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。     

神经网络与神经计算机的基本原理和应用

神经网络是当前世界高科技竞争的一个热点。基于大规模并行处理原理,模仿脑神经信息活动特征而构造出来的神经计算机,在联想记忆、自组织、自学习、自适应和随机活动能力等方面,具有传统冯·诺依曼计算机无法比拟的优越性,因而将在图象处理、语言处理、模式识别、组合优化以及各种实时自适应系统中获得广泛的应用。本文将以二期连载的方式,较为详细地介绍神经网络与神经计算机的基本原理,国内外的发展现况和趋势,具有代表性的 Hopfield 互联式神经网络和层次式的 B-P 网络,以及它们的应用等。本期是第一篇,重点介绍神经网络的基本原理和发展概况。     

神经网络与神经计算机 第三讲 神经器件

<正> 3-1 概述人工神经网络的实现方法一般有四种:④专用神经器件,②利用专用处理器等实现神经网络的硬件结构,③软件模拟,④光计算机。本讲只讨论第一种方法,其它三种方法将在第四和第五讲讨论。目前,神经器件的研究分为两大类,即硅神经器     

电子神经计算机的设计与实现

人工神经网络的研究已成为八十年代多门学科的核心课题。本文首先讨论了电子神经计算机的设计方法。然后通过已商品化的人工神经计算机系统MARK Ⅱ,Ⅲ,Ⅳ;ANZA以及DELTA/SIGMA神经计算机协处理器来说明其实现策略。最后,我们对与神经网络计算机的设计与实现的有关问题作了进一步的讨论。     

神经网络与神经计算机 第四讲 神经计算机

<正> 4-1 冯·诺曼计算机与神经计算机现在广泛使用的冯·诺曼型数字计算机的基本思想是,在中央处理单元CPU 的控制下,逐次执行指令序列。它的主要特征是串行处理和高速数值运算。但在模式识别、语音合成、人工智能等方面却进展缓慢。而神经网络由于具有高速并行处理,自组织和学习功能等许多优良特性,因而使得模仿生物大脑信息处理功能的神经计算机的研究,展示出十分诱人的前景。     

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。     

论并行神经计算机系统设计的一些问题

神经计算机的研究是神经网络研究中的一项重要内容,神经计算机就是指根据神经网络结及其计算特点,用电子器件、光学器件或分子/化学器件而构成的计算系统.神经计算机的研究主集中在两个方面,即器件研究及系统构造.神经计算机的研究也称为神经网络实现技术的研究。     

下一代空间计算机的先进硬软件和算法概念

概论目前正在为下一代空间计算机和基于地面的空间数据分析寻求硬件、软件和算法的先进概念。研究焦点集中在并行计算和神经网络,光处理和光网络(在光子一章)及神经,非线性科学理论,磁性和铁电体存储器件研制等方面。     

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。     

神经计算机的研究与发展

1 引言从40年代冯·诺依曼发明基于串行符号处理的数字计算机以来,数字电子计算机已经取得了巨大的成功,但在诸如模式识别、人工智能等研究领域却碰到了极大的困难,人们不得不以更大的兴趣去研究以并行处理模式为特征的神经计算机。80年代,在美国、日本和欧洲都掀起了一股研究神经网络理论和神经计算机的热潮。各先进国家相继投入巨额资金用于研究新型智能计算机,其研究重点主要是将神经网络原理用于图像处理、模式识别、语音综合及智能机器人控制等领域。1987年6月在美国召开了第一届神经网络国     

计算机辅助工业设计技术与中设系统简介

文中详细论述了计算机辅助工业设计技术的基本原理和特征,工业设计与工程设计的相互关系及其在产品开发过程中的定位研究,计算机辅助工业设计系统的基本框架和实现方法;并介绍了一种典型的ＣＡＩＤ软件系统。     

神经网络计算机

所谓神经计算机(Neuro Computer,简称为NC)也称为神经网络计算机,意思就是按照神经网络的功能结构原理而构造成的计算机。其结构原理就是神经网络模型和一定的连接机制。对于人脑神经所进行的模式识别方式的理解是设计神经网络计算机的关键所在。 神经元是神经网络计算机的最基本单位。常用的神经元模型有阀值型、区间线性型、S状的曲线型、常微分或差分方程式模型(?)及概率动作模型等。 神经网络模型包括神经生物模型和计算机模型,前者以模拟人脑的某些功能为主,后者主要执行某些重要的技术功能。几种主要的有代表性的神经网络模     

