前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇神經(jīng)網(wǎng)絡(luò)的概念范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

神經(jīng)網(wǎng)絡(luò)的概念范文第1篇

【關(guān)鍵詞】模糊系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；結(jié)合；現(xiàn)狀

中圖分類號：Q189文獻(xiàn)標(biāo)識碼： A 文章編號：

一、前言

隨著我國經(jīng)濟的快速發(fā)展，我國的各項事業(yè)都取得了巨大的成就。其中模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合就是重要的體現(xiàn)，模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合在很多方面都得到了應(yīng)用，同時也引起了更多學(xué)者研究其的愿望。相信模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合在未來會發(fā)展的更好。

二、模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)概述

1、模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的概念

（1）、模糊系統(tǒng)概念

模糊系統(tǒng)(Fuzzy System, 簡稱 FS)是仿效人的模糊邏輯思維方法設(shè)計的系統(tǒng), 方法本身明確地說明了系統(tǒng)在工作過程中允許數(shù)值量的不精確性存在。

（2）、神經(jīng)網(wǎng)絡(luò)概念

神經(jīng)網(wǎng)絡(luò)( Neural Network, 簡稱 NN) 是由眾多簡單的神經(jīng)元連接而成的網(wǎng)絡(luò)。盡管每個神經(jīng)元結(jié)構(gòu)、功能都不復(fù)雜, 但網(wǎng)絡(luò)的整體動態(tài)行為極為復(fù)雜, 可組成高度非線性動力學(xué)系統(tǒng), 從而可表達(dá)許多復(fù)雜的物理系統(tǒng)。神經(jīng)網(wǎng)絡(luò)的研究從上世紀(jì)40年代初開始, 目前, 在世界范圍已形成了研究神經(jīng)網(wǎng)絡(luò)前所未有的熱潮。它已在控制、模式識別、圖像和視頻信號處理、金融證券、人工智能、軍事、計算機視覺、優(yōu)化計算、自適應(yīng)濾波和A/D變換等方面獲得了應(yīng)用。

2、模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的異同

（1）映射集及映度

神經(jīng)網(wǎng)絡(luò)是用點到點的映射得到輸入與輸出的關(guān)系, 它的訓(xùn)練是確定量, 因而它的映射關(guān)系也是一一對應(yīng)的; 模糊系統(tǒng)的輸入、輸出都是經(jīng)過模糊化的量, 不是用明確的數(shù)來表示的, 其輸入輸出已模糊為一個隸屬度的值,因此它是區(qū)域與區(qū)域間的映射, 可像神經(jīng)網(wǎng)絡(luò)一樣映射一個非線性函數(shù)。

（2）知識存儲方式

神經(jīng)網(wǎng)絡(luò)的基本單元是神經(jīng)元, 對映射所用的多層網(wǎng)絡(luò)間是用權(quán)連接的, 因此學(xué)習(xí)的知識是分布在存儲的權(quán)中間的, 而模糊系統(tǒng)則以規(guī)則的方式來存儲知識, 因此在隸屬函數(shù)形式上, 區(qū)域的劃分大小和規(guī)則的制定上人為因素較多。

（3）聯(lián)結(jié)方式

神經(jīng)網(wǎng)絡(luò)的聯(lián)結(jié), 以前饋式網(wǎng)絡(luò)為例, 一旦輸出的隱層確定了, 則聯(lián)結(jié)結(jié)構(gòu)就定了, 通過學(xué)習(xí)后, 幾乎每一個神經(jīng)元與前一層神經(jīng)元都有聯(lián)系, 因此, 在控制迭代中, 每迭代一次,各權(quán)都要學(xué)習(xí)。而在模糊系統(tǒng)中, 每次輸入可能只與幾條規(guī)則有關(guān), 因此聯(lián)結(jié)不固定, 每次輸入輸出聯(lián)系的規(guī)則都在變動, 而每次聯(lián)結(jié)的規(guī)則少, 運算簡單方便。

（4）計算量的比較

人工神經(jīng)網(wǎng)絡(luò)的計算方法需要乘法、累加和指數(shù)運算, 而模糊系統(tǒng)的計算只需兩個量的比較和累加, 又由于每次迭代的規(guī)則不多, 因此在實時處理時, 模糊系統(tǒng)的速度比神經(jīng)網(wǎng)絡(luò)快。但是當(dāng)模糊輸入與輸出變量很多的時候,模糊規(guī)則僅靠一張表已不能描述多變量間的關(guān)系, 且規(guī)則的控制存在一定困難, 此時人為的先驗指數(shù)變得較少, 那么隸屬函數(shù)、規(guī)則本身都要通過學(xué)習(xí)得到, 因此它的計算量也會增加。

三、模糊和神經(jīng)網(wǎng)絡(luò)的結(jié)合形式

目前,模糊和神經(jīng)網(wǎng)絡(luò)技術(shù)從簡單結(jié)合到完全融合主要體現(xiàn)在四個方面(見圖1)。由于模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的結(jié)合方式目前還處于不斷發(fā)展的進(jìn)程中,所以,還沒有更科學(xué)的分類方法,下述結(jié)合方式是從不同應(yīng)用中綜合分析的結(jié)果。

1、模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)的簡單結(jié)合(見圖1(a))

模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)各自以其獨立的方式存在,并起著一定的作用。¹松散型結(jié)合 在一系統(tǒng)中,對于可用“if-then”規(guī)則來表示的部分,用模糊系統(tǒng)描述;而對很難用“if-then”規(guī)則表示的部分,則用神經(jīng)網(wǎng)絡(luò),兩者之間沒有直接聯(lián)系。

（1）并聯(lián)型結(jié)合 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)在系統(tǒng)中按并聯(lián)方式連接,即享用共同的輸入。按照兩系統(tǒng)所起作用的輕重程度,還可分為等同型和補助型。

（2）串聯(lián)型結(jié)合 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)在系統(tǒng)中按串聯(lián)方式連接,即一方的輸出成為另一方的輸入。

圖表 1模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合形式分類

2、用模糊邏輯增強的神經(jīng)網(wǎng)絡(luò)。這種結(jié)合的主要目的是用模糊神經(jīng)系統(tǒng)作為輔助工具,增強神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力,克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值的弱點。

3、用神經(jīng)網(wǎng)絡(luò)增強的模糊邏輯

這種類型的模糊神經(jīng)網(wǎng)絡(luò)是用神經(jīng)網(wǎng)絡(luò)作為輔助工具,更好地設(shè)計模糊系統(tǒng)。

（1）網(wǎng)絡(luò)學(xué)習(xí)型的結(jié)合 模糊系統(tǒng)設(shè)計的關(guān)鍵是知識的獲取,傳統(tǒng)方法難于有效地獲取規(guī)則和調(diào)整隸屬度函數(shù),而神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力能夠克服這些問題,故用神經(jīng)網(wǎng)絡(luò)增強的模糊系統(tǒng)。

