控制工程基础论文(神经网络)有图完整版
神经网络文献综述
吴一凡
（西南交通大学峨眉校区，四川 峨眉 614202）
摘 要：本文着重介绍了神经网络的发展、优点及其应用、发展动向，文中着重论述了神经网络目前的几个研究热点，对神经网络有一个全面系统的概括。 关键词：神经网络 模糊控制 遗传算法 专家系统 小波分析
Abstract ：Development,merits and application of neural network are introduced in this paper. Then,the trends are presented.And its several main research directs.This paper can give you a comprehensive and systematic exposition of the neural network.
Keywords ：Neural network Fuzzy control Genetic algorithm Expert system Wavelet analysis
0 绪论
神经网络最早的研究是20世纪40年代心理学家Mcculloch 和数学家Pitts 合作提出的，他们提出的MP 模型拉开了神经网络研究的序幕，其结构如图1所示。
图1 人工神经元示意图
图1中，n I I I ,,,21 表示其他n 个神经元的突触输出，n W W W ,,,21 为其他n
个神经元的突触连接，其值可正可负，分别表示兴奋性突触和抑制性突触。∑θ为阀值，神经元的输出()θf 称为变换函数，一般采用的形式有线性函数、阶跃函数、Sigmoid 函数及双曲正切函数等。
神经网络的发展大致经三个阶段：
1947~1969年为初期。在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB学习规则和感知器等；
1970~1986年为过渡期。这个期间神经网络研究经过了一个低潮，继续发展。在此期间，科学家们做了大量的工作，如Hopfield教授对网络引入能量函数的概念，给出了网络的稳定性判据，提出了用于联想记忆和优化计算的途径。1984年，Hiton教授提出Boltzman机模型。1986年Kumelhart等人提出误差反向传播神经网络，简称BP网络。目前，BP网络已成为广泛使用的网络；
1987年至今为发展期。在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮。神经网络具有以下优点：
1）可以充分逼近任意复杂的非线性关系。
2）具有很强的鲁棒性和容错性，因为信息是分布贮于网络内的神经元中。
3）并行处理方法，使得计算快速。
4）可以处理不确定或不知道的系统，因神经网络具有自学习和自适应能力。
5）具有很强的信息综合能力，能同时处理定量和定性的信息，能很好地协调多种输入信息关系，适用于多信息融合和多媒体技术。
1 神经网络应用现状
神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中取得了显著的成效，主要应用如下：
1）自动控制领域：神经网络方法已经覆盖了控制理论中的绝大多数问题，主要有系统建模与辨识、PID参数整定、极点配置、内模控制、优化设计、预测控制、最优控制、自适应控制、滤波与预测容错控制、模糊控制和学习控制等。典型的例子是世纪，20世纪60年代初，美国“阿波罗”登月计划中，Kilmer和Mc-Clloch等人根据脊椎动物神经系统中网状结构的工作原理，提出了一个模型，以使登月车在远距离复杂环境下具有一定的自制能力；
2）处理组合问题：最典型的例子是成功地解决了TSP问题，即旅行推销员问题（Travelling Salesman Problem），另外还有最大匹配问题、装箱问题和作业调度等；
3）模式识别：已成功应用于手写字符、汽车牌照、指纹和声音识别，还可用于目标的自动识别和定位、机器人传感器的图像识别以及地震信号的鉴别等；
4）图像处理：对图像进行边缘监测、图像分割、图像压缩和图像恢复
