- 相關(guān)推薦
淺談神經(jīng)網(wǎng)絡(luò)在人工智能中的應(yīng)用論文
摘 要：神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域不可或缺的部分，當(dāng)前最常見(jiàn)的幾種神經(jīng)網(wǎng)絡(luò)分別是感知器網(wǎng)絡(luò)、BP網(wǎng)絡(luò)、柯荷倫網(wǎng)絡(luò)、競(jìng)爭(zhēng)網(wǎng)絡(luò)，這幾種網(wǎng)絡(luò)各具特點(diǎn)，最后給出了兩個(gè)使用BP網(wǎng)絡(luò)解決實(shí)際問(wèn)題的例子。
關(guān)鍵詞：
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 人工智能 機(jī)器學(xué)習(xí) 控制算法
控制理論從提出到目前為止，一共經(jīng)歷了三個(gè)重大的發(fā)展時(shí)期，分別是經(jīng)典控制理論、現(xiàn)代控制理論和智能控制理論。智能控制屬于較新的控制理論，它現(xiàn)在主要用于人工智能領(lǐng)域。為了使更多的人了解到人工智能，推動(dòng)控制理論的不斷前進(jìn)，就需要對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行推廣。
1 典型神經(jīng)網(wǎng)絡(luò)
1.1 感知器
感知器的工作原理是使用直線、平面等切割平面或立體空間，將這些平面或空間分成若干不同的區(qū)域[1]，以達(dá)到對(duì)輸入信號(hào)進(jìn)行分類(lèi)的目的。感知器在使用前，需要先進(jìn)行訓(xùn)練。訓(xùn)練感知器的主要目的是調(diào)整它的權(quán)值。訓(xùn)練感知器時(shí)，通過(guò)選擇典型的輸入類(lèi)型，這些輸入需要能代表所有的輸入類(lèi)型，然后將這些數(shù)據(jù)輸入到感知器中對(duì)感知器進(jìn)行訓(xùn)練。訓(xùn)練之后，感知器網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)及權(quán)值得到了調(diào)整。當(dāng)感知器訓(xùn)練完成之后，就可以進(jìn)行工作了。
1.2 BP網(wǎng)絡(luò)
BP網(wǎng)絡(luò)是當(dāng)前使用得最多的一種神經(jīng)網(wǎng)絡(luò)，它的主要功能是對(duì)非線性有理函數(shù)進(jìn)行逼近，以滿足對(duì)非線性系統(tǒng)的控制作用。一般使用最速下降法對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將誤差反向傳播，當(dāng)有大量的數(shù)據(jù)通過(guò)BP網(wǎng)絡(luò)時(shí)，網(wǎng)絡(luò)的權(quán)值和閾值得到調(diào)整，并使得網(wǎng)絡(luò)的誤差系數(shù)降低到最小[2]。下式是不含反饋的神經(jīng)網(wǎng)絡(luò)的輸入與輸出關(guān)系： 以上表達(dá)式不能表示具有反饋方式的神經(jīng)網(wǎng)絡(luò)，如果需要表示BP網(wǎng)絡(luò)，還需要對(duì)上式加入反饋部分，如下式所示： 當(dāng)訓(xùn)練結(jié)束之后，此神經(jīng)網(wǎng)絡(luò)即是BP網(wǎng)絡(luò)，它就可用于對(duì)非線性系統(tǒng)的控制。它將輸出反饋到輸入，作為輸入的一部分，以達(dá)到對(duì)系統(tǒng)權(quán)值的持續(xù)調(diào)整，消除非線性影響的作用。
1.3 競(jìng)爭(zhēng)網(wǎng)絡(luò)
競(jìng)爭(zhēng)網(wǎng)絡(luò)一般用于對(duì)大量具有典型特征的數(shù)據(jù)進(jìn)行分類(lèi)，它是一種單層網(wǎng)絡(luò)，包括輸入層和競(jìng)爭(zhēng)層，輸入層和競(jìng)爭(zhēng)層共用一個(gè)權(quán)值函數(shù)。競(jìng)爭(zhēng)網(wǎng)絡(luò)的訓(xùn)練和工作并未像其它神經(jīng)網(wǎng)絡(luò)那樣明確分開(kāi)，而是在工作的過(guò)程中實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的訓(xùn)練。它的訓(xùn)練方式是無(wú)監(jiān)督式的，訓(xùn)練過(guò)程是通過(guò)競(jìng)爭(zhēng)，將獲勝節(jié)點(diǎn)的權(quán)值進(jìn)行調(diào)整，從而使網(wǎng)絡(luò)的輸出于輸入間的誤差逐漸減小，在這個(gè)競(jìng)爭(zhēng)過(guò)程中，就可以通過(guò)輸出的不同，而將輸入分成不同的類(lèi)型，以實(shí)現(xiàn)自動(dòng)分類(lèi)的功能。