用于多脑区神经环路解析的新型光电极阵列

光遗传技术已被广泛用于神经环路的精确解析,帮助人们深入理解神经精神疾病的发病机制。然而在活体水平实现多脑区的光遗传调控和电生理记录仍然极具挑战。文章介绍了一种制备多脑区光电极阵列的方法。这种光电极阵列包含微电极支架和步进装置,可以同时对小鼠 4 个脑区的自发电生理信号(包括神经元放电和场电位)和光遗传调控后诱发的电生理变化进行记录。此外,还采用电化学修饰技术,显著降低了电极界面阻抗,提高了电生理记录信号的质量和稳定性。文章利用该光电极阵列对光遗传调控前后不同脑区之间神经元的同步化关系进行了分析,通过 4'', 6-二脒基-2-苯基吲哚染色确定了光电极的植入位点。实验结果表明,这种多脑区光电极阵列适用于多脑区水平的研究,并且容易与其他在体研究方法结合,实现对特定神经环路的精确解析。     

计算机入侵检测技术应用研究

介绍了计算机入侵检测技术的基本原理和过程,分析了基于数据挖掘、神经网络、支持向量机等最新技术应用于入侵检测的情况,提出了未来工作方向。     

超导计算机

本文简要说明了超导效应和约瑟夫森超导结的基本原理,回顾了超导计算机研究的情况,介绍了快单磁量子逻辑电路的工作原理,优缺点,电路的基本单元和电路系列,以及对用ＲＳＦＱ电路系列构成的微处理器的性能估计。最后介绍了美国１９９７年度混合技术多线程计算机（ＨＴＭＴ）项目研究中采用ＲＳＦＱ技术的情况。     

神经网络计算机的系统结构、产品和应用

阐述了神经网络计算机的组成、结构、实现方法和解决问题的途径，比较了人脑与电脑，对一些典型神经网络系统产品的特性、应用和价格作了详细介绍。     

双光束光阱系统的功率实时监控

光阱具有非接触、无机械损伤、精确度高等优点,被广泛应用于生物医药、纳米材料和基础物理学等领域。简要介绍了光阱的发展现状和光力的基本原理,搭建了简易的光阱实验系统。根据系统参数,初步数值计算了光力的有效系数Q。测试和分析了系统各端口的功率,提出了利用归一化参数判别光阱系统输入功率离散分布幅度的方法,通过该方法实现系统中监测端口和输入端口的功率比值的估算,这对于光阱系统输入功率的实时估算具有重要意义。     

并行计算机

本文概述了并行计算机的种类、结构及影响并行机效率的因素，阐述了并行计算机的发展现状和趋势众所周知，目前世界各国都在争相发展并行计算机，研究开发新型高速的并行机已成为各国争夺高性能计算机霸主地位的主要目标，各国均不惜投入大量人力物力和财力，因此其发展极为迅速，竞争极为激烈。随着神经网络的再度兴起以及其应用的日益广泛，神经计算机的研究日显重要。由于神经网络本质上的并行性，因此它的实现与并行处理技术和并行机紧密相关，大量的并行操作无疑会加速神经网络的计算。为了用与人脑不同的物质，实现同人脑一样的并行信息处理的仿神经计算机，首先要开发的就是能进行高速、超并行处理的计算机，因此探讨一下并行处理技术及并行机的发展现状、现存的问题和今后的发展趋势很有必要。     

深度学习及其在计算机视觉领域中的应用

首先回顾了计算视觉发展的历史,介绍了神经元、多层感知机和反向传播等人工神经网络的基本知识以及卷积神经网络的发展史及其卷积、池化等基本操作;讨论了AlexNet、VGGNet、GoogLeNet和ResNet等经典卷积神经网络结构,并重点介绍了CapsNet;总结了卷积神经网络在图像分类、语义分割、目标检测以及图像生成等领域的研究进展;最后提出了卷积神经网络研究所面临的挑战以及对CapsNet未来研究的展望。