5）传感器信号处理：传感器输出非线性特性的矫正、传感器故障检测、滤波与除噪、环境影响因素的补偿、多传感器信息融合；
6）机器人控制：对机器人眼手系统位置进行协调控制，用于机械手的故障诊断及排除、智能自适应移动机器人的导航；
7）卫生保健、医疗。比如通过训练自主组合的多层感知器可以区分正常心跳和非正常心跳网络的波形分类和特征提取在计算机临床诊断中的应用。
8）经济。能对商品价格、股票价格和企业的可信度等进行短期预测。
9）化工领域。能对制药、生物化学和化学工程等进行分析。如：进行蛋白质结构分析、谱分析和化学反应分析等。
10）地理领域。在遥感图像分类中有广泛的应用，在GIS方面应用人工神经网络理论，提高系统对数据进行复杂的综合分析的功能。
11）另外，在数据挖掘、电力系统、交通、军事、矿业、农业和气象等方面亦有应用。
2 神经网络发展趋势
神经计算的基础理论框架以及生理层面的研究仍需深入。这方面的工作虽然很困难，但为了神经计算的进一步发展却是非做不可的。增强神经网络的可理解性是神经网络界需要解决的一个重要问题。这方面的工作在今后若干年中仍然会是神经计算和机器学习界的一个研究热点。神经计算技术与其他技术尤其是进化计算技术的结合以及由此而来的混合方法和混合系统，正成为一大研究热点。
神经网络用于控制时还有许多问题值得研究：现行的学习算法收敛速度低，存在局部最优问题；分布式并行处理方式的网络内部机理并不清楚，选择网络层数、每层神经元个数，还得凭经验；泛化能力不足，制约了控制系统的鲁棒性；需要创造更适合于控制的专用神经网络；网络建立模算法和控制系统的收敛性与稳定性需进一步研究。
3 神经网络研究热点
3.1 神经网络与模糊逻辑的结合
模糊逻辑是一种处理不确定性、非线性问题的有力工具。它比较适合于表达那些模糊或定性的知识，其推理方式比较类似于人的思维方式，这都是模糊逻辑的优点。但它缺乏有效的自学习和自适应能力。
神经网络具有并行计算、分布式信息存储、容错能力强以及具备自适应学习能力等一系列优点。但一般来说，神经网络不适于表达基于规则的知识，因此在对神经网络进行训练时，由于不能很好地利用已有的经验知识，常常只能将初始值取为零或随机数，从而增加了网络的训练时间或者陷入非要求的局部极值而将模糊逻辑与神经网络结合，则网络中的各个结点及所有参数均有明显的物理意义，因此这些参数的初值可以根据系统的模糊或定性的知识来加以确定，然后利用学习算法可以很快收敛到要求的输入输出关系，这是模糊神经网络比单纯的神经网络的优点所在。同时，由于它具有神经网络的结构，因而参数的学习和调整比较容易，这是它比单纯的模糊逻辑系统的优点所在。模糊神经网络控制已成为一种趋势，它能够提供更加有效的智能行为、学习能力、自适应特点、并行机制和高度灵活性，使其能够更成功地处理各种不确定的、复杂的、不精确的和近似的控制问题。
模糊神经控制包括两个方面：
1）基于神经网络的模糊控制：它将模糊系统设计方法与神经网络的连接主义结构和学习方法结合起来，把模糊系统表达成连接主义方式的网络结构，模糊控制的模糊化、模糊推理和解模糊化三个基本过程全都用神经网络来实现；
2）模糊神经网络：它在传统的神经网络中增加一些模糊部分，除了具有神经网络的功能外，还能处理模糊信息，完成模糊推理功能。
模糊神经控制的未来研究应集中于以下几个方面：
1）研究模糊逻辑与神经网络的对应关系，将对模糊控制器的调整转化为等价的神经网络的学习过程，用等价的模糊逻辑来初始化神经网络；
2）完善模糊神经控制的学习算法，以提高控制算法的速度与性能，可引入遗传算法、BP算法中的模拟退火算法等，以提高控制性能；
3）模糊控制规则的在线优化，可提高控制器的实时性与动态性能；
4）需深入研究系统的稳定性、能控性、能观性以及平衡吸引子、混沌现象等非线性动力学特性；
5）关于神经网络与模糊逻辑相结合的研究已有很多，比如用于氩弧焊、机器人控制等。
3.2 神经网络与遗传算法的结合
遗传算法是1962年由美国的Hollad提出的。遗传算法是基于自然选择和基因遗传学原理的全局优化搜索算法，因其简单通用，鲁棒性强，适于并行处理，已成为人们用来解决高度复杂问题的一个新思路和新方法。目前已被广泛用于许多实际问题。