（2）基于知識擴展型的結(jié)合 神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的結(jié)合是為了擴展知識庫和不費時地對知識庫進(jìn)行修正,增強系統(tǒng)的自學(xué)習(xí)能力,這種自學(xué)習(xí)能力是靠神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)之間進(jìn)行雙向。

4、模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的等價

（1）函數(shù)通近

模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)除了都是無模型系統(tǒng)外,它們都是函數(shù)的全局逼近器.模糊系統(tǒng)以其插值機理來逼近任意的連續(xù)函數(shù)。不但傳統(tǒng)的模糊系統(tǒng)模型是任意連續(xù)函數(shù)的全局逼近器,而且神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的不同結(jié)合能逼近不同的函數(shù),如模糊神經(jīng)網(wǎng)絡(luò)可以逼近模糊函數(shù)，神經(jīng)網(wǎng)絡(luò)也是任意連續(xù)函數(shù)的全局逼近器。設(shè)任意連續(xù)函數(shù)h(x),對于緊空間X和任意小的正數(shù),總能找到一個三層的前向神經(jīng)網(wǎng)絡(luò)N(x)滿足:

在前向神經(jīng)網(wǎng)絡(luò)家族中,RBF神經(jīng)網(wǎng)絡(luò)是最優(yōu)的函數(shù)逼近器,即對于任意的神經(jīng)網(wǎng)絡(luò)N(x)總存在一個RBF神經(jīng)網(wǎng)絡(luò)N‘(x),滿足:

（2）神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的等價性

模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的等價性主要有兩個方面:模型的等價性和Madani模型的等價性。對于TS模型.首先Jang〔,5〕給出了標(biāo)準(zhǔn)的Gauss,anRBF神經(jīng)網(wǎng)絡(luò)等價于限制的Ts一型模糊系統(tǒng)。Hunt指出推廣的GaussianRBF神經(jīng)網(wǎng)絡(luò)等價于TS一型模糊系統(tǒng)。Benitez證明了若一個三層的神經(jīng)網(wǎng)絡(luò),隱含單元的激發(fā)函數(shù)為對數(shù)函數(shù)(loglst1C),輸出層的激發(fā)函數(shù)為單元函數(shù).設(shè)N(x),則存在一個模糊系統(tǒng)的輸出也為N(x)。

四、模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合的現(xiàn)狀

目前, FS和NN的結(jié)合主要有模糊神經(jīng)網(wǎng)絡(luò)和神經(jīng)模糊系統(tǒng)。神經(jīng)模糊系統(tǒng)是以NN為主, 結(jié)合模糊集理論。它將NN作為實現(xiàn)FS 模型的工具, 即在NN的框架下實現(xiàn)FS或其一部分功能。神經(jīng)模糊系統(tǒng)雖具有一些自己所具有而NN不具備的特性, 但它沒有跳出NN 的框架。神經(jīng)模糊系統(tǒng)從結(jié)構(gòu)上來看, 一般是四層或五層的前向神經(jīng)網(wǎng)絡(luò)。模糊神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)的模糊化。即以模糊集、模糊邏輯為主, 結(jié)合 NN 方法, 利用NN的自組織性, 達(dá)到柔性信息處理的目的。目前,FS理論和NN結(jié)合主要應(yīng)用于商業(yè)及經(jīng)濟估算、自動檢測和監(jiān)視、機器人及自動控制、計算機視覺、專家系統(tǒng)、語音處理、優(yōu)化問題、醫(yī)療應(yīng)用等方面, 并可推廣到工程、科技、信息技術(shù)和經(jīng)濟等領(lǐng)域。

五、模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展方向及存在問題

然模糊神經(jīng)網(wǎng)絡(luò)得到了突飛猛進(jìn)的發(fā)展,但目前還存在很多問題:（1）多變量、復(fù)雜控制系統(tǒng)中,很難確定網(wǎng)絡(luò)的結(jié)構(gòu)和規(guī)則點的組合“爆炸”問題；（2）傳統(tǒng)的Bp學(xué)習(xí)方法昜陷入局部極小值,并切學(xué)習(xí)速度較慢。

發(fā)展方向主要集中于:（1）模糊邏輯和神經(jīng)網(wǎng)絡(luò)的對應(yīng)關(guān)系,將模糊控制器的調(diào)整轉(zhuǎn)化為等價的神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí),利用等價的模糊邏輯來初始化神經(jīng)元網(wǎng)絡(luò)；（2）尋找一般模糊集的模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

七、結(jié)束語

近年來隨著信息技術(shù)的發(fā)展，模糊理論和人工神經(jīng)網(wǎng)絡(luò)近年來取得了引人注目的進(jìn)展, 模糊理論和人工神經(jīng)網(wǎng)絡(luò)的各個方面都取得了越來越多的成果。 通過不斷的努力，我們一定可以進(jìn)一步的推進(jìn)模糊理論和神經(jīng)網(wǎng)絡(luò)將會在發(fā)展新理論, 完善各自體系。相信在未來的研究中，模糊和神經(jīng)網(wǎng)絡(luò)的結(jié)合

將會為研究更高智能系統(tǒng)開創(chuàng)一條成功之路，造福人類。

參考文獻(xiàn)

[1]劉增良.模糊技術(shù)與應(yīng)用選篇[J].京航空航天大學(xué)出版社,1997.

[2]莊鎮(zhèn)泉,章勁松.神經(jīng)網(wǎng)絡(luò)與智能信息處理[J].中國科學(xué)技術(shù)大學(xué),2000.

神經(jīng)網(wǎng)絡(luò)的概念范文第2篇

人工神經(jīng)網(wǎng)絡(luò)屬于一種對人腦結(jié)構(gòu)及功能進(jìn)行反映的數(shù)學(xué)抽象模型，對人的思維以及存儲知識等功能進(jìn)行模擬，從而完成某項工作。對于巖土工程來說，主要包括巖體和土體兩項內(nèi)容，且這兩項內(nèi)容均具備很高的復(fù)雜性。在巖土工程研究過程中，有必要借助人工神經(jīng)網(wǎng)絡(luò)，從而使巖土工程的研究得到有效進(jìn)步發(fā)展。本文在分析人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，進(jìn)一步對人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用進(jìn)行分析，以期為巖土工程研究的進(jìn)展提供一些具有價值的參考建議。

關(guān)鍵詞:

人工神經(jīng)網(wǎng)絡(luò)；巖土工程；應(yīng)用

巖土工程的研究對象分為兩大類:其一為巖體;其二為土體。巖土工程涉及的介質(zhì)存在兩大特性，即模糊性和隨機性，這兩大特性又統(tǒng)稱為不確定性。近年來，不少學(xué)者在巖土工程研究過程中，提出了人工神經(jīng)網(wǎng)絡(luò)這一概念，即利用人工神經(jīng)網(wǎng)絡(luò)，將其應(yīng)用到巖土工程研究領(lǐng)域當(dāng)中，從而為深入了解巖土工程的某些介質(zhì)特征奠定有效基礎(chǔ)［1］。從巖土工程研究的優(yōu)化及完善角度考慮，本文對“人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用”進(jìn)行分析意義重大。

