神經(jīng)元所傳遞的信息，由此特點(diǎn)，可以看出神經(jīng)元不但能夠接收和處理信息，還能夠存儲(chǔ)相關(guān)的信息。神經(jīng)網(wǎng)絡(luò)具有自主學(xué)習(xí)的能力，同時(shí)，也具有接近于人類感知器官的識(shí)別和進(jìn)行一些簡(jiǎn)單基礎(chǔ)地判斷能力。

二、神經(jīng)網(wǎng)絡(luò)的發(fā)展

近年來(lái)，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(jìn)展，使得神經(jīng)網(wǎng)絡(luò)逐漸走出了科學(xué)研究室，走向了國(guó)民經(jīng)濟(jì)的主戰(zhàn)場(chǎng)，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(shí)，神經(jīng)網(wǎng)絡(luò)在國(guó)家國(guó)防科學(xué)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(xué)神經(jīng)元[3]可以極大地減少神經(jīng)元在互聯(lián)時(shí)交換信息帶來(lái)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(xué)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?fù)浣Y(jié)構(gòu)、學(xué)習(xí)算法以及在超大規(guī)模集成電路上的實(shí)現(xiàn)技術(shù)等因素密不可分。同時(shí)，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(cuò)性低，聯(lián)接簡(jiǎn)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(cuò)性高的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性有兩主要體現(xiàn)在兩個(gè)方面：分布式的存儲(chǔ)信息；當(dāng)輸入不穩(wěn)定，模糊、殘缺或者變形時(shí)，神經(jīng)網(wǎng)絡(luò)能夠通過(guò)聯(lián)想恢復(fù)，從而達(dá)到對(duì)不正確的信息進(jìn)行正確的識(shí)別的能力。神經(jīng)網(wǎng)絡(luò)的大規(guī)模互聯(lián)使得其能對(duì)全局信息進(jìn)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(shí)，反向傳播（BackPropagation）算法[4]的提出也是一個(gè)極為重大的突破。該算法是多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中舉足輕重的算法，其主要根據(jù)神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出與人們所期望的輸出之間的誤差大小來(lái)方向調(diào)節(jié)下一層各個(gè)神經(jīng)元的權(quán)系數(shù)，同時(shí)將這樣的調(diào)整依次向下傳遞。

三、結(jié)語(yǔ)

神經(jīng)網(wǎng)絡(luò)因?yàn)槠渑c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(hào)處理、模式識(shí)別、機(jī)器人控制、數(shù)據(jù)挖掘、電力系統(tǒng)等[5]。隨著社會(huì)的不斷進(jìn)步與發(fā)展，科學(xué)技術(shù)的逐步成熟，AI在人們生活中的普及程度越來(lái)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(jìn)千家萬(wàn)戶，為人們所了解所接納。神經(jīng)網(wǎng)絡(luò)在

參考文獻(xiàn)：

[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(xué)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(xué)大學(xué)信息工程學(xué)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(xué)通信與控制工程學(xué)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(xué)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(jìn)中心，2006