遗传算法与神经网络的结合主要体现在以下几个方面：网络连接权重的进化训练；网络结构的进化计算；网络结构和连接权重的同时进化；训练算法的进化设计。基于进化计算的神经网络设计和实现已在众多领域得到应用，如模式识别、机器人控制、财政预测等，并取得了较传统神经网络更好的性能和结果。但从总体上看，这方面研究还处于初期阶段，理论方法有待于完善规范，应用研究有待于加强提高。神经网络与进化算法相结合的其他方式也有待于进一步研究和挖掘。
3.3 神经网络与专家系统的结合
人工神经网络是基于输入/输出的一种直觉性反射，适于发挥经验知识的作用，进行浅层次的经验推理；专家系统是基于知识、规则匹配的逻辑知识的作用，
进行深层次的逻辑推理。专家系统的特色是符号推理，神经网络擅长数值计算。因此将两者科学地结合，可以取长补短。
基于神经网络与专家系统的混合系统的基本出发点立足于将复杂系统分解成各种功能子系统模块，各功能子系统模块分别由神经网络或专家系统实现。
其研究的主要问题包括：混合专家系统的结构框架和选择实现功能子系统方式的准则两方面。由于该混合系统从根本上抛开了神经网络和专家系统的技术限制，是当前研究的热点。
3.4 神经网络与小波分析的结合
神经网络与小波分析的结合小波变换是对Fourier分析方法的突破。它不但在时域和频域同时具有良好的局部化性质，而且对低频信号在频域和对高频信号在时域里都有很好的分辨率，从而可以聚集到对象的任意细节。
目前可以将它与神经网络相结合实现间接辨识与建模。在结合方法上，可以将小波函数作为基函数构造神经网络形成小波网络，或者以小波变换的多分辨率特性对过程状态信号进行处理，实现信噪分离，并提取出对加工误差影响最大的状态特性，作为神经网络的输入。
4 结论
经过近半个世纪的发展，神经网络理论在模式识别、自动控制、信号处理、辅助决策、人工智能等众多研究领域取得了广泛的成功，但其理论分析方法和设计方法还有待于进一步发展。相信随着神经网络的进一步发展，其将在工程应用中发挥越来越大的作用。本文只简单介绍了神经网络的神经网络的发展、优点及其应用、发展动向，文中着重论述了神经网络目前的几个研究热点，对神经网络有一个全面系统的概括。
参考文献
1.孙增圻，张再兴，邓志东.智能控制理论与技术[M].北京：清华大学出版社.1997
2.王学武，谭得健.神经网络的应用与发展趋势[J].计算机工程与应用，200
3.3
3.周志华，何佳洲，陈世富.神经网络国际研究动向[J].模式识别与人工智能，2000.13
基于BP神经网络的字符识别算法的实现毕业论文
一、原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目 的等。） 工作基础：了解C++的基本概念和语法，熟练使用Visual C++6.0软件。 研究条件：BP神经网络的基本原理以及图像处理的基本常识。 应用环境：基于BP神经网络的图片图像文件中的字符识别。 工作目的：掌握基于Visual C++6.0应用程序的开发。 了解人工智能的基本概念并掌握神经网络算法的基本原理。 掌握Visual C++6.0中的图片处理的基本过程。 二、参考文献 [1]人工智能原理及其应用，王万森，电子工业，2007. [2]VC++深入详解，鑫，电子工业，2006. [3]人工神经网络原理, 马锐，机械工业，2010. [4]Visual C++数字图像处理典型案例详解，晶，机械工业，2012. [5]Application of Image Processing to the Characterization of Nanostructures Manuel F. M. Costa，Reviews on Advanced Materials Science,2004. 三、设计（研究）容和要求（包括设计或研究容、主要指标与技术参数，并根据课题性质对学生提出具体要求。） 1、掌握C++的基本概念和语法。 2、掌握二维神经网络的基本原理。了解BP神经网络的基本概念。 3、完成Visual C++中对于图像的灰度、二值化等预处理。 4、完成基于样本的神经网络的训练以及图像中数字的识别，并对其性能进 行统计和总结，分析其中的不足。