1人工神經(jīng)網(wǎng)絡(luò)分析

1．1人工神經(jīng)網(wǎng)絡(luò)概念

對于人工神經(jīng)網(wǎng)絡(luò)來說，是一種對人腦結(jié)構(gòu)與功能進(jìn)行反映的數(shù)學(xué)抽象模型;主要通過數(shù)理策略，經(jīng)信息處理，進(jìn)一步對人腦神經(jīng)網(wǎng)絡(luò)構(gòu)建某種簡化模型，進(jìn)一步采取大量神經(jīng)元節(jié)點互連，從而形成復(fù)雜網(wǎng)絡(luò)，最終完成人類思維及儲存知識的能力的模擬。神經(jīng)網(wǎng)絡(luò)無需構(gòu)建反映系統(tǒng)物理規(guī)律的數(shù)學(xué)模型，與別的方法比較，在噪聲容忍度方面更強［2］。與此同時，還擁有很強的非線性映射功能，對于大量非結(jié)構(gòu)性以及非精準(zhǔn)性規(guī)律存在自適應(yīng)能力，具備超強的計算能力，可完成信息的記憶以及相關(guān)知識的推理，且其自身還具備自主學(xué)習(xí)能力;與常規(guī)算法相比，優(yōu)勢、特點突出。

1．2BP網(wǎng)絡(luò)簡述

從研究現(xiàn)狀來看，基于實際應(yīng)用過程中，人工神經(jīng)網(wǎng)絡(luò)模型大多數(shù)采取BP網(wǎng)絡(luò)。BP網(wǎng)絡(luò)即指的是多層前饋網(wǎng)絡(luò)，因多層前饋網(wǎng)絡(luò)的訓(xùn)練通常使用誤差反向傳播算法，所以將BP網(wǎng)絡(luò)稱之為屬于一類誤差反向傳播的多層前饋網(wǎng)絡(luò)。對于其網(wǎng)絡(luò)而言，具備輸入節(jié)點和輸出節(jié)點，同時還具備一層隱層節(jié)點與多層隱層節(jié)點，基于同層節(jié)點當(dāng)中不存在耦合狀態(tài)。其中的輸入信號從輸出層節(jié)點依次傳過各個隱層節(jié)點，進(jìn)一步傳輸至輸出節(jié)點，每一層節(jié)點的輸出只對下一層的節(jié)點輸出產(chǎn)生影響。

2人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用分析

在上述分析過程中，對人工神經(jīng)網(wǎng)絡(luò)的概念有一定的了解，由于其模型算法的優(yōu)越性，可將其應(yīng)用到巖土工程研究領(lǐng)域當(dāng)中，從而為解決巖土工程問題提供有效憑據(jù)。從現(xiàn)狀來看，人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用主要體現(xiàn)在以下幾大方面。

2．1在巖石力學(xué)工程中的應(yīng)用

巖石力學(xué)工程是巖土工程中尤為重要的一部分，將神經(jīng)網(wǎng)絡(luò)應(yīng)用到巖石力學(xué)工程當(dāng)中，主要對巖石非線性系統(tǒng)加以識別，同時還能夠為工程巖體分類提供有效幫助，此外在爆破效應(yīng)預(yù)測方面也具備一定的應(yīng)用價值。對于人工神經(jīng)網(wǎng)絡(luò)來說，存在從有限數(shù)據(jù)中獲取系統(tǒng)近似關(guān)系的優(yōu)良特性，而巖石當(dāng)中的各項參數(shù)之間又存在很復(fù)雜的關(guān)系，并且難以獲取完整的參數(shù)集。在這樣的情況下，使用人工神經(jīng)網(wǎng)絡(luò)技術(shù)，便能夠使巖石非線性系統(tǒng)識別問題得到有效解決［3］。此外，有研究者將巖石抗壓強度、抗拉強度以及彈性能量指數(shù)等作為巖爆預(yù)測的評判指標(biāo)，進(jìn)一步對巖爆預(yù)測的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行構(gòu)建，然后預(yù)測了巖爆的發(fā)生與烈度。通過計算得出結(jié)論:采取人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行巖爆預(yù)測行之有效，值得采納借鑒。

2．2在邊坡工程中的應(yīng)用

對于巖土工程中的邊坡工程來說，邊坡失穩(wěn)狀況突出，且是由多因素造成的，比如邊坡失穩(wěn)的地質(zhì)形成條件、誘發(fā)因素的復(fù)雜性以及隨機性等。與此同時，由于邊坡動態(tài)監(jiān)測技術(shù)從目前來看尚且不夠成熟，因此邊坡失穩(wěn)在巖土工程研究領(lǐng)域一直視為是一項難以解決的工程項目。而對于神經(jīng)網(wǎng)絡(luò)方法來說，因其具備非常好的預(yù)測功能，因此相關(guān)巖土工程研究工作者通常會采取人工神經(jīng)網(wǎng)絡(luò)對巖土工程中的邊坡工程問題進(jìn)行求解。并且，從現(xiàn)有研究成果來看，將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于巖土工程的成果突出。有學(xué)者對影響巖質(zhì)邊坡的穩(wěn)定性的相關(guān)因素進(jìn)行了分析，包括地形因素、巖體因素以及外部環(huán)境因素等，并構(gòu)建了邊坡穩(wěn)定性分析的BP網(wǎng)絡(luò)模型［4］。此外，還有學(xué)者將大量水電邊坡工程的穩(wěn)定狀況作為學(xué)習(xí)訓(xùn)練樣本及預(yù)測樣本，對以人工神經(jīng)網(wǎng)絡(luò)技術(shù)的邊坡巖體的穩(wěn)定性進(jìn)行了研究，結(jié)果顯示，采取人工神經(jīng)網(wǎng)絡(luò)對邊坡巖體的穩(wěn)定狀況進(jìn)行預(yù)測可行性高。

2．3在基坑工程中的應(yīng)用

采取人工神經(jīng)網(wǎng)絡(luò)對基坑變形進(jìn)行預(yù)測主要分為兩種情況:其一，對會影響基坑變形的各大因素及位移的神經(jīng)網(wǎng)絡(luò)模型加以構(gòu)建;其二，把變形監(jiān)測數(shù)據(jù)作為一個時間序列，以歷史數(shù)據(jù)為依據(jù)，將系統(tǒng)演變規(guī)律查找出來，進(jìn)一步完成系統(tǒng)未來發(fā)展趨勢的分析及預(yù)測。有學(xué)者針對基坑變形利用了人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測，結(jié)果表明:對前期實測結(jié)果加以應(yīng)用，使用此方法能夠?qū)罄m(xù)階段的基坑變形實時預(yù)測出來，并且預(yù)測結(jié)果和實測結(jié)果保持一致性。此外，還有學(xué)者根據(jù)具體工程項目，采取人工神經(jīng)網(wǎng)絡(luò)，對深基坑施工中地下連續(xù)墻的位移進(jìn)行了深入分析及預(yù)測，結(jié)果顯示:使用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行分析及預(yù)測，在精準(zhǔn)度上非常高，值得在深基坑工程相關(guān)預(yù)測項目中使用［5］。

