神经网络与神经计算机 第五讲 光神经计算机

<正> 光神经计算机的研究指的是利用光物理学和光技术,研究神经网络的基本原理,并探讨采用光学器件或光电混合器件实现神经网络硬件系统的方法。本讲先讨论神经网络和光物理学、光技术的关系,以及由此引出的光神经计算机的特征,然后介绍光神经计算机系统的基本结构,以及用光技术实现联想、学习等高级功能的基本原理和基本方法。最后简单介绍光神经计算机的发展前景。     

神经计算机(Neurocomputer)

神经计算(neurocomputing)是关于自适应非编程信息处理系统的一门工程学科。这种自适应非编程信息处理系统通常称为神经网络。它与传统的信息处理系统有着本质的不同。神经网络的研究可大致分为三个主要部分,即神经网络理论、神经计算机的研制和神经网络的应用。本文将着重讨论神经计算机的研制及其发展现状,神经计算机亦可称为神经网计算机或人工神经网系统。     

神经网络计算机的现状与发展趋势

目前神经网络的应用已渗透到各个领域,并在模式识别、自适应滤波和信号处理、语音识别、图像处理、生物医学工程等方面取得了令人鼓舞的进展。神经网络的应用和发展将影响新一代计算机的设计原理,有可能为新一代计算机和人工智能开辟一条崭新的途径。本文拟就神经计算机的现状和发展趋势作一重点讨论,并介绍一些产品。     

神经网络与神经计算机的基本原理和应用(续完)

本文是“神经网络与神经计算机的基本原理和应用”的第二部分。主要介绍Hopfleld 网络模型及其在求解旅行商问题中的成功应用。为了避免陷入局部极小,Boltz-mann 机和随机网络模型对 Hopfield 模型作了进一步的改进。感知机和 BP 网络,是利用神经网络进行自学习的两种常见方式。按误差反向传播的 BP层次型网络,可以通过样本训练改变神经元的连接权以进行学习和记忆。在神经计算机一节中, 扼要介绍了神经计算机的主要特征、体系结构、其中并行拉度、虚拟处理器和拓扑结构是三个需要考虑的重要参数。文中最后部分讨论了神经网络与神经计算机的应用领域。     

神经网络理论：学习,识别与计算的现代途径

神经网络是近年来掀起热潮的一个特别引人入胜的研究领域,它完全打破了学科的界限,对人工智能、计算机科学、脑神经科学、认知科学、电子学及物理学等学科的新发展都有重要影响。预计它的应用和发展不仅会推动神经动力系统理论本身,而且将影响新一代计算机的设计原理。本文介绍了神经网络的基本概念和主要特征,对该研究的历史与现状、各种神经网络模型与算法、神经网络计算机的基本原理及其VLSI实现、神经网络在各研究领域的应用和发展作了综述,最后指出了该领域研究的方向和有关课题,展望了它的发展前景。     

计算机网络安全评价中神经网络的应用分析

社会经济的发展以及科学技术的进步,推动了网络技术的发展。但网络技术在便利人们生活的同时,也为攻击网络提供了方便,为了有效保证计算机网络的安全,必须要建立和完善计算机网络安全评价体系,充分应用神经网络,发挥出其应用的价值。一般而言,神经网络作为一种智能人工算法技术,其具有自学习、自组织及自适应的能力,其在计算机网络安全评价中的应用,能够将计算机网络安全的风险进行有效降低,降低损失。本文就对计算机网络安全评价中神经网络的应用进行深入分析和探讨。     

基于神经网络与计算机视觉的产品质检方法

采用计算机视觉原理与神经网络技术的自动化检测方法是计算机检测的新发展,具有非接触性、速度快、效率高、柔性好等优点,在现代产品质量检测中有着广泛的应用前景。该文介绍了基于神经网络与计算机视觉的产品质量检测系统的一般结构,阐述了这种系统的一个实例——玻璃瓶裂纹在线检测系统的实现方法。由于神经网络的应用,使得该检测系统具有良好的自学习、自适应能力,成功地实现了对生产线上玻璃瓶裂纹的快速、精确的检测。     