指导教师（签字） 年月日 审题小组组长（签字） 年月日理工大学本科生毕业设计（论文）开题报告
创新思维及设计论文
论文报告 课程名称创新思维与设计 学院电子与电气工程学院专业、班级10测控C1 学生姓名、学号马伟光104827169 指导教师梁彩平
目录 摘要 关键词 引言 正文 一、机器人的定义及其未来的机器人 二、机器人的发展 三、未来的机器人的结构 四、未来的机器人的特点 五、未来的机器人的功能 六、未来的机器人的影响 总结
参考文献 未来的机器人 摘要：大二第二学期我学习了《创新思维与现代设计》这一门课，听了老师对“现代设计中的创新思维”的讲解，以及培养并提高我们的创新思维意识及方法，再加上我对机器人有很大兴趣，于是便搜集了一些资料并且加上自己设计的想法写了这篇关于未来的智能机器人论文。 关键词：未来的机器人、智能特点、功能、影响 Abstract: The sophomore second semester I learn "innovative thinking and modern design of this course, after listening to the teacher to explain modern design, innovative thinking", as well as to nurture and enhance our awareness of innovative thinking and methods,plus I are very interested in the robot, so they gathered some information andadd their own design ideas to write this paper about the future of intelligent robots. Keywords:The future of robotics, intelligent features, functions, affecting 引言：随着科技的发展，社会的进步，更多先进的技术手段将被应用于智能机器人的研发制造中，而更加智能化，更加全面的机器人也会逐渐地进入我们的视野，渗透我们的生活，为我们的生产生活带来意想不到的便利。我相信，我们的生产生活将会因为他们的加入而变得更加方便快捷，变得更加丰富多彩。 正文： 一、机器人的定义及其未来的机器人：机器人（Robot）是自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工技能技术制定的原则纲领行动。它的任务是协助或取代人类工作的工作，例如生产业、建筑业，或是危险的工作。未来的机器人是自动执行工作，需要太阳能充电，不产生污染，可接受人的指挥，有意识，视觉听觉，有感觉，能进行交流等功能。
智能控制技术第四章作业
4-1、神经元的种类有哪些？它们的函数关系如何？ 4-2、为什么由简单的神经元连接而成的神经网络具有非常强大的功能？ 4-3、神经网络按连接方式分有哪几类？ 四、计算题 1、如图4-24所示的多层前向传播神经网络结构。假设对于期望的输入 12[,][13]x x =,12[,][0.90.3]d d y y =。网络权系数的初始值见图。试用BP 算法训练此网络。并详细写出第一次迭代学习的计算结果。这里，取神经元激励函数 1()1x f x e -=+。学习步长为1η=。最大迭代次数为iterafe max 。误差为e 。（四舍五入，精确到小数后1位） x 1 x 2 112 -20 3-1 -110-21-23o 1o 2y 1y 2 神经网络结构图w 11w 12w 21w 22 w 20 w 112w 122w 10w 102w 212w 222w 202 答案： 4-1、答案：神经元模型是生物神经元的抽象和模拟。它是模拟生物神经元的结构和功能、并从数学角度抽象出来的一个基本单元。它是神经网络的最基本的组成部分。 神经元一般是多输入-单输出的非线性器件。 模型可以描述为 i ij j i i j Net w x s θ=+-∑ ()i i u f Net = ()()i i i y g u h Net == 假设()i i g u u =，即()i i y f Net = i u 为神经元的内部状态；i θ为阀值；i x 为输入信号，1,...,j n =；ij w 为表示从j u 单元到i u 单元的连接权系数；i s 为外部输入信号。
