神經(jīng)網(wǎng)絡(luò)控制的特點(diǎn)分析_模糊神經(jīng)網(wǎng)絡(luò)發(fā)展進(jìn)程

前言

神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)又成為模糊控制系統(tǒng)，是個(gè)新興的控制方法，就象我們說(shuō)小明學(xué)習(xí)很好，但是怎么個(gè)好法就是個(gè)很模糊的概念。模糊控制不同與經(jīng)典控制理論的關(guān)鍵在于他有一套屬于他自己的模糊算法，這個(gè)對(duì)數(shù)學(xué)的要求還是挺高的，模糊控制也成做為智能控制系統(tǒng)。

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：

① 由于神經(jīng)網(wǎng)絡(luò)模仿人的大腦，采用自適應(yīng)算法。使它較之專家系統(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。

② 較強(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。

② 采用競(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。

③ 這一網(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)了與人腦類似的大腦分區(qū)響應(yīng)處理不同類型的信號(hào)的功能。

④ 采用無(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。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。

?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，更類似人類大腦思考問(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。

?關(guān)于人工神經(jīng)網(wǎng)絡(luò)

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、非線性優(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。