神经网络与神经计算机

脑科学和神经系统的研究已经有很长的历史。长期以来,人们一直梦想着通过对神经系统的研究,发明一种仿效人脑信息处理模式的智能式计算机。自从四十年代冯·诺曼发明基于串行符号处理的数字电子计算机以来,虽然获得了巨大的成功,但在诸如模式识别、人工智能等方面都碰到极大的困难,促使人们以更大的兴趣去研究并行处理模式为特征的神经计算学。八十年代初,在美国、日本和欧洲,都掀起一股神经网络理论和神经计算机的研究热潮。各个先进国家都相继给出巨大的投资,制定出强化研究计划、开展对脑功能和新型智能计算机的研究。并着重将神经网络原理应用于图象处理、模式识别、语音综合及智能机器人控制等领域。目前,有关神经网络的研究机构,遍及美国各大学、公司及国防、宇航的研究部门。1987年6月在美国召开第一届神经网络国际会议、并发起成立国际神经网络学会(INNS)。之后,以IBM 公司、Bell 研究所和日本的富士通、NEC 等大公司,纷纷研制各种神经芯片、相继推出各种软件、硬件产品。为神经计算机的实现,迈出了第一步。神经网络的主要特征是:大规模的并行处理和分布式的信息存贮,良好的自适应性、自组织性。并且具有很强的学习功能、联想功能和容错功能。通过神经网络的研究,将对探索更加完善的智能计算机系统和相应的人工智能技术,开辟新的途径。目前,国外神经网络的研究热潮仍方兴未艾。为了向读者系统地介绍有关神经网络和神经计算机的基本理论、学习算法和应用技术。特开辟这个专题讲座。本讲座共分八讲。第一讲:神经网络模型。第二讲:神经网络的学习算法。第三讲:神经器件。第四讲:神经计算机。第五讲:光神经计算机。第六讲:神经网络在视觉信息处理中的应用。第七讲:神经网络在模式识别中的应用。第八讲:神经网络在机器人控制中的应用。     

非线性系统神经网络自适应控制的发展现状及展望

简要回顾了神经网络控制及其应用的发展历程,重点论述了人们在连续、离散时间非线性系统的神经网络以及神经模糊稳定自适应控制研究方面所取得的主要进展,探讨了神经网络自适应控制研究方面存在的主要问题及解决问题的基本途径.作为当前解决神经网络自适应控制问题的途径之一,介绍了近来人们对二阶模糊神经网络以及量子神经网络的研究.最后,总结并指出了这一领域下一步的发展方向和有待解决的新课题.     

BP神经网络的学习过程与算法分析

目前在电子、信息与通信、计算机等学科都可以找到人工神经网络的影子,人工神经网络可用于动态系统建模、模式识别、智能控制和故障监测等实际工程问题。神经网络是一门综合性很强的交叉学科,神经网络具有分布式存储、并行处理、高容错能力以及良好的自学习、自适应、联想等特点。目前已经提出了多种神经网络模型,其中应用最广泛的是前馈型神经网络。而对于前馈型神经网络,对其训练使用最多的方法是BP算法。     

智能控制在城市交通控制中的应用

介绍了自适应神经模糊推理系统的结构,以及用MATLAB模糊工具箱提供的ANFIS应用工具仿真,完成训练模糊神经网络,将智能控制应用在城市交通控制中。     

基于神经网络的自适应控制研究综述

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支。自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势。该文综述了近年来神经网络自适应控制的研究现状,阐述了神经网络模型参考自适应控制及神经网络自校正控制两种典型的控触方案,并对神经网络自适应控制的应用作了介绍。在此基础上,对神经网络自适应控制存在的主要问题,如稳定性、鲁棒性及收敛性等问题作了积极有益的探讨。最后,展望了神经网络自适应控制未来的发展趋势,并指出了其研究方向。     