常用的神经元非线性特性有以下四种 阀值型 10()00 i i i Net f Net Net ?>?=?≤?? 0 1 Neti 阀值函数f 分段线性型 00max 0()i i i i i i il i il Net Net f Net kNet Net Net Net f Net Net ?≤?=≤≤??≥? 0 f max Neti 线性函数f Net i1Net i0 Sigmoid 函数型 1()1i i Net T f Net e -= + Neti Sigmoid 函数f 10.5 Tan 函数型 ()i i i i Net Net T T i Net Net T T e e f Net e e -- -=+
人工神经网络课程论文
浅谈人工神经网络 一、人工神经网络的发展 1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1984年，美国加州工学院物理学家J.J.Hopfield提出了连续时间Hopfield神经网络模型，为神经计算机的研究做了开拓性的工作，开创了神经网络用于联想记忆和优化计算的新途径，有力地推动了神经网络的研究，1986年进行认知微观结构地研究，提出了并行分布处理的理论。近20年来，神经网络的软件模拟得到了广泛研究和应用，发展速度惊人。 二、人工神经网络的原理 人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为“神经网络”或类神经网络。神经网络是一种运算模型，由大量的节点（或称“神经元”，或“单元”）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重（weight），这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 它的构筑理念是受到生物（人或其他动物）神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法（Learning Method）得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势。 三、人工神经网络的应用范围及热点 计算机人工神经网络是一门应用广泛，涉及多学科交叉、综合的前沿学科。人工神经网络是在对人脑神经网络的基本研究的基础上，采用数理方法和信息处理的角度对人脑神经网络进行抽象，并建立的某种简化模型。突破了传统的以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模拟人
本科毕业论文致谢(通用3篇)
本科毕业论文致谢（通用3篇） 艰辛而又充满意义的大学生活即将结束，我们都知道毕业生要通过最后的毕业论文，毕业论文是一种有准备、有计划的检验学生学习成果的形式，毕业论文应该怎么写呢？下面是小编精心整理的本科毕业论文致谢（通用3篇），仅供参考，大家一起来看看吧。 本科毕业论文致谢语1 光阴似箭，白驹过隙。转眼间四年大学本科生活即将结束，陪伴我走入象牙塔的笔记本依然伴着我，忠实地书写全部情绪。从仙桃到武汉，从武汉到北京，从北京到杭州，在我最开心的时候，它记录了绚烂的幸福与快乐；在我孤独彷徨的时候，它是唯一的伙伴，用沉默安抚绝望的灵魂。现在，行将毕业，成了校园老人的我依然坐在这个老伙计面前敲敲打打，将浮躁击碎，将烦恼碾成一枚枚灵动的小字。 回首这几年，似乎伤感并不明显。身边来来去去的不再是亲密的室友，换了同事和领导。在这里没有人诉说要离开校园的伤感，四面八方充斥流程化公事化的执行。伤感潜流在心底，静静蛰伏。