| 一、人工神经网络发展的回顾 神经网络的研究已有60多年的历史，其发展很不平衡，既有其繁花似锦、兴旺昌盛的高速发展期，又有其困难重重、步履维艰的低潮期，甚至曾经有人对此理论持悲观态度，认为该理论“已走入死胡同，无发展的余地”。 40年代，与神经网络有关的神经科学研究，诸如大脑功能的生理学、心理学研究、神经元的电生理实验等都有不少的进步和可喜的成果.该时期由McCulloch和Pitts提出了McCulloch-Pitts神经模型(即MP模型)以及由D.Hebb提出的一种将学习功能引入神经网络系统并改变神经元之间连接强度的Hebb规则.尽管该模型和规则在当时是作为一种假设提出的，但其正确性现已得到了证实，而且从其假设的提出到现在一直在神经网络模型中占有一席之地，起着重要的作用. 60年代初，人们开始了人工智能的网络系统的研究，并做了不少的工作.其间，F.Rosenblatt提出T知觉器(Perception),Widrow提出了自适应线性元件Adaline (Adaptive linear element)，前者由闭值神经元组成，主要用于模式识别，因为其取值只能是0或1，后者是连续取值的线性网络，主要用于雷达天线控制等的连续可调过程.这些简单网络所体现出来的性质，诸如并行处理、连续计算、可学习性，与当时以顺序的、离散的符号推理为特征的人工智能途径是有很大差别的，因而吸引了人们的注意力.但是在1969年M.Minsky和S.Papert在对以知觉器为代表的简单网络系统的功能及其局限性作了深入的数学分析之后，提出简单网络只能求解一阶Predicate问题，而解决复杂的高阶问题需要引入多层网络.但在当时多层网络还未得到人们的认识并缺乏有效的算法。因此他们的结论便否定了这一方向，并使当时大部分神经网络系统的研究处于停滞状态.不过这只是神经网络系统研究处于低潮的理论根源，更突出的原因在于:传统的Von Nenmann(冯 |
[神经网络控制] 神经网络控制-仿人智能控制论文
查看评论
已有0位网友发表了看法