神經(jīng)網(wǎng)絡(luò)的特點(diǎn)分析論文（精選6篇）

　　在日常學(xué)習(xí)和工作中，大家都不可避免地要接觸到論文吧，論文寫(xiě)作的過(guò)程是人們獲得直接經(jīng)驗(yàn)的過(guò)程。相信很多朋友都對(duì)寫(xiě)論文感到非�？鄲腊桑�以下是小編收集整理的神經(jīng)網(wǎng)絡(luò)的特點(diǎn)分析論文，歡迎大家借鑒與參考，希望對(duì)大家有所幫助。

　　神經(jīng)網(wǎng)絡(luò)的特點(diǎn)分析論文 篇1

　　神經(jīng)網(wǎng)絡(luò)的特點(diǎn)分析

　�。�1）神經(jīng)網(wǎng)絡(luò)的一般特點(diǎn)

　　作為一種正在興起的新型技術(shù)神經(jīng)網(wǎng)絡(luò)有著自己的優(yōu)勢(shì)，他的主要特點(diǎn)如下：

　�、儆捎谏窠�(jīng)網(wǎng)絡(luò)模仿人的大腦，采用自適應(yīng)算法。使它較之專(zhuān)家系統(tǒng)的固定的推理方式及傳統(tǒng)計(jì)算機(jī)的指令程序方式更能夠適應(yīng)化環(huán)境的變化�？偨Y(jié)規(guī)律，完成某種運(yùn)算、推理、識(shí)別及控制任務(wù)。因而它具有更高的智能水平，更接近人的大腦。

　�、谳^強(qiáng)的容錯(cuò)能力，使神經(jīng)網(wǎng)絡(luò)能夠和人工視覺(jué)系統(tǒng)一樣，根據(jù)對(duì)象的主要特征去識(shí)別對(duì)象。

　　③自學(xué)習(xí)、自組織功能及歸納能力。

　　以上三個(gè)特點(diǎn)是神經(jīng)網(wǎng)絡(luò)能夠?qū)Σ淮_定的、非結(jié)構(gòu)化的信息及圖像進(jìn)行識(shí)別處理。石油勘探中的大量信息就具有這種性質(zhì)。因而，人工神經(jīng)網(wǎng)絡(luò)是十分適合石油勘探的信息處理的。

　　（2）自組織神經(jīng)網(wǎng)絡(luò)的特點(diǎn)

　　自組織特征映射神經(jīng)網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)的一種，既有神經(jīng)網(wǎng)絡(luò)的通用的上面所述的三個(gè)主要的特點(diǎn)又有自己的特色。

　　①自組織神經(jīng)網(wǎng)絡(luò)共分兩層即輸入層和輸出層。

　�、诓捎酶�(jìng)爭(zhēng)學(xué)記機(jī)制，勝者為王，但是同時(shí)近鄰也享有特權(quán)，可以跟著競(jìng)爭(zhēng)獲勝的神經(jīng)元一起調(diào)整權(quán)值，從而使得結(jié)果更加光滑，不想前面的那樣粗糙。

　�、圻@一網(wǎng)絡(luò)同時(shí)考慮拓?fù)浣Y(jié)構(gòu)的問(wèn)題，即他不僅僅是對(duì)輸入數(shù)據(jù)本身的分析，更考慮到數(shù)據(jù)的拓?fù)錂C(jī)構(gòu)。

　　權(quán)值調(diào)整的過(guò)程中和最后的結(jié)果輸出都考慮了這些，使得相似的神經(jīng)元在相鄰的位置，從而實(shí)現(xiàn)了與人腦類(lèi)似的大腦分區(qū)響應(yīng)處理不同類(lèi)型的信號(hào)的功能。

　�、懿捎脽o(wú)導(dǎo)師學(xué)記機(jī)制，不需要教師信號(hào)，直接進(jìn)行分類(lèi)操作，使得網(wǎng)絡(luò)的適應(yīng)性更強(qiáng)，應(yīng)用更加的廣泛，尤其是那些對(duì)于現(xiàn)在的人來(lái)說(shuō)結(jié)果還是未知的數(shù)據(jù)的分類(lèi)。頑強(qiáng)的生命力使得神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍大大加大。

　　1.1.3自組織神經(jīng)網(wǎng)絡(luò)相對(duì)傳統(tǒng)方法的優(yōu)點(diǎn)

