2.1 人工神經網絡簡介

人是具有最高智慧的動物，它依靠大腦進行思考、聯想、記憶和推理判斷等，而這些功能是現代計算機所無法替代的。多年來，科學家一直致力于人腦內部結構和功能的研究與探討，并試圖建立模仿人類大腦的計算機。到目前為止，人們對大腦的內部工作機理仍未完全清楚，但其結構已有所了解。

現代的計算機具有極強的計算和信息處理能力，但是它對于模式識別、感知和在復雜環境中做出決策等問題的處理能力卻遠不如人，特別是它只能按照人類事先編好的程序機械地執行，缺乏向環境學習、適應環境的能力。早在20世紀初，人們就已經知道人腦的工作方式與現在的計算機有差別，大腦的組織結構和運行機制具有其絕妙的特點。人類從模仿人腦智能的角度出發，探尋新的信息、存儲和處理方式，設計全新的計算機處理結構模型，構造一種更接近人類智能的信息處理系統解決實際工程和科學研究領域中傳統的馮·諾依曼計算機難以解決的問題，這將會促進科學進步，并在人類生活的各個領域引起巨大變化，從而促使人類研究人工神經網絡（ANN）系統。簡而言之，所謂ANN就是模仿人腦工作方式而設計的一種機器，它可用電子或光電元件實現，也可用軟件在常規計算機上仿真；或者說ANN是一種具有大量連接的并行分布式處理器，它具有通過學習獲取知識并解決問題的能力，且知識是分布存儲在連接權（對應于生物神經元的突觸）中，而不是像常規計算機按地址存在特定的存儲單元中。盡管目前人們對大腦的神經網絡結構、運行機制，甚至單個神經細胞的工作原理的了解還很膚淺，但是基于生物神經系統的分布式存儲、并行處理、自適應學習這些現象，已經構造出了具有一定初級智能的人工神經網絡。當然這種人工神經網絡僅僅是對大腦的粗略而且簡單的模擬，無論是在規模上、功能上與大腦相比相差很遠。但它在一些科學研究領域和實際工程領域中，已顯示了巨大的威力。從20世紀80年代初神經網絡的研究再次復蘇并形成熱點以來，發展極其迅速，從理論上對它的計算能力，對任意連續映射的逼近能力、學習理論以及動態網絡的穩定性分析上都取得了豐碩的成果，并且其理論的應用取得了令人矚目的發展。特別是在應用上已迅速擴展到許多重要領域，其主要應用領域為：

1.信息處理領域

（1）信號處理

人工神經網絡廣泛應用于自適應信號處理和非線性信號處理中。前者如信號的自適應濾波、時間序列預測、譜估計、噪聲消除等；后者如非線性濾波、非線性預測、非線性編碼等。

（2）模式識別

模式識別是信號處理和人工智能領域的一個重要分支，神經網絡已經成功應用于此領域。模式識別涉及模式的預處理和將一種模式映射為其他類型的操作，神經網絡在這兩個方面均有一些成功的應用。神經網絡不僅可以處理靜態模式，如固定圖像、固定能譜等，還可以處理動態模式，如視頻圖像、連續語音等。大家所熟悉的靜態模式識別的例子有手寫字的識別，動態模式識別的成功實例有語音信號的識別。

（3）數據壓縮

在數據傳送與存儲時，數據壓縮至關重要。神經網絡可對傳送的數據提取模式特征，將該特征傳出（或存儲），接收后（或使用時）再將其恢復成原始模式。

（4）預報和智能信息管理

神經網絡可以通過統計學的應用做一些預報。例如，將BP神經網絡應用到地震預報中，能夠進一步提升預報的準確性。

（5）通信

神經網絡成功應用于路由選擇、回波抵消等方面。例如，根據神經網絡的原理和BP神經網絡的特點，將BP神經網絡成功應用于網絡通信中。

2.自動化領域

（1）系統辨識

在自動控制問題中，系統辨識的目的是為了建立被控對象的數學模型。多年來控制領域對于復雜的非線性對象的辨識，一直未能很好地解決。神經網絡所具有的非線性特性和學習能力，使其在系統辨識方面有很大的潛力，為解決具有復雜的非線性、不確定性和不確知對象的辨識問題開辟了一條有效途徑。

（2）神經控制器

由于控制器在實時控制系統中起著“大腦”的作用，神經網絡具有自學習和自適應等智能特點，因而非常適合用作控制器。例如，將神經網絡運用到船舶航跡控制過程中，利用神經網絡函數逼近特性實現控制器中非線性部分的在線估計，并不斷調整神經網絡權值，這樣就可以實現對期望航跡的精確跟蹤。對于復雜非線性系統，神經控制器所達到的控制效果往往明顯好于常規控制器。

3.工程領域

（1）汽車工程

神經網絡在汽車剎車自動控制系統中有成功的應用，該系統能在給定剎車距離、車速和最大速度的情況下，以人體能感受到的最小沖擊實現平穩剎車，而不受路面坡度和車重的影響。

（2）化學工程

神經網絡在制藥、生物化學、化學工程等領域的研究中已經取得諸多研究成果。例如，在光譜分析方面，應用神經網絡在紅外光譜、紫外光譜、折射光譜和質譜與化合物的化學結構間建立某種確定的對應關系，其成功應用比比皆是。