2．4在地鐵隧道工程中的應(yīng)用

在地鐵隧道施工過程中，存在地表變形和隧道圍巖變形等狀況，為了深入了解這些狀況，可將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用其中。有學(xué)者在對地層的影響因素進(jìn)行分析過程中，列出了可能的影響因素:盾構(gòu)施工參數(shù)、盾構(gòu)物理參數(shù)以及地質(zhì)環(huán)境條件，進(jìn)一步利用人工神經(jīng)網(wǎng)絡(luò)，構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)模型，進(jìn)一步針對盾構(gòu)施工期間的地層移動進(jìn)行實時動態(tài)預(yù)測，最終得到了不錯的預(yù)測成果。此外，還有學(xué)者對BP網(wǎng)絡(luò)算法進(jìn)行改進(jìn)，然后對某地鐵工程中隧道上方的地表變形進(jìn)行了未來趨勢預(yù)測，結(jié)果表明:和其他地表變形預(yù)測方法相比，人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法的應(yīng)用價值更為顯著。

3結(jié)語

通過本文的探究，認(rèn)識到基于人工神經(jīng)網(wǎng)絡(luò)模型的算法具備很高的優(yōu)越性，由于巖土工程地質(zhì)條件復(fù)雜，為了深入研究巖土工程，可將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用其中。結(jié)合現(xiàn)狀研究成果可知，人工神經(jīng)網(wǎng)絡(luò)在巖石力學(xué)工程、邊坡工程、基坑工程以及地鐵隧道工程中均具備顯著應(yīng)用價值。例如:將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于巖石力學(xué)工程當(dāng)中，能夠預(yù)測巖爆的發(fā)生與烈度;應(yīng)用于邊坡工程當(dāng)中，能夠邊坡工程的穩(wěn)定性進(jìn)行精準(zhǔn)預(yù)測;應(yīng)用于基坑工程當(dāng)中，實現(xiàn)對基坑工程變形的實時動態(tài)監(jiān)測;應(yīng)用于地鐵隧道工程當(dāng)中，能夠進(jìn)一步了解地鐵工程中隧道上方的地表變形情況。

總而言之，人工神經(jīng)網(wǎng)絡(luò)在巖土工程中的應(yīng)用價值高，值得相關(guān)工作者采納應(yīng)用。

作者：張洪飛 單位：山東正元建設(shè)工程有限責(zé)任公司

參考文獻(xiàn)

［1］鄭惠娜．章超樺．秦小明．肖秀春，等．人工神經(jīng)網(wǎng)絡(luò)在食品生物工程中的應(yīng)用［J］．食品工程，2012(01):16－19．

［2］鄒義懷．江成玉．李春輝，等．人工神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性預(yù)測中的應(yīng)用［J］．礦冶，2011(04):38－41．

［3］曹建智．張?。斯ど窠?jīng)網(wǎng)絡(luò)在白洋淀水質(zhì)評價中的應(yīng)用［J］．電子技術(shù)與軟件工程，2016(08):261－262．

神經(jīng)網(wǎng)絡(luò)的概念范文第3篇

本文主要介紹了人工神經(jīng)網(wǎng)絡(luò)的概念，并對幾種具體的神經(jīng)網(wǎng)絡(luò)進(jìn)行介紹，從它們的提出時間、網(wǎng)絡(luò)結(jié)構(gòu)和適用范圍幾個方面來深入講解。

【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò) 感知器網(wǎng)絡(luò) 徑向基網(wǎng)絡(luò) 反饋神經(jīng)網(wǎng)絡(luò)

1 引言

人工神經(jīng)網(wǎng)絡(luò)是基于對人腦組織結(jié)構(gòu)、活動機制的初步認(rèn)識提出的一種新型信息處理體系。它實際上是一個由大量簡單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線性，能夠進(jìn)行復(fù)雜的邏輯操作和非線性關(guān)系實現(xiàn)的系統(tǒng)，通過模仿腦神經(jīng)系統(tǒng)的組織結(jié)構(gòu)以及某些活動機理，人工神經(jīng)網(wǎng)絡(luò)可呈現(xiàn)出人腦的許多特征，并具有人腦的一些基本功能，利用這一特性，可以設(shè)計處具有類似大腦某些功能的智能系統(tǒng)來處理各種信息，解決不同問題。下面對幾種具體的神經(jīng)網(wǎng)絡(luò)進(jìn)行介紹。

2 感知器網(wǎng)絡(luò)

感知器是由美國學(xué)者Rosenblatt在1957年首次提出的，感知器可謂是最早的人工神經(jīng)網(wǎng)絡(luò)。感知器具有分層結(jié)構(gòu)，信息從輸入層進(jìn)入網(wǎng)絡(luò)，逐層向前傳遞到輸出層。感知器是神經(jīng)網(wǎng)絡(luò)用來進(jìn)行模式識別的一種最簡單模型，屬于前向神經(jīng)網(wǎng)絡(luò)類型。

2.1 單層感知器

單層感知器是指只有一層處理單元的感知器，它的結(jié)構(gòu)與功能都非常簡單，通過讀網(wǎng)絡(luò)權(quán)值的訓(xùn)練，可以使感知器對一組輸入矢量的響應(yīng)達(dá)到元素為0或1的目標(biāo)輸出，從而實現(xiàn)對輸入矢量分類的目的，目前在解決實際問題時很少被采用，但由于它在神經(jīng)網(wǎng)絡(luò)研究中具有重要意義，是研究其他網(wǎng)絡(luò)的基礎(chǔ)，而且較易學(xué)習(xí)和理解，適合于作為學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的起點。

2.2 多層感知器

多層感知器是對單層感知器的推廣，它能夠成功解決單層感知器所不能解決的非線性可分問題，在輸入層與輸出層之間引入隱層作為輸入模式的“內(nèi)部表示”，即可將單層感知器變成多層感知器。

3 線性神經(jīng)網(wǎng)絡(luò)

線性神經(jīng)網(wǎng)絡(luò)類似于感知器，但是線性

神經(jīng)網(wǎng)絡(luò)的激活函數(shù)是線性的，而不是硬限轉(zhuǎn)移函數(shù)。因此線性神經(jīng)網(wǎng)絡(luò)的輸出可以使任意值，而感知器的輸出不是0就是1。線性神經(jīng)網(wǎng)絡(luò)最早的典型代表就是在1963年由美國斯坦福大學(xué)教授Berhard Windrow提出的自適應(yīng)線性元件網(wǎng)絡(luò)，它是一個由輸入層和輸出層構(gòu)成的單層前饋性網(wǎng)絡(luò)。自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法比感知器的學(xué)習(xí)算法的收斂速度和精度都有較大的提高，自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)主要用于函數(shù)逼近、信號預(yù)測、系統(tǒng)辨識、模式識別和控制等領(lǐng)域。

