人工神经网络文献综述..doc

WIND一 、 人工神经网络理论概述 (一 人工神经网络基本原理神经网络 (Artificialneuralnet work , ANN 是由大量的简单神 经元组成的非线性系统,每个神经元的结构和功能都比较简单,而大量 神经元组合产生的系统行为却非常复杂 人工神经元以不同的方式,通 过改变连接方式 、 神经元的数量和层数,组成不同的人工神经网络模型 (神经网络模型 人工神经元模型的基本结构如图 1所示 图中 X=(x 1, x 2, … x nT∈ R n表示神经元的输入信号 (也是其他神经元的输出信号 ; w ij 表示神经元 i 和神经元 j 之间的连接强度,或称之为权值; θj 为神经元 j 的 阀值 (即输入信号强度必须达到的最小值才能产生输出响应 ; y i 是神 经元 i 的输出 其表达式为 y i =f(nj =iΣw ij x j+θi式中, f (· 为传递函 数 (或称激活函数 ,表示神经元的输入 -输出关系 图 1(二 人工神经网络的发展人工神经网络 (ArtificialNeuralNetwork 是一门崭新的信息处 理科学,是用来模拟人脑结构和智能的一个前沿研究领域,因其具有独 特的结构和处理信息的方法,使其在许多实际应用中取得了显著成效 。

人工神经网络系统理论的发展历史是不平衡的,自 1943年心理学家 McCulloch 与数学家 Pitts 提出神经元生物学模型 (简称 MP-模型 以来,至今已有 50多年的历史了 在这 50多年的历史中,它的发展 大体上可分为以下几个阶段 60年代末至 70年代,人工神经网络系统理论的发展处于一个低 潮时期 造成这一情况的原因是人工神经网络系统理论的发展出现了本 质上的困难,即电子线路交叉极限的困难 这在当时条件下,对神经元 的数量 n 的大小受到极大的限制,因此它不可能去完成高度智能化的计 算任务 80年代中期人工神经网络得到了飞速的发展 这一时期,多种模 型 、 算法与应用问题被提出,主要进展如:Boltzmann 机理论的研究, 细胞网络的提出,性能指标的分析等 90年代以后,人工神经网络系统理论进入了稳健发展时期 现在 人工神经网络系统理论的应用研究主要是在模式识别 、 经济管理 、 优化 控制等方面:与数学 、 统计中的多个学科分支发生联系 三 人工神经网络分类人工神经网络模型发展到今天已有百余种模型,建造的方法也是 多种多样,有出自热力学的 、 数学方法的 、 模糊以及混沌方法的 。

其中 BP 网络 (BackPropagationNN 是当前应用最为广泛的一种人工神 经网络 在人工神经网络的实际应用中, 80%~90%的人工神经网络模 型是采用 BP 网络或它的变化形式,它也是前向网络的核心部分,体现 了人工神经网络最精华的部分 其结构简单,应用范围主要在模式识 别 、 分类 、 非线性映射,复杂系统仿真,过程控制等方面 四 人工神经网络模型的研究及相关应用神经网络一直是科学界的研究热点,无论是理论研究还是应用实 践都有大量的成果报道 人工神经网络历史上首先应用于电子科技领 域,如模式识别 、 信号和图像处理 、 控制理论等 随着人们对神经网络 的认知和了解,其应用领域将更加广泛 由于人工神经网络具有任意逼近函数 、 自学习自适应能力极强的 特点,因此,在这里,可以将人工神经网络应用到经济预警问题之中 如王春峰,万海晖,张维应用 BP 网络对股票价格进行预测,应用 BP 网络模型对商业银行的信贷风险进行预警,运用 BP 网络模型评估借贷 方的信用风险等等,这些应用都取得了比较好的效果 顾海军等人利用 BP 网络的较高的自组织 、 自适应和自学能力,对商业银行风险进行综 合评价,从而为商业银行风险评价走向使用化奠定了基础 。

为了避免传统参数期权定价模型 (parametric option pricing models , POPMS 的缺陷,马文伟课题的研究,借助人工神经网络探讨实物期权定价,这 将有利于实物期权定价理论的完善和发展 王洪利等人采用人工神经网 络方法,对最常用于体育场馆建设的网架结构形式进行了选型研究,结 果表明,该方法能较好的进行网架结构的选型,从而节约建造成本 吴 煜等人通过人工神经网络寻找组合预测权重的方法,有效的解决预测 城市用水需求量这样的复杂性问题 段玉波等人使用的递归神经网络可 以满足短期负荷预测的需要,效果较好对于合理地进行电力系统调度,计划,用电与规划具有一定的现实意义 刘历波提到利用改进的 BP 神 经网络算法对建设项目集成管理绩效进行了综合评价,证明该方法的可 行性和有效性,为我国建设项目集成管理绩效评价提供了一条新的可操 作性方法 付辉指出应用 Hopfield 网络对非定量因素进行科学的分析, 可以消除一些人为因素的影响,使评选结果更加合理 杨俊琴通过对投 标项目风险因素辨识,建立了基于 BP 神经网络的风险分析模型,对项 目的风险度进行评估,为投标人在进行投标决策时提供了一个有效的风 险分析工具 。

二 、 总结人工神经网络在各个领域中的应用,为工作的顺利进行提供了保 障,克服了以往的常用方法的缺陷,解决了很多难题 比如在工程造价 预测中的应用,它利用了神经网络具有自学习 、 自组织 、 自适应的特 点,建立了具有反馈系统从而不断调节误差的 BP 算法,减少了人为主 观的参与,这使得造价预测结果更加贴近实际,更加精确 在评标过程 中的应用亦是如此 但是,神经网络作为新兴学科,在理论和实践中, 还有很多不完善和不成熟的地方,又在一定程度上制约了它的实际应 用 总之在利用人工神经网络解决问题时,需要选定合适的网络模型及 网络算法,同时还要加深人工神经网络基础理论方面的研究 [摘 要 ]本文主要介绍人工神经网络的基本原理 , 发展和分类,详细描述了其在各行业的有关研究及应用;对人工神经网络的应用提出了建议 [关键词 ]人工神经网络;分类及发展;应用 人工神经网络文献综述段玉三(安徽蟠桃园林绿化工程有限公司,安徽巢湖231500[参考文献 ][1]段玉波 , 曲薇薇 , 周群等 . 应用递归人工神经网络预测电力短期负荷 [J].佳木 斯大学学报 (自然科学版 ,2010.[2]姜绍飞 , 张春丽 , 钟善桐 .BP 网络模型的改进方法探讨 [J].哈尔滨建筑大学学 报 ,2000.[3]冯清海 , 袁万城 .BP 神经网络和 R BF 神经网络在墩柱抗震性能评估中的 比较研究 [J].结构工程师 ,2007.[4]李刚 . 基于人工神经网络的房地产估价研究 [D].长安大学 ,2006.[5]刘丹 . 基于人工神经网络的风险投资项目评估模型 [D].中南大学 ,2002. [6]张凌 . 基于人工神经网络的期权定价模型 [D].武汉理工大学 ,2007.[7]马文伟 . 基于人工神经网络的实物期权定价方法研究 [D].武汉理工大学 , 2004.学术论坛185。