毕业，一个人置身小屋中，顿时如复活般全部苏醒了痛楚与艰辛。离开学校再没有人中午来敲门问我去不去吃饭，再没有人与我反坐在板凳上大声闲聊放肆大笑，再没有人幽幽地问句“吃什么好呢？”，再没有人背着重重的书包和我一起上课实习变态逗趣，再没有人陪我随时去吃火锅到撑然后照个神经的大头贴，再没有人总是兴高采烈叫我霞子跟我去买水果，再没人嗲嗲地叫我霞姐姐……她们的声音在时空里混杂渐渐远去了…… 可怜天下父母心，这些年来，真的非常感谢爸爸妈妈的默默支持关心。虽然他们总是不在身边，也很少管我，但是每当遇到挫折或小有成绩，总是有他们在。 身在杭州时总是思念北京的大街小巷和武汉的美味小吃。非常感谢xx学长和xx学长对我的照顾和指点，虽然错失了新浪，还是非常感谢在新浪的经历对我的熏陶。论文的开题是在新浪的工作中得到的灵感，虽然没有亲手去做新浪微博客的工作，也算是把这个课题按照原来的思路完成了，小有欣慰。 四年中历次备考，都过得还算顺畅。唯一一次熬夜复习贡献给了《概率论与数理统计》，还要感谢xx给我的习题和答案，感谢出题的老师超纲导致一些题目大家都不会，于是我也浑水摸鱼地混了了七十几。在计算机双学位毕设焦头烂额的时候，符辉和王楠给了我巨大的帮助，真如雪中送碳。感谢符辉同学爽快又耐心地帮我修改代码，感谢王楠的帮助。当我被“陶天下，赢校园”校园活动的工作淹没的时候，同学在作业代码完成部分给了我最大的帮助，还要感谢他们在我成长中的一些点滴陪伴，那些都将成为校园美好的回忆。
基于神经网络的手写数字识别系统的设计与实现学士学位毕业论文
本科生毕业论文（设计） 题目基于神经网络的手写数字 识别系统的设计与实现
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
机械创新设计小论文
１ 1.设计目标 设计题目：爬杆机械猫。 主要机械系统为曲柄连杆机构。因此保证机器人能顺利完成爬杆的功能，并在上升时完成伸头以及摆尾的动作。 2.设计特点和创新点 搜集同类设计通过比较可知，普通爬杆机器人是在直杆上爬行，原理图如下所示，而我本次设计的执行机构为弯杆，与同类爬行机器人相比，我本次设计的爬行机器人不但能在直杆上爬行，并能在弯杆上爬行，极大的提高了爬行机器人的应用场合。 3.运动原理与功能模块划分 我们此次做的课程设计名为爬杆机器人。该机器人模仿虫 蠕动的形式向上爬行，其爬行运用简单的曲柄滑块机构。其中 电机与曲柄固接，驱动装置运动。曲柄与连杆铰接，其另一端 分别铰接一自锁套（即上下两个自锁套），它们是实现上爬的 关键结构。当自锁套有向下运动的趋势时，由力的传递传到自 锁套，球、锥管与圆杆之间形成可靠的自锁，阻止构件向下运 动，而使其运动的方向始终向上（运动示意见右图）。 功能模块：爬杆功能、伸头功能、摆尾功能。 设计方案主要分为：曲柄滑块机构和气功驱动两种形式。 4.设计方案的分析、比较与评价 通常情况下，一部的机器需要通过电机带动一系列复杂的机构使其正常运转，这其中涉及到很多简单且基本的机械机构。当然，也可以直接通过电机带动整部机器的运转，这完全取决于机器所需完成的工作以及设计该机器时所面临的种种实际情况。针对该爬杆机器人，提出两套设计方案，分别是：由曲柄滑块机构带动和由气压元件直接驱动。 曲柄滑块机构工作原理如下： 圆杆连杆上自锁套曲柄 下自锁套
在平面连杆机构Array中，能绕定轴或定点作 整周回转的构件被称 为曲柄。而通过改变平 面四杆机构中构件的 形状和运动尺寸能将 其演化为不同的机构 形式，就曲柄滑块机构 而言，它是通过增加铰链四杆机构中摇杆的长度至无穷大而演变过来的。改机构实际上是由一曲柄一端铰接在机架上，另一端铰接一连杆，连杆的另一端联结一滑块，在曲柄为主动件运动时带动连杆，连杆又带动滑块，使其在平面某一范围内做直线往复运动（图1）。 其次是气动的原理：该运动原理与上述的曲柄滑块机构相比，在保留两滑块作为自锁装置的前提下，省略了联结两滑块的传动装置，转而用两个汽缸直接带动两个滑块的上下移动。这样的设计更直接也更简洁，至于两者到底哪个更合理呢？现在我们结合两者的利弊，着重分析一下各自的优缺点： 就采用汽缸驱动而言，它形式简单、结构简便，从机械设计角度而言讲究尽量采用基本机构，设计的机构要简单、可靠。