4 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是1986年由以Rumelhart和McCelland為首的科學(xué)家小組提出的，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，在人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中，80%～90%的人工神經(jīng)網(wǎng)絡(luò)模型采用BP網(wǎng)絡(luò)或者它的變化形式，它也是前向網(wǎng)絡(luò)的核心部分，體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)最精華的部分，BP神經(jīng)網(wǎng)絡(luò)由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計為單隱層或者多隱層結(jié)構(gòu)；最后一個隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)過一步處理后完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。當(dāng)實際輸出與期望輸出不符時，進(jìn)入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過程，是各層權(quán)值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過程，此過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。

BP網(wǎng)絡(luò)主要應(yīng)用于以下方面：

（1）函數(shù)逼近：用輸入矢量和相應(yīng)的輸出矢量訓(xùn)練一個網(wǎng)絡(luò)逼近一個函數(shù)。

（2）模式識別：用一個特定的輸出矢量將它與輸入矢量聯(lián)系起來。

（3）分類：對輸入矢量以所定義的合適方式進(jìn)行分類。

（4）數(shù)據(jù)壓縮：減少輸出矢量維數(shù)以便于傳輸或存儲。

5 反饋神經(jīng)網(wǎng)絡(luò)

美國加州理工學(xué)院物理學(xué)家J.J.Hopfield教授于1982年發(fā)表了對神經(jīng)網(wǎng)絡(luò)發(fā)展頗具影響的論文，提出一種單層反饋神經(jīng)網(wǎng)絡(luò)，后來人們將這種反饋網(wǎng)絡(luò)稱作Hopfield網(wǎng)。在多輸入/多輸出的動態(tài)系統(tǒng)中，控制對象特性復(fù)雜，傳統(tǒng)方法難以描述復(fù)雜的系統(tǒng)。為控制對象建立模型可以減少直接進(jìn)行實驗帶來的負(fù)面影響，所以模型顯得尤為重要。但是，前饋神經(jīng)網(wǎng)絡(luò)從結(jié)構(gòu)上說屬于一種靜態(tài)網(wǎng)絡(luò)，其輸入、輸出向量之間是簡單的非線性函數(shù)映射關(guān)系。實際應(yīng)用中系統(tǒng)過程大多是動態(tài)的，前饋神經(jīng)網(wǎng)絡(luò)辨識就暴露出明顯的不足，用前饋神經(jīng)網(wǎng)絡(luò)只是非線性對應(yīng)網(wǎng)絡(luò)，無反饋記憶環(huán)節(jié)，因此，利用反饋神經(jīng)網(wǎng)絡(luò)的動態(tài)特性就可以克服前饋神經(jīng)網(wǎng)絡(luò)的缺點，使神經(jīng)網(wǎng)絡(luò)更加接近系統(tǒng)的實際過程。

Hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用：

（1）在數(shù)字識別方面。

（2）高校科研能力評價。

（3）應(yīng)用于聯(lián)想記憶的MATLAB程序。

6 徑向基神經(jīng)網(wǎng)絡(luò)

徑向基RBF網(wǎng)絡(luò)是一個3層的網(wǎng)絡(luò)，除了輸入、輸出層之間外僅有一個隱層。隱層中的轉(zhuǎn)換函數(shù)是局部響應(yīng)的高斯函數(shù)，而其他前向網(wǎng)絡(luò)，轉(zhuǎn)換函數(shù)一般都是全局響應(yīng)函數(shù)。由于這樣的差異，要實現(xiàn)同樣的功能，RBF需要更多的神經(jīng)元，這就是RBF網(wǎng)絡(luò)不能取代標(biāo)準(zhǔn)前向型絡(luò)的原因。但是RBF網(wǎng)絡(luò)的訓(xùn)練時間更短，它對函數(shù)的逼近時最優(yōu)的，可以以任意精度逼近任意連續(xù)函數(shù)。隱層中的神經(jīng)元越多，逼近越精確。

徑向基網(wǎng)絡(luò)的應(yīng)用：

（1）用于曲線擬合的RBF網(wǎng)絡(luò)。

（2）徑向基網(wǎng)絡(luò)實現(xiàn)非線性函數(shù)回歸。

7 自組織神經(jīng)網(wǎng)絡(luò)

自組織競爭型神經(jīng)網(wǎng)絡(luò)是一種無教師監(jiān)督學(xué)習(xí)，具有自組織功能的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)通過自身的訓(xùn)練。能自動對輸入模式進(jìn)行分類，一般由輸入層和競爭層夠曾。兩層之間各神經(jīng)元實現(xiàn)雙向連接，而且網(wǎng)絡(luò)沒有隱含層。有時競爭層之間還存在著橫向連接。

常用自組織網(wǎng)絡(luò)有一下幾種：

（1）自組織特征映射網(wǎng)絡(luò)。

（2）學(xué)習(xí)矢量量化網(wǎng)絡(luò)。

（3）自適應(yīng)共振理論模型。

（4）對偶傳播網(wǎng)絡(luò)。

參考文獻(xiàn)

[1]韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京：北京郵電大學(xué)出版社，2006.

[2]周品.神經(jīng)網(wǎng)絡(luò)設(shè)計與應(yīng)用[M].北京：清華大學(xué)出版社，2013.

作者簡介

孔令文（1989-），男，黑龍江省齊齊哈爾市人。現(xiàn)為西南林業(yè)大學(xué)機械與交通學(xué)院在讀研究生。研究方向為計算機仿真。

神經(jīng)網(wǎng)絡(luò)的概念范文第4篇

計算機網(wǎng)絡(luò)技術(shù)已經(jīng)逐漸發(fā)展成為廣泛應(yīng)用于人們?nèi)粘Ｉa(chǎn)生活的重要技術(shù)，而在實際的使用過程中，卻難免要遇到安全隱患，例如黑客的入侵、安全漏洞和病毒傳播等。在計算機網(wǎng)絡(luò)安全的評價體系中，神經(jīng)網(wǎng)絡(luò)的應(yīng)用以其能夠形成非線性自適應(yīng)動態(tài)系統(tǒng)的特點，迅速適應(yīng)網(wǎng)絡(luò)環(huán)境，進(jìn)而實現(xiàn)對信息的運算、識別和控制功能，提高了計算機的工作效率和安全性。

2計算機網(wǎng)絡(luò)安全的概念

計算機的網(wǎng)絡(luò)安全，主要指的是針對網(wǎng)絡(luò)信息瀏覽和操作等過程中的安全管理，以達(dá)到提高網(wǎng)絡(luò)信息保密性、安全性的目的，維護(hù)使用者的合法權(quán)益，最終實現(xiàn)整個網(wǎng)絡(luò)的順利運行。我國當(dāng)前的計算機網(wǎng)絡(luò)安全問題通常涉及到信息安全、計算機網(wǎng)絡(luò)技術(shù)等多個方面，而伴隨計算機網(wǎng)絡(luò)的日益普及，其網(wǎng)絡(luò)信息的安全問題更加為人們所重視。例如，對于企業(yè)而言，其日常經(jīng)營活動中往往會運用到計算機網(wǎng)絡(luò)，因此要求網(wǎng)絡(luò)必須具備核心技術(shù)，對企業(yè)信息實施保護(hù)和保密，維護(hù)重要內(nèi)部信息的安全性，從而維護(hù)企業(yè)利益。即便是個人在使用計算機網(wǎng)絡(luò)時，也同樣需要網(wǎng)絡(luò)對個人信息實施控制與保護(hù)，防止泄漏或被不法分子盜取，損害人民的權(quán)益和實際利益。

