人工神经网络

人工 神经网络 概述
    人工 神经网络 （Artificial Neural Networks，ANNs），也简称为 神经网络 （NNs），是模拟生物 神经网络 进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。目前，人工 神经网络 已应用于很多领域。本章主要对人工 神经网络 的基本理论做一个全面简要的介绍。
神经网络 的特点
    神经网络 的基本属性反映了 神经网络 特点，主要表现在：
1．并行分布式处理 神经网络 具有高度的并行结构和并行实现能力，具有高速寻找优化解的能力，能够发挥计算机的高速运算能力，可能很快找到优化解。
2．非线性处理 人脑的思维是非线性的，故 神经网络 模拟人的思维也应是非线性的。这一特性有助于处理非线性问题。
3．具有自学习功能 通过对过去的历史数据的学习，训练出一个具有归纳全部数据的特定的 神经网络 ，自学习功能对于预测有特别重要的意义。
4． 神经网络 的硬件实现 要使人工 神经网络 更快、更有效地解决更大规模的问题，关键在于其超大规模集成电路（V LSI）硬件的实现，即把神经元和连接制作在一块芯片上（多为CMOS）构成ANN， 神经网络 的VLSI设计方法近年来发展很快，硬件实现已成为ANN的一个重要分支。
神经网络 的应用领域
    近些年来 神经网络 在众多领域得到了广泛的运用。在民用应用领域的应用，如语言识别、图像识别与理解、计算机视觉、智能 机器人 故障检测、实时语言翻译、企业管理、市场分析、决策优化、物资调运、自适应控制、专家系统、智能接口、神经生理学、心理学和认知科学研究等等；在军用应用领域的应用，如雷达、声纳的多目标识别与跟踪，战场管理和决策支持系统，军用 机器人 控制各种情况、信息的快速录取、分类与查询，导弹的智能引导，保密通信，航天器的姿态控制等。