2.1 人工神经网络简介

人是具有最高智慧的动物，它依靠大脑进行思考、联想、记忆和推理判断等，而这些功能是现代计算机所无法替代的。多年来，科学家一直致力于人脑内部结构和功能的研究与探讨，并试图建立模仿人类大脑的计算机。到目前为止，人们对大脑的内部工作机理仍未完全清楚，但其结构已有所了解。

现代的计算机具有极强的计算和信息处理能力，但是它对于模式识别、感知和在复杂环境中做出决策等问题的处理能力却远不如人，特别是它只能按照人类事先编好的程序机械地执行，缺乏向环境学习、适应环境的能力。早在20世纪初，人们就已经知道人脑的工作方式与现在的计算机有差别，大脑的组织结构和运行机制具有其绝妙的特点。人类从模仿人脑智能的角度出发，探寻新的信息、存储和处理方式，设计全新的计算机处理结构模型，构造一种更接近人类智能的信息处理系统解决实际工程和科学研究领域中传统的冯·诺依曼计算机难以解决的问题，这将会促进科学进步，并在人类生活的各个领域引起巨大变化，从而促使人类研究人工神经网络（ANN）系统。简而言之，所谓ANN就是模仿人脑工作方式而设计的一种机器，它可用电子或光电元件实现，也可用软件在常规计算机上仿真；或者说ANN是一种具有大量连接的并行分布式处理器，它具有通过学习获取知识并解决问题的能力，且知识是分布存储在连接权（对应于生物神经元的突触）中，而不是像常规计算机按地址存在特定的存储单元中。尽管目前人们对大脑的神经网络结构、运行机制，甚至单个神经细胞的工作原理的了解还很肤浅，但是基于生物神经系统的分布式存储、并行处理、自适应学习这些现象，已经构造出了具有一定初级智能的人工神经网络。当然这种人工神经网络仅仅是对大脑的粗略而且简单的模拟，无论是在规模上、功能上与大脑相比相差很远。但它在一些科学研究领域和实际工程领域中，已显示了巨大的威力。从20世纪80年代初神经网络的研究再次复苏并形成热点以来，发展极其迅速，从理论上对它的计算能力，对任意连续映射的逼近能力、学习理论以及动态网络的稳定性分析上都取得了丰硕的成果，并且其理论的应用取得了令人瞩目的发展。特别是在应用上已迅速扩展到许多重要领域，其主要应用领域为：

1.信息处理领域

（1）信号处理

人工神经网络广泛应用于自适应信号处理和非线性信号处理中。前者如信号的自适应滤波、时间序列预测、谱估计、噪声消除等；后者如非线性滤波、非线性预测、非线性编码等。

（2）模式识别

模式识别是信号处理和人工智能领域的一个重要分支，神经网络已经成功应用于此领域。模式识别涉及模式的预处理和将一种模式映射为其他类型的操作，神经网络在这两个方面均有一些成功的应用。神经网络不仅可以处理静态模式，如固定图像、固定能谱等，还可以处理动态模式，如视频图像、连续语音等。大家所熟悉的静态模式识别的例子有手写字的识别，动态模式识别的成功实例有语音信号的识别。

（3）数据压缩

在数据传送与存储时，数据压缩至关重要。神经网络可对传送的数据提取模式特征，将该特征传出（或存储），接收后（或使用时）再将其恢复成原始模式。

（4）预报和智能信息管理

神经网络可以通过统计学的应用做一些预报。例如，将BP神经网络应用到地震预报中，能够进一步提升预报的准确性。

（5）通信

神经网络成功应用于路由选择、回波抵消等方面。例如，根据神经网络的原理和BP神经网络的特点，将BP神经网络成功应用于网络通信中。

2.自动化领域

（1）系统辨识

在自动控制问题中，系统辨识的目的是为了建立被控对象的数学模型。多年来控制领域对于复杂的非线性对象的辨识，一直未能很好地解决。神经网络所具有的非线性特性和学习能力，使其在系统辨识方面有很大的潜力，为解决具有复杂的非线性、不确定性和不确知对象的辨识问题开辟了一条有效途径。

（2）神经控制器

由于控制器在实时控制系统中起着“大脑”的作用，神经网络具有自学习和自适应等智能特点，因而非常适合用作控制器。例如，将神经网络运用到船舶航迹控制过程中，利用神经网络函数逼近特性实现控制器中非线性部分的在线估计，并不断调整神经网络权值，这样就可以实现对期望航迹的精确跟踪。对于复杂非线性系统，神经控制器所达到的控制效果往往明显好于常规控制器。

3.工程领域

（1）汽车工程

神经网络在汽车刹车自动控制系统中有成功的应用，该系统能在给定刹车距离、车速和最大速度的情况下，以人体能感受到的最小冲击实现平稳刹车，而不受路面坡度和车重的影响。

（2）化学工程

神经网络在制药、生物化学、化学工程等领域的研究中已经取得诸多研究成果。例如，在光谱分析方面，应用神经网络在红外光谱、紫外光谱、折射光谱和质谱与化合物的化学结构间建立某种确定的对应关系，其成功应用比比皆是。