3神經(jīng)網(wǎng)絡(luò)概述

3.1概念

所謂神經(jīng)網(wǎng)絡(luò)，其模型建立的基礎(chǔ)，是人體腦部的信息處理模式作為參考，然后運用數(shù)學(xué)模型，模擬生物的神經(jīng)元、腦細(xì)胞結(jié)構(gòu)，以及其生理特征，最終模擬獲得該神經(jīng)網(wǎng)絡(luò)模型。此后，計算機專家則以此模型為基礎(chǔ)，添加入編制好的學(xué)習(xí)機制，然后將其應(yīng)用到實際工程中，最終開發(fā)出了感知器神經(jīng)網(wǎng)絡(luò)模型。該模型具備了聲納波的識別功能，可用于探測潛艇位置等實踐中。經(jīng)過進(jìn)一步的深入研究，相關(guān)研究人員在其中運用了映射拓?fù)湫再|(zhì)，在計算機的基礎(chǔ)之上建立了映射自組織網(wǎng)絡(luò)模型;繼而通過分析研究生物自組織神經(jīng)網(wǎng)絡(luò)，確定神經(jīng)網(wǎng)絡(luò)模的實質(zhì)，獲得一組微分非線性方程，然后將神經(jīng)網(wǎng)絡(luò)應(yīng)用于實際，最終形成了神經(jīng)網(wǎng)絡(luò)的系統(tǒng)性科學(xué)研究，例如具有一定代表性的BP神經(jīng)網(wǎng)絡(luò)。

3.2神經(jīng)網(wǎng)絡(luò)的優(yōu)越性

神經(jīng)網(wǎng)絡(luò)建立的基礎(chǔ)是生物大腦結(jié)構(gòu)和工作原理，因而屬于人工智能系統(tǒng)，該系統(tǒng)基于計算機網(wǎng)絡(luò)內(nèi)部大量節(jié)點的關(guān)系分析，發(fā)揮出方面優(yōu)越的應(yīng)用性能，主要包括以下方面：

3.2.1自學(xué)功能

神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠進(jìn)行自我學(xué)習(xí)，通過自動識別正在輸入的信息，自行為操作者總結(jié)相關(guān)的規(guī)律，進(jìn)而形成聯(lián)想的模式。其優(yōu)勢即在于這種對于信息的識別能力，使系統(tǒng)能夠在之后的工作中，進(jìn)行獨立自動運作，從而縮短操作人員的工作時間?，F(xiàn)有計算機神經(jīng)網(wǎng)絡(luò)系統(tǒng)，甚至能夠?qū)崿F(xiàn)高于聯(lián)想模式的預(yù)測功能，應(yīng)用于證券市場中，系統(tǒng)可以基于對當(dāng)前股市證券、市場經(jīng)濟和企業(yè)現(xiàn)狀的研究分析，預(yù)測其未來的效益，從而企業(yè)未來的良性發(fā)展，提供了有力的智能支持。

3.2.2優(yōu)化系統(tǒng)

神經(jīng)網(wǎng)絡(luò)同時還具備了自我優(yōu)化的能力，可以自行提高計算機運轉(zhuǎn)能力，同時幫助操作用戶，針對某些問題提出解決方案?；诖?，神經(jīng)網(wǎng)絡(luò)系統(tǒng)被建議應(yīng)用于計算機的網(wǎng)絡(luò)安全評價中，以發(fā)揮其自身的優(yōu)越性能。

4計算機網(wǎng)絡(luò)安全評價中神經(jīng)網(wǎng)絡(luò)的應(yīng)用

4.1計算機網(wǎng)絡(luò)安全評價體系的構(gòu)建

4.1.1構(gòu)建神經(jīng)網(wǎng)絡(luò)體系的必要性

基于神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)安全評價保護(hù)是多元化的，由于其對于環(huán)境的適應(yīng)力較強，因而能夠迅速適應(yīng)周圍狀況，并對自身進(jìn)行調(diào)整，以降低誤差。另外，神經(jīng)網(wǎng)絡(luò)的自我訓(xùn)練使其能夠在計算機網(wǎng)絡(luò)安全評價的體系中，實現(xiàn)自我總結(jié)和完善。此外，神經(jīng)網(wǎng)絡(luò)還具備了良好的容錯性，對于一些不完整信息、噪聲等并不敏感，因而在網(wǎng)絡(luò)節(jié)點出現(xiàn)問題時，不會對神經(jīng)網(wǎng)絡(luò)的整體保護(hù)產(chǎn)生影響。且神經(jīng)網(wǎng)絡(luò)在進(jìn)行自我訓(xùn)練之后，能夠?qū)⒄５墓ぷ餍侍嵘脸Ｒ?guī)的4～5倍。加上神經(jīng)網(wǎng)絡(luò)對于結(jié)果的獲取高效快捷，因此更加便于使用，其各方面的設(shè)置也更加人性化。

4.1.2安全評價體系構(gòu)成指標(biāo)

計算機網(wǎng)絡(luò)安全的一級評價，其中的指標(biāo)通常包括：管理安全、物理安全以及邏輯安全，具體如下：①管理安全評價指標(biāo)時二級指標(biāo)，分別為安全組織體系、安全管理制度、人員安全培訓(xùn)以及應(yīng)急響應(yīng)機制;②物理安全評價指標(biāo)為二級指標(biāo)，包括防電磁泄漏措施、供電線路、網(wǎng)絡(luò)機房、容錯冗余以及設(shè)備安全;③邏輯安全評價指標(biāo)同樣是二級指標(biāo)，包括數(shù)據(jù)的備份、恢復(fù)，訪問的控制、軟件安全、防病毒措施、系統(tǒng)審計、數(shù)字簽名、數(shù)據(jù)加密以及入侵防范。

4.2實現(xiàn)評價指標(biāo)的標(biāo)準(zhǔn)化

不同的評價指標(biāo)集，對于影響因素的描述也存在差異，因此需要在實施定量、定性評價時有所側(cè)重。此外，應(yīng)當(dāng)合理運用科學(xué)的方法，對計算機的網(wǎng)絡(luò)安全情況作出反應(yīng)，因而一定程度上影響了指標(biāo)的客觀對比。因此，必須保持客觀的態(tài)度，對評價指標(biāo)的取值規(guī)則進(jìn)行調(diào)整，以實現(xiàn)指標(biāo)的標(biāo)準(zhǔn)化。在定量指標(biāo)評價時，相關(guān)工作人員應(yīng)當(dāng)結(jié)合計算機網(wǎng)絡(luò)系統(tǒng)的實際運行狀況，對其進(jìn)行客觀評價與取值，進(jìn)行科學(xué)的分析。此外，對于不同的評價指標(biāo)，應(yīng)當(dāng)使用不同的衡量單位，有所側(cè)重地進(jìn)行標(biāo)準(zhǔn)化處理，將取值固定到一定范圍內(nèi)，通常在0～1之間。而為了實現(xiàn)定性指標(biāo)評價，則通常會采用打分的方式來客觀評價計算機的網(wǎng)絡(luò)系統(tǒng)機型，定性指標(biāo)評價標(biāo)準(zhǔn)化。

