人工神經網絡（ArtificialNeuralNetworks，ANN）是模擬生物神經系統(tǒng)的組織結構、處理方式和系統(tǒng)功能的簡化人工系統(tǒng)；是一門涉及面廣、綜合性強、有半個多世紀研究歷史的跨領域交叉學科，涉及自動化、電子工程、計算機科學、數學、統(tǒng)計學、神經生物學、心理思維科學等眾多相關學科；由于其并行計算、分布式存儲、高度容錯、非線性自適應處理能力等顯著特點，在模式識別、智能控制、組合優(yōu)化、系統(tǒng)辨識與預測以及智能信息處理等領域都得到廣泛的成功應用。20世紀80年代中期以來，人工神經網絡（簡稱“神經網絡”）研究不斷地涌現出新的熱潮，我國學術界也開始更深入地關注和引領該領域的研究與發(fā)展。近20年來，神經網絡的理論研究和實際應用在許多領域取得了顯著的進展，在國內外都進入了一個蓬勃發(fā)展的好時期。在神經網絡理論日漸成熟，它的應用逐漸擴大和深入的形勢下，如何把握神經網絡新的研究方向，向讀者以及廣大神經網絡研究者介紹神經網絡系統(tǒng)理論的最新發(fā)展，成為神經網絡教科工作者面臨的一大挑戰(zhàn)。本書系統(tǒng)化地闡述了筆者在人工神經網絡方面的最新研究成果，既給讀者提供了神經網絡研究中的新方向、新思路、新視角，又給出了一個相對全面的介紹，可供相關領域研究人員、教師、學生參考。通過分析、探討傳統(tǒng)學習型神經網絡及其算法存在的諸多尚未解決的內在不確定性問題，從神經生物學角度出發(fā)和思考，在函數逼近論相關知識點啟發(fā)下，本書提出了一種神經網絡權值直接確定的方法。不同于傳統(tǒng)的神經網絡迭代學習思想，新方法可以一步直接計算出學習型神經網絡的最優(yōu)權值，展示其在計算速度和學習精度方面的優(yōu)越性?？紤]到人工神經網絡拓撲結構與其性能有著密切的關系，因此，圍繞網絡結構（隱神經元數）進行性能優(yōu)化一直以來都是人工神經網絡研究的一個重要方向；基于提出的權值直接確定方法，本書提出了神經網絡結構（隱神經元數）最優(yōu)確定算法，從而可以快速確定性地得到神經網絡的最佳（或較佳）拓撲結構。
鄂公網安備 42010302001612號 