　　自組織特征映射神經(jīng)網(wǎng)絡(luò)的固有特點(diǎn)決定了神經(jīng)網(wǎng)絡(luò)相對(duì)傳統(tǒng)方法的優(yōu)點(diǎn):

　�。�1）自組織特性，減少人為的干預(yù)，減少人的建模工作，這一點(diǎn)對(duì)于數(shù)學(xué)模型不清楚的物探數(shù)據(jù)處理尤為重要，減少不精確的甚至存在錯(cuò)誤的模型給結(jié)果帶來(lái)的負(fù)面影響。

　�。�2）強(qiáng)大的自適應(yīng)能力大大減少了工作人員的編程工作，使得被解放出來(lái)的處理人員有更多的精力去考慮參數(shù)的調(diào)整對(duì)結(jié)果的影響。使得更快的改進(jìn)方法成為可能。

　　（3）網(wǎng)絡(luò)工作過(guò)程中考慮數(shù)據(jù)和網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)的問(wèn)題，更類(lèi)似人類(lèi)大腦思考問(wèn)題的方式，問(wèn)題的解決更符合人的特點(diǎn)，使得結(jié)果的可信程度加大。

　�。�4）無(wú)導(dǎo)師學(xué)習(xí)機(jī)制，不需要教師信號(hào)。對(duì)于地球物理勘探這類(lèi)的很少有準(zhǔn)確的教師信號(hào)作為指導(dǎo)的問(wèn)題而言，這一點(diǎn)很有優(yōu)勢(shì)，很好的模仿人腦，所得結(jié)果是其他方法處理結(jié)果的很好的參考。

　　1.1.4完成本課題的目的

　　本課題的目的就是通過(guò)畢業(yè)設(shè)計(jì)這一過(guò)程學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的基本原理、方法和應(yīng)用情況，在了解自組織特征映射神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上探索這樣的方法、工具在地球物理數(shù)據(jù)處理上的應(yīng)用，例如在儲(chǔ)層識(shí)別方面。并且同一部分其他方法對(duì)比，分析各個(gè)方法的特點(diǎn)，為后面的工作打基礎(chǔ)。

　　針對(duì)傳統(tǒng)地球物理勘探數(shù)據(jù)處理方法存在的問(wèn)題，結(jié)合自組織特征映射神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，嘗試這樣的一個(gè)新方法，看他們這一問(wèn)題上的表現(xiàn)如何，爭(zhēng)取找到一個(gè)相對(duì)合適的方法。

　　保存所做的工作，為以后在這方面感興趣的同學(xué)留下有限的一部分參考。國(guó)內(nèi)外研究的過(guò)程及現(xiàn)狀

　　人工神經(jīng)網(wǎng)絡(luò)是近幾年來(lái)循序發(fā)展的人工智能新技術(shù)，他比專(zhuān)家系統(tǒng)、模糊理論等人工智能技術(shù)具有更高水平。

　　人工神經(jīng)網(wǎng)絡(luò)在80年代中期得到了飛速的發(fā)展。1982年美國(guó)加州州立理工學(xué)院物理學(xué)家Hopfield教授提出了Hopfield人工神經(jīng)網(wǎng)絡(luò)模型，他將能量函數(shù)的概念引入人工神經(jīng)網(wǎng)絡(luò)，并給出了穩(wěn)定性的判據(jù)，開(kāi)拓了人工神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)算的新途徑。

　　人工神經(jīng)網(wǎng)絡(luò)模擬人類(lèi)部分形象思維的能力，是模擬人工智能的一條途徑。特別是可以利用人工神經(jīng)網(wǎng)絡(luò)解決人工智能研究中所遇到的一些難題。人工神經(jīng)網(wǎng)絡(luò)理論的應(yīng)用已經(jīng)滲透到多個(gè)領(lǐng)域，在計(jì)算機(jī)視覺(jué)、模式識(shí)別、智能控制、非線性?xún)?yōu)化、自適應(yīng)濾波相信息處理、機(jī)器人等方面取得了可喜的進(jìn)展。

　　1.2.1國(guó)外研究發(fā)展的過(guò)程

　　神經(jīng)網(wǎng)絡(luò)誕生半個(gè)多世紀(jì)以來(lái)，同其他事務(wù)一樣發(fā)展不是一帆風(fēng)順的，大體上經(jīng)歷了以下5個(gè)階段：