4.3基于神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)安全評價構(gòu)建

4.3.1服務(wù)器維護(hù)機制規(guī)范化構(gòu)建

構(gòu)建計算機網(wǎng)絡(luò)安全評價體系，其首要的任務(wù)和硬件維護(hù)的關(guān)鍵，即在于服務(wù)器維護(hù)。在構(gòu)建服務(wù)器維護(hù)機制規(guī)范化的過程中，應(yīng)當(dāng)注意避免不當(dāng)服務(wù)器所可能造成的傷害，要求操作人員時刻警醒，保證及時清除網(wǎng)卡冗余，調(diào)整服務(wù)器的荷載，以維持服務(wù)器的平衡與穩(wěn)定。

4.3.2云主機的建立

以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)建立的計算機網(wǎng)絡(luò)安全評價體系，需要快速打造安全云主機，用以集成包括了云鎖服務(wù)安全軟件的所有安全防護(hù)體系，從而達(dá)到突破傳統(tǒng)服務(wù)器安防理念，實現(xiàn)對于用戶的實時安全服務(wù)效果。因此，構(gòu)建過程中需要在云主機中使用很多快捷自動安裝軟件，如MYSQL、PHP、ASP等。這些軟件的共同點在于均適用于對網(wǎng)站數(shù)據(jù)庫的實時管控、對于站點信息的實時監(jiān)控，以及對于計算機各種軟件溫度進(jìn)行的調(diào)節(jié)，和WebShell病毒查殺功能。如今的計算機網(wǎng)絡(luò)安全系統(tǒng)已經(jīng)首創(chuàng)了以C/S的神經(jīng)網(wǎng)絡(luò)架構(gòu)為基礎(chǔ)的應(yīng)用體系，實現(xiàn)了計算機端和服務(wù)器之間的遠(yuǎn)程訪問與控制功能，從而提升了計算機網(wǎng)絡(luò)對于木馬、病毒和惡意代碼、惡意攻擊等危害的防御能力，起到保護(hù)計算機服務(wù)器與網(wǎng)站安全的作用。

4.3.3安全管理和服務(wù)體系的建立

基于神經(jīng)網(wǎng)絡(luò)建立起來的計算機網(wǎng)絡(luò)安全評價體系，其作用即在于在進(jìn)行安全評價時，管理人員能夠提供與評價標(biāo)準(zhǔn)判定相對應(yīng)的具體內(nèi)容、實施范圍等信息，然后針對計算機安全狀況、信息技術(shù)的關(guān)鍵點，實施研究與分析，運用評價方法測算其安全等級。計算機網(wǎng)絡(luò)的安全級別評價，可以按照以下公式生成評價因子，基于神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)安全評價級別公式如下：f=(x1，x2，x3……，xi……xm)式中：xi-計算機網(wǎng)絡(luò)安全評價中最主要的評價因子;f-計算機網(wǎng)絡(luò)安全評價模型主體。管理人員應(yīng)當(dāng)結(jié)合實際，為計算機系統(tǒng)選取正確的評價模型主體與安全等級，進(jìn)而依據(jù)系統(tǒng)要求，對神經(jīng)網(wǎng)絡(luò)安全管理體系采取必要的優(yōu)化措施，以做到有備無患。

4.4建立并完善評價結(jié)果評語集

基于計算機網(wǎng)絡(luò)安全評價指標(biāo)特征，可建立評價結(jié)果評語集，按照網(wǎng)絡(luò)安全等級差異，將該評語集劃分為四個集合：①第一等集合設(shè)置為“安全”;②第二等集合設(shè)置為“較為安全”;③第三等集合設(shè)置為“不安全”;④最后一個等集合則設(shè)置為“很不安全”。此外，還可以對這些集合附以說明，從而有效地位計算機使用者提供便捷的方式，來了解計算機網(wǎng)絡(luò)安全狀況，提供良。

5結(jié)語

神經(jīng)網(wǎng)絡(luò)技術(shù)在計算機網(wǎng)絡(luò)安全評價中的應(yīng)用，實現(xiàn)了評價體系的自動抽提功能，體現(xiàn)出了外推性、容錯性、適應(yīng)性等優(yōu)勢，滿足了計算機網(wǎng)絡(luò)的在線實用性要求，在有效提高計算機網(wǎng)絡(luò)評價客觀性、正確性的同時，為用戶提供了安全的使用環(huán)境，確保用戶能夠通過網(wǎng)絡(luò)獲得可靠、有效的數(shù)據(jù)信息。

參考文獻(xiàn)

[1]王強.基于神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)故障診斷[J].信息與電腦：理論版，2015(10)：157~158.

神經(jīng)網(wǎng)絡(luò)的概念范文第5篇

隨著計算機網(wǎng)絡(luò)、信息技術(shù)、自動化技術(shù)的進(jìn)步，極大的改變了我們的生活。人工神經(jīng)網(wǎng)絡(luò)技術(shù)是一種全新的控制技術(shù)，通過互聯(lián)網(wǎng)進(jìn)行動態(tài)模擬，從而建立一種新的控制互聯(lián)網(wǎng)的系統(tǒng)。經(jīng)過十幾年的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)研究取得了巨大的進(jìn)步，已經(jīng)廣泛應(yīng)用在社會各個領(lǐng)域，使現(xiàn)代計算機中的難題得到了解決。本文主要從人工神經(jīng)網(wǎng)絡(luò)技術(shù)的概念出發(fā)，探討了它在現(xiàn)代社會領(lǐng)域的具體應(yīng)用。

【關(guān)鍵詞】人工神經(jīng)網(wǎng)絡(luò) 信息技術(shù) 發(fā)展趨勢

人工神經(jīng)網(wǎng)絡(luò)技術(shù)在處理實際問題主要包括兩個過程，一個是學(xué)習(xí)訓(xùn)練過程，另外一個是記憶聯(lián)想過程。近年來隨著人工網(wǎng)絡(luò)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)在信號處理、圖像處理、智能識別等領(lǐng)域已經(jīng)取得了巨大的改變，為人們研究各類科學(xué)問題提供了一種新的方法和手段，使人們在交通運輸、人工智能、軍事、信息領(lǐng)域的工作更加便捷，近年來隨著AI的l展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)得到了快速的發(fā)展階段。

1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)

