基于BP神经网络的函数拟合算法研究(8)

2 人工神经网络简介

2.1人工神经网络特性

人工神经网络（Artificial Neural Network,ANN),亦称为神经网络(Neural Network,NN),是由大量处理单元(神经元Neurons)广泛互连而成的网络,是对人脑的抽象、简化和模拟,它反映人脑的基本特性[9]。

人工神经网络研究的先锋，McCulloch和Pitts曾于1943年提出以一种叫做“似脑及其”（mindlike machine）的思想，这种机器可由基于生物神经元特性的互连模型来制造，这就是神经网络的概念。它具有以下特性：

(l)并行分布处理：神经网络具有高度的并行结构和并行实现能力，因而能够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和动态控制。

(2)非线性映射：神经网络具有固有的非线性特性，这源于其近似任意非线性映射(变换)能力。这一特性给非线性控制问题带来新的希望。

(3)通过训练进行学习：神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此，神经网络能够解决那些由数学模型或描述规则难以处理的控制过程问题。

(4)适应与集成：神经网络能够适应在线运行，并能同时进行定量和定性操作。神经网络的强适应和信息熔合能力使得网络过程可以同时输入大量不同的控制信号，解决输入信息间的互补和冗余问题，并实现信息集成和熔合处理。这些特性特别适于复杂、大规模和多变量系统的控制。

(5)硬件实现：神经网络不仅能够通过软件而且可借助软件实现并行处理。近年来，一些超大规模集成电路实现硬件己经问世，而且可从市场上购到。这使得神经网络具有快速和大规模处理能力的实现网络。

十分显然，神经网络由于其学习和适应、自组织、函数拟合和大规模并行处理等能力，因而具有用于智能控制系统的潜力。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库基于BP神经网络的函数拟合算法研究(8)在线全文阅读。