1.4 柯荷倫網(wǎng)絡(luò) 為了實(shí)現(xiàn)對(duì)具有概率分布模式的數(shù)據(jù)進(jìn)行分類(lèi)，可以利用柯荷倫網(wǎng)絡(luò)模型�？潞蓚惥W(wǎng)絡(luò)網(wǎng)絡(luò)模型與普通的網(wǎng)絡(luò)模型很相似，它的不同之處在與它在訓(xùn)練過(guò)程中對(duì)節(jié)點(diǎn)的調(diào)整方法的區(qū)別�？潞蓚惥W(wǎng)絡(luò)模型對(duì)節(jié)點(diǎn)的調(diào)節(jié)方式與競(jìng)爭(zhēng)網(wǎng)絡(luò)的比較相似，都是通過(guò)競(jìng)爭(zhēng)來(lái)確定需要調(diào)整的網(wǎng)絡(luò)節(jié)點(diǎn)，競(jìng)爭(zhēng)網(wǎng)絡(luò)只需要調(diào)整競(jìng)爭(zhēng)獲勝的節(jié)點(diǎn)，而柯荷倫網(wǎng)絡(luò)除了需要調(diào)整競(jìng)爭(zhēng)獲勝的網(wǎng)絡(luò)節(jié)點(diǎn)，還需要調(diào)整獲勝節(jié)點(diǎn)的臨近節(jié)點(diǎn)。
2 BP網(wǎng)絡(luò)在智能系統(tǒng)中的應(yīng)用
2.1 聯(lián)想記憶
在信號(hào)處理、語(yǔ)音和圖像識(shí)別等領(lǐng)域，當(dāng)輸入數(shù)據(jù)具有干擾或需要網(wǎng)絡(luò)具有糾錯(cuò)能力時(shí)，就需要網(wǎng)絡(luò)能夠識(shí)別出這種錯(cuò)誤，并將其糾正過(guò)來(lái)。為了能得到具有這種功能的神經(jīng)網(wǎng)絡(luò)，可以先將識(shí)別對(duì)象轉(zhuǎn)換成網(wǎng)絡(luò)的平衡節(jié)點(diǎn)，通過(guò)調(diào)整節(jié)點(diǎn)的權(quán)值，使其記住這些目標(biāo)。然后再通過(guò)不斷對(duì)網(wǎng)絡(luò)輸入學(xué)習(xí)數(shù)據(jù)，使其不斷進(jìn)行聯(lián)想，最終使目標(biāo)模型的特征收斂到網(wǎng)絡(luò)的平衡節(jié)點(diǎn)上。例如在進(jìn)行文字處理時(shí)，為了能是神經(jīng)網(wǎng)絡(luò)具有識(shí)別出錯(cuò)誤文字的功能，可先將特定模型的文字轉(zhuǎn)化成網(wǎng)絡(luò)平衡節(jié)點(diǎn)，然后在對(duì)網(wǎng)絡(luò)輸入正確的文字，在不斷的訓(xùn)練過(guò)程中，網(wǎng)絡(luò)就能實(shí)現(xiàn)對(duì)錯(cuò)誤輸入的識(shí)別作用。
2.2 優(yōu)化計(jì)算
霍普菲爾德的網(wǎng)絡(luò)穩(wěn)定性判別函數(shù)以能量為基礎(chǔ)。當(dāng)系統(tǒng)不穩(wěn)定時(shí)，能量會(huì)逐漸減小，并最終趨于穩(wěn)定。在大規(guī)模電力線路的設(shè)計(jì)過(guò)程中，為了使設(shè)計(jì)的電子線路系統(tǒng)最優(yōu)，就需要對(duì)設(shè)計(jì)不斷進(jìn)行優(yōu)化。通過(guò)對(duì)系統(tǒng)網(wǎng)絡(luò)進(jìn)行分析，求解出網(wǎng)絡(luò)的最優(yōu)參數(shù)之后，將這些參數(shù)轉(zhuǎn)換成神經(jīng)網(wǎng)絡(luò)中的平衡節(jié)點(diǎn)。在對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練之后，網(wǎng)絡(luò)就可以通過(guò)不斷循環(huán)優(yōu)化，最終設(shè)計(jì)出一個(gè)最優(yōu)電子線路系統(tǒng)。
2.3 影像處理
在人造成像系統(tǒng)中，無(wú)論是光學(xué)成像，還是聲波成像，以及電磁波成像，由于在對(duì)影像進(jìn)行采集和處理的系統(tǒng)一般是數(shù)字系統(tǒng)，并且數(shù)字信號(hào)本身比模擬信號(hào)具有更強(qiáng)的抗噪能力，在采集和處理過(guò)程中，必須先對(duì)影像資料進(jìn)行數(shù)字化處理，將模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)。因此，最終采集到的影像資料都是不連續(xù)的。 當(dāng)前對(duì)影像數(shù)據(jù)的處理主要包括：處理因焦距問(wèn)題而產(chǎn)生的影像模糊;影像噪聲含量較多時(shí)將噪聲處理掉;使用邊緣檢測(cè)的方法，得到圖像的特殊屬性。影像處理所涉及的領(lǐng)域也非常寬廣，如對(duì)影像進(jìn)行分類(lèi)、在醫(yī)學(xué)中對(duì)藥物反應(yīng)的影像進(jìn)行分析等。
【淺談神經(jīng)網(wǎng)絡(luò)在人工智能中的應(yīng)用論文】相關(guān)文章：
淺談在機(jī)械設(shè)計(jì)制造中綠色理念的應(yīng)用論文07-04
人工智能技術(shù)在電氣自動(dòng)化中的應(yīng)用論文07-04
淺談翻轉(zhuǎn)課堂在實(shí)驗(yàn)教學(xué)中的應(yīng)用研究論文07-03
淺談SPSS在證券投資實(shí)訓(xùn)中的應(yīng)用的優(yōu)秀論文07-04
《微表情在面試中的應(yīng)用》淺談07-11
淺談信息技術(shù)在服裝工藝教學(xué)中的應(yīng)用前景論文07-03
淺談學(xué)科思維導(dǎo)圖在電工電子技術(shù)課程中的應(yīng)用論文07-04