人工神經(jīng)網(wǎng)絡(luò)技術(shù)也稱ANN，是隨著上個世紀(jì)八十年代人工智能發(fā)展興起的一個研究熱點，它的主要工作原理對人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象處理，并仿造人腦神經(jīng)網(wǎng)絡(luò)建立簡單的模型，按照不同的連接方式組成一個完整的網(wǎng)絡(luò)，因此學(xué)術(shù)界也直接將它成為神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)其實就是一種運算模型，它是通過大量的節(jié)點――神經(jīng)元連接起來的，其中不同的節(jié)點所代表的輸出函數(shù)也不同，也就是所謂的激勵函數(shù)；當(dāng)有兩個節(jié)點連接起來時稱之為通過該連接信號的加權(quán)值，也稱為權(quán)重，這就相當(dāng)人腦神經(jīng)網(wǎng)絡(luò)記憶。人工神經(jīng)網(wǎng)絡(luò)技術(shù)是采用并行分布式系統(tǒng)，這種工作機理與傳統(tǒng)的信息處理技術(shù)和人工智能技術(shù)完全不同，是一種全新的技術(shù)，它克服了傳統(tǒng)基于邏輯符號的人工智能處理非結(jié)構(gòu)信息化和直覺方面的缺陷，具有實時學(xué)習(xí)、自適應(yīng)性和自組織性等特點。

2 人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用分析

隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，它在模式識別、知識工程、信號處理、專家系統(tǒng)、機器人控制等方面的應(yīng)用較廣。

2.1 生物信號的檢測分析

目前大部分醫(yī)學(xué)檢測設(shè)備都是通過連續(xù)波形得到相關(guān)數(shù)據(jù)，從而根據(jù)所得數(shù)據(jù)對病情進(jìn)行診斷。人工神經(jīng)網(wǎng)絡(luò)技術(shù)就是應(yīng)用了這樣的方式將多個神經(jīng)元組合起來構(gòu)成，解決了生物醫(yī)學(xué)信號檢測方面的難題，其適應(yīng)性和獨立性強，分布貯藏功能多。在生物醫(yī)學(xué)領(lǐng)域該技術(shù)主要應(yīng)用于對心電信號、聽覺誘發(fā)電位信號、醫(yī)學(xué)圖像、肌電荷胃腸等信號的處理、識別和分析。

2.2 醫(yī)學(xué)專家系統(tǒng)

傳統(tǒng)的醫(yī)院專家系統(tǒng)是直接將專家的經(jīng)驗、學(xué)歷、臨床診斷方面取得的成績等存儲在計算機中，構(gòu)建獨立的醫(yī)學(xué)知識庫，通過邏輯推理進(jìn)行診斷的一種方式。進(jìn)入到二十一世紀(jì)，醫(yī)院需要存儲的醫(yī)學(xué)知識越來越多，每天產(chǎn)生新的病況和知識，過去的一些專家系統(tǒng)顯然已經(jīng)無法適應(yīng)醫(yī)院的發(fā)展需求，因此醫(yī)院的效率很低。而人工神經(jīng)網(wǎng)絡(luò)技術(shù)的出現(xiàn)為醫(yī)院專家系統(tǒng)的構(gòu)建提出了新的發(fā)展方向，通過人工神經(jīng)網(wǎng)絡(luò)技術(shù)，系統(tǒng)能夠自主學(xué)習(xí)、自己組織、自行推理。因此在醫(yī)學(xué)專家系統(tǒng)中該網(wǎng)絡(luò)技術(shù)應(yīng)用面較廣。麻醉醫(yī)學(xué)、重癥醫(yī)學(xué)中生理變量分析和評估較多，目前臨床上一些還沒有確切證據(jù)或者尚未發(fā)現(xiàn)的關(guān)系與現(xiàn)象，通過人工神經(jīng)網(wǎng)絡(luò)便能有效地解決。

2.3 市場價格預(yù)測

在經(jīng)濟活動中，傳統(tǒng)統(tǒng)計方法受到一些因素的制約，無法對價格變動做出準(zhǔn)確的預(yù)測，因此難免在預(yù)測的時候出現(xiàn)失誤的現(xiàn)象。人工神經(jīng)網(wǎng)絡(luò)技術(shù)能夠處理那些不完整的、規(guī)律不明顯、模糊不確定的數(shù)據(jù)，并作出有效地預(yù)測，因此人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有傳統(tǒng)統(tǒng)計方法無法比擬的優(yōu)勢。例如人工神經(jīng)網(wǎng)絡(luò)技術(shù)可以通過分析居民人均收入、貸款利率和城市化發(fā)展水平，從而組建一個完整的預(yù)測模型，準(zhǔn)確預(yù)測出商品的價格變動情況。

2.4 風(fēng)險評價

在從事某一項特定的活動時，由于社會上一些不確定因素，可能造成當(dāng)事人經(jīng)濟上或者其他方面的損失。因此在進(jìn)行某一項活動時，對活動進(jìn)行有效的預(yù)測和評估，避免風(fēng)險。人工神經(jīng)網(wǎng)絡(luò)技術(shù)可以根據(jù)風(fēng)險的實際來源，構(gòu)筑一套信用風(fēng)險模型結(jié)構(gòu)和風(fēng)險評估系數(shù)，從而提出有效地解決方案。通過信用風(fēng)險模型分析彌補主觀預(yù)測方面的不足，從而達(dá)到避免風(fēng)險的目的。

3 人工神經(jīng)網(wǎng)絡(luò)技術(shù)未來發(fā)展

人工神經(jīng)網(wǎng)絡(luò)克服了傳統(tǒng)人工智能對語言識別、模式、非結(jié)構(gòu)化信息處理的缺陷，因此在模式識別、神經(jīng)專家系統(tǒng)、智能控制、信息處理和天氣預(yù)測等領(lǐng)域廣泛應(yīng)用。隨著科學(xué)技術(shù)的進(jìn)步，AI的快速發(fā)展，AI與遺傳算法、模糊系統(tǒng)等方面結(jié)合，形成了計算智能，很多企業(yè)和國家開始大規(guī)模研發(fā)AI，人工神經(jīng)網(wǎng)絡(luò)正在模擬人類認(rèn)知的方向發(fā)展，目前市場已經(jīng)有很多不少人工智能產(chǎn)品面世。

4 結(jié)語

通過上述研究分析，人工神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)取得了相應(yīng)的發(fā)展，但還存在很多不足：應(yīng)用范圍狹窄、預(yù)測精度低、通用模型缺乏創(chuàng)新等，因此需要我們在此基礎(chǔ)上不斷尋找新的突破點，加強對生物神經(jīng)元系統(tǒng)的研究和探索，進(jìn)一步挖掘其潛在的價值，將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用在更多領(lǐng)域中，為社會創(chuàng)造更大的財富。

參考文獻(xiàn)

[1]周文婷，孟琪.運動員賽前心理調(diào)控的新策略――基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的比賽場地聲景預(yù)測（綜述）[J].哈爾濱體育學(xué)院學(xué)報，2015，33（03）：15-21.

[2]張紅蘭.人工神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用現(xiàn)狀分析[J].中國新通信，2014（02）：76-76.

[3]張廣軍.人工神經(jīng)網(wǎng)絡(luò)技術(shù)在光電檢測中的應(yīng)用[J].北京航空航天大學(xué)學(xué)報，2001，27（05）：564-568.