第一篇 神经网络理论及其MATLAB实现<br> 第1章 神经网络理论<br> 人脑是一部不寻常的智能机，它能以惊人的高速度解释感觉器官传来的含糊不清的信息。它能觉察到喧闹房间内的窃窃私语，能够识别出光线暗淡的胡同中的一张面孾，更能通过不断的学习而产生伟大的创造力。古今中外，许许多多科学家为了揭开大脑机能的奥秘，从不同的角度进行着长期不懈的努力和探索，由此逐渐形成了一个多学科交叉的前沿技术领域——神经网络（Neural Network）。<br> 人工神经系统的研究可以追溯到1800年Frued的精神分析学时期，那时他已经做了一些初步工作。1913年出现了人工神经系统的第一个实践，即由Russell描述的水力装置。1943年美国心理学家warren S McCulloch与数学家Walter H Pitts合作，用逻辑的数学工具研究客观事件在形式神经网络中的描述，从此开创了对神经网络的理论研究。他们在分析、总结神经元基本特性的基础上，首先提出神经元的数学模型，简称MP模型。从脑科学研究来看，MP模型不愧为第一个用数理语言描述脑的信息处理过程的模型。后来MP模型经过数学家的精心整理和抽象，最终发展成一种有限自动机理论，再一次展现了MP模型的价值。此模型沿用至今，直接影响着这一领域的研究进展。1949年心理学家D．O．Hebb提出关于神经网络学习机理的“突触修正假设”，即突触联系效率可变的假设，现在多数学习机仍遵循这一学习规则。1957年．Frank Rosenblatt首次提出并设计制作了著名的感知机（Perceptron），第一次从理论研究转入过程实现阶段，掀起了研究人工神经网络的高潮。今天，随着科学技术的迅猛发展，神经网络正以极大的魅力吸引着世界上众多专家、学者为之奋斗，在世界范围内再次掀起了神经网络的研究热潮。难怪有关国际权威人士评论指出，目前对神经网络的研究，其重要意义不亚于第二次世界大战时对原子弹的研究。<br> 人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其他传统方法相结合，将推动人工智能和信息处理技术的不断发展。近年来，人工神经网络正向着模拟人类认知的道路上更加深入地发展，且与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。<br> ……
展开