而汽缸则融会了上述的优点，它由驱动机构直接带动两个自锁滑块，避免了两者间的连接机构，精简了构件之间的连接。此外，该机构具有环保等特点，它利用空气作为动力源，无污染、运动时无噪音，而且运行速度快，可以在短时间内使机器人爬到杆的顶端，它还能够随身携带气包作为动力源，可以做到无线操作。 就采用曲柄滑块结构而言，它属于平面连杆机构，具有结构简单、制造方便、运动副为低副，能承受较大载荷；但平衡困难，不易用于高速。我们设计的机构是由电机经减速直接驱动的，和利用气动原理相比它多了一套传动和连接机构，但该机构运用的原理简单，设计合理，而且它不仅能在自杆上爬行，更能在弯曲的管道外爬行，具体的示意图见下。 综上所述，选取“曲柄滑块机构”作为该爬杆机器人的最终运动方案。 ２
智能控制(神经网络)-作业
智能控制作业 学生： 学 号： 专业班级： 7-2 采用BP 网路、RBF 网路、DRNN 网路逼近线性对象 2) 1(1)1(9.0)1()(-+-?--=k y k y k u k y ，分别进行matlab 仿真。 （一）采用BP 网络仿真 网络结构为2-6-1。采样时间1ms ，输入信号)6sin(5.0)(t k u ?=π，权值21,W W 的初值随机取值，05.0,05.0==αη。 仿真m 文件程序为： %BP simulation clear all; clear all; xite=0.5; alfa=0.5; w1=rands(2,6); % value of w1,initially by random w1_1=w1;w1_2=w1; w2=rands(6,1); % value of w2,initially by random w2_1=w2;w2_2=w2_1; dw1=0*w1; x=[0,0]'; u_1=0; y_1=0; I=[0,0,0,0,0,0]'; % input of yinhanceng cell Iout=[0,0,0,0,0,0]'; % output of yinhanceng cell FI=[0,0,0,0,0,0]'; ts=0.001; for k=1:1:1000 time(k)=k*ts;
u(k)=0.5*sin(3*2*pi*k*ts); y(k)=(u_1-0.9*y_1)/(1+y_1^2); for j=1:1:6 I(j)=x'*w1(:,j); Iout(j)=1/(1+exp(-I(j))); end yn(k)=w2'*Iout; %output of network e(k)=y(k)-yn(k); % error calculation w2=w2_1+(xite*e(k))*Iout+alfa*(w2_1-w2_2); % rectify of w2 for j=1:1:6 FI(j)=exp(-I(j))/(1+exp(-I(j))^2); end for i=1:1:2 for j=1:1:6 dw1(i,j)=e(k)*xite*FI(j)*w2(j)*x(i); % dw1 calculation end end w1=w1_1+dw1+alfa*(w1_1-w1_2); % rectify of w1 % jacobian information yu=0; for j=1:1:6 yu=yu+w2(j)*w1(1,j)*FI(j); end dyu(k)=yu; x(1)=u(k); x(2)=y(k); w1_2=w1_1;w1_1=w1; w2_2=w2_1;w2_1=w2; u_1=u(k); y_1=y(k); end figure(1); plot(time,y,'r',time,yn,'b'); xlabel('times');ylabel('y and yn');
人工神经网络论文
基于LVQ神经网络的人脸朝向识别 摘要人脸识别是当今模式识别和人工智能的一个重要的研究方向。人脸的朝向识别是一个复杂的模式识别问题。在实际应用中，大量图像和视频源中人脸的位置、朝向、旋转角度都是不固定的，这大大增加了人脸识别的难度。为了解决这些问题，本实验采用了LVQ神经网络模型对图像中的人脸朝向识别进行研究。本实验基于matlab平台设计LVQ神经网络，实现对人脸朝向的判断。实验结果表明，LVQ神经网络可以根据输入图像的二值信息，以较高的准确率判别该图像中的人脸朝向。 关键字：人脸朝向识别；LVQ神经网络；matlab；特征提取 人脸识别是一个活跃的研究领域。尽管相对于虹膜和指纹识别，人脸识别的准确还比较低，但人脸的易采集、非接触的优点，让人脸识别受到越来越多的关注。人脸识别对人脸位置和状态都有一定的限制，实际应用中，图像和视频源 中人脸的位置，朝向和旋转都不是固定的，这就为我们后续的人脸识别有了更大的难度。 在人脸识别的研究领域中，人脸朝向识别是其中的一个分支。在以往的研究中，绝大多数的研究人员希望能够消除人脸朝向在人脸识别中的不良影响，但在复杂的实际环境中，我们无法忽略人脸朝向对人脸识别的影响。因此，对人脸朝向的判定和识别是非常有必要和有意义的。 1LVQ神经网络 学习向量量化(Learning Vector Quantization，LVQ)神经网络，属于前向神经网络类型，在模式识别和优化领域有着广泛的应用。LVQ神经网络由三层组成，即输入层、隐含层和输出层，网络在输入层与隐含层间为全连接，而在隐含层与输出层间为部分连接，每个
输出层神经元与隐含层神经元的不同组相连接。隐含层和输出层神经元之间的连接权值固定为1。输入层和隐含层神经元间连接的权值建立参考矢量的分量（对每个隐含神经元指定一个参考矢量）。在网络训练过程中，这些权值被修改。隐含层神经元（或称为Kohnen神经元）和输出神经元都具有二进制输出值。当某个输入模式被送至网络时，参考矢量最接近输入模式的隐含神经元因获得激发而赢得竞争，因而允许它产生一个“1”，而其它隐含层神经元都被迫产生“0”。与包含获胜神经元的隐含层神经元组相连接的输出神经元也发出“1”，而其它输出神经元均发出“0”。产生“1”的输出神经元给出输入模式的类，由此可见，每个输出神经元被用于表示不同的类。 2人脸朝向识别的设计 2.1问题描述 现采集到一组不同人脸朝向的图像，这组图像来自于10个人，每人5张图片，人脸朝向分为：左方、左前方、正面、右前方、右方，如图2-1所示。创建一个LVQ神经网络，对给出的人脸进行朝向的判定与识别。 2-1人脸朝向识别图 2.2建立模型 2.2.1设计思路 通过观察不难发现，当人脸朝向不同的方向时，眼睛在图像中的位置差别较大。所以，将眼睛位置的特征信息作为LVQ神经网络识别的输入，将5个朝向作为其输出。在对训练
Neural-Network-Introduction神经网络介绍大学毕业论文外文文献翻译及原文
毕业设计（论文） 外文文献翻译 文献、资料中文题目：神经网络介绍 文献、资料英文题目：Neural Network Introduction 文献、资料来源： 文献、资料发表（出版）日期： 院（部）： 专业： 班级： 姓名： 学号： 指导教师： 翻译日期：2017.02.14
外文文献翻译 注：节选自Neural Network Introduction神经网络介绍，绪论。 History The history of artificial neural networks is filled with colorful, creative individuals from many different fields, many of whom struggled for decades to develop concepts that we now take for granted. This history has been documented by various authors. One particularly interesting book is Neurocomputing: Foundations of Research by John Anderson and Edward Rosenfeld. They have collected and edited a set