　�。�1）奠基階段。

　　早在20世紀(jì)40年代初，神經(jīng)解剖學(xué)、神經(jīng)生理學(xué)、心理學(xué)以及人腦神經(jīng)元的電生理的研究等都有一定的成果。其中，神經(jīng)生物學(xué)家McCulloch提倡數(shù)字化具有特別的意義。他同青年數(shù)學(xué)家Pitts合作，從人腦信息處理觀點(diǎn)出發(fā)，采用數(shù)理模型的方法研究了腦細(xì)胞的動(dòng)作和結(jié)構(gòu)及其生物神經(jīng)元的一些基本生理特性，提出了第一個(gè)神經(jīng)計(jì)算模型，即神經(jīng)元的閾值元件模型，簡(jiǎn)稱(chēng)為MP模型，他們認(rèn)識(shí)到了模擬大腦可用于邏輯運(yùn)行的網(wǎng)絡(luò)，有一些結(jié)點(diǎn)，及結(jié)點(diǎn)與結(jié)點(diǎn)之間相互聯(lián)系，構(gòu)成一個(gè)簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型。其主要貢獻(xiàn)在于，結(jié)點(diǎn)的并行計(jì)算能力很強(qiáng)，為計(jì)算神經(jīng)行為的某此方面提供了可能性，從而開(kāi)創(chuàng)了神經(jīng)網(wǎng)絡(luò)的研究。這一革命性的思想，產(chǎn)生了很大影響。

　�。�3）第一次高潮階段。

　　在1958年計(jì)算機(jī)科學(xué)家Rosenblatt基于MP模型，增加了學(xué)習(xí)機(jī)制，推廣了MP模型。他證明了兩層感知器能夠?qū)⑤斎敕譃閮深?lèi)，首先假如這兩種類(lèi)型是線性并可分，也就是一個(gè)超平面能將輸入空間分割，其感知器收斂定理：輸入和輸出層之間的權(quán)重的調(diào)節(jié)正比于計(jì)算輸出值與期望輸出之差。

　　他提出的感知器模型，首次把神經(jīng)網(wǎng)絡(luò)理論付諸工程實(shí)現(xiàn)。例如，1957年到1958年間在他的帥領(lǐng)下完成了第一臺(tái)真正意義上的的神經(jīng)計(jì)算機(jī)，即：MarkⅠ的感知器。他還指出了帶有隱含層處理元件的3層感知器這一重要的研究方向，并嘗試將兩層感知器推廣到3層。但是他沒(méi)有能夠找到比較嚴(yán)格的數(shù)學(xué)方法來(lái)訓(xùn)練隱含層處理單元。這種感知器是一種學(xué)習(xí)和自組織的心理學(xué)模型，其結(jié)構(gòu)體現(xiàn)了神經(jīng)生理學(xué)的知識(shí)。當(dāng)模型的學(xué)習(xí)環(huán)境含有噪音時(shí)，內(nèi)部結(jié)構(gòu)有相應(yīng)的隨機(jī)聯(lián)系，這種感知器的學(xué)習(xí)規(guī)則是突觸強(qiáng)化律，它可能應(yīng)用在模式識(shí)別和聯(lián)想記憶等方面�？梢哉f(shuō)，他的模型包含了一些現(xiàn)代神經(jīng)計(jì)算機(jī)的基本原理，而且是神經(jīng)網(wǎng)絡(luò)方法和技術(shù)上的重大突破，他是現(xiàn)代神經(jīng)網(wǎng)絡(luò)的主要構(gòu)建者之一。Rosenblatt的行為激發(fā)了很多學(xué)者對(duì)神經(jīng)網(wǎng)絡(luò)研究的極大興趣．美國(guó)的上百家有影響的實(shí)驗(yàn)室紛紛投入到這個(gè)領(lǐng)域，軍方給予巨額資金資助，比如，對(duì)聲納波識(shí)別，迅速確定敵方的潛水艇位置，經(jīng)過(guò)一段時(shí)間的研究終于獲得了一定的成果。這些事實(shí)說(shuō)明，神經(jīng)網(wǎng)絡(luò)形成了首次高潮。