神经网络在容错系统可靠性分析中的应用

由于神经网络具有大规模并行、集团运算等特点,以及强大的自适应、自学习、容错和推广能力,从而使神经网络在可靠性工程的许多领域得到应用,本文将循环前馈神经网络应用到容错系统的可靠性分析中,达到了简化容错系统可靠性分析与设计的目的。并且,由于神经网络具有的学习与自适应的功能,使它在分析较为复杂的容错系统的可靠
靠性时,具有更强的竞争力。     

基于自组织神经网络的电力变压器故障诊断

在自组织神经网络基本学习训练算法基础上,本文从初始连接权值的设置、距离函数的定义、学习速率的自适应调节、收敛准则的确定以及分类模板的调整等五个方面分析如何改进传统的自组织神经网络算法,设计了一种改进的自组织神经网络结构,以电力变压器的故障诊断为例,实验结果表明,该方法能够取得较好的故障诊断结果,具有一定的实际应用价值。     

BP神经网络及其在数据分类中的应用

BP神经网络模型是一种典型的前向型神经网络,具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力,是目前应用最为广泛的一种神经网络模型。本文介绍了BP神经网络的实现以及其在数据挖掘分类方面的应用。     

基于向量时间序列预测小波神经网络的控制参数在线整定方法的尝试研究

针对控制系统参数在线整定(自适应自优化)方法在工程应用中存在的稳定性和性能指标欠佳与进一步智能化问题,首先提出结合小波分析、BP、RBF神经网络优点和自适应机制构造了自适应小波神经网络方法 (AWNN),进而提出将AWNN结合经典控制方法构成的AWNN-PID方法,最终提出了采用自回归移动平均向量时间序列算法预测输出替代控制系统实时输出,从而构成基于向量时间序列预测自适应小波神经网络的控制参数在线整定方法 (VARMA-WNN-PID);进而选择工程应用中最为常见的多阶延迟被控对象,对BPNN-PID、RBF-PID与该研究提出的AWNN-PID、VARMA-WNN-PID等4种方法进行计算机仿真对比实验(结合针对神经网络学习效率、惯性系数和预测算法阶数、步长的对比试验),验证了新方法具有可行性、工程应用可靠性、更好的快速性、更低的静差和更灵活的控制参数调整能力。     

基于线性化反馈的径向神经滑模控制器设计

针对非线性系统,采用径向神经网络逼近及自适应控制方法,利用线性化反馈技术,设计一种自适应神经滑模控制器。滑模变结构控制具有独特的鲁棒性能以及对匹配不确定性和外干扰的完全自适应等特点,但容易出现系统抖振问题,将神经网络应用于滑模变结构控制系统的设计中,系统抖振得到抑制。仿真结果也表明将神经网络与滑模控制相结合的方法是行之有效的。     

基于遗传BP算法的手写体识别

神经网络具有模拟人类的大脑活动、良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力.本文阐述了BP神经网络基本原理以及BP网络手写体识别模型,研究分析了BP神经网络手写体识别模型的缺陷并提出了优化策略.在此基础上,提出一种基于改进结构的BP神经网络来实现手写体数字识别方案,除了改进BP网的结构外,还对网络学习算法进行了改进,采用了BP和GA相结合的算法,提高了网络的学习训练速度和识别效果.     

应用自组织特征映射神经网络技术实现分布式入侵检测

文中描述了一种应用自组织特征映射神经网络技术构建的分布式入侵检测系统模型，介绍了自组织特征映射神经网络的学习算法、训练过程以及在线检测流程，具有良好的自组织、自适应的能力，为网络安全运行提供了一种入侵检测手段。     

基于自适应神经网络的岩性识别动态建模

针对研究对象定量研究复杂度高的地质工作，应用计算机进行定量化和信息化的研究，需要建立一定的数学模型，然而，传统的数学方法难以得到精确的数学模型，神经网络作为一非线性建模方法，具有良好的自组织和自适应性等功能，可以逼近任意的非线性函数（映射）。本文提出利用神经网络的自组织，自学习，自适应功能实现数学模型的实时建立的方法，并在反传神经算法前馈神经网络（BP）模型引入了自适应动量因子α，使得网络计算量小，收敛速度快，最后将该模型应用到某地岩性识别动态建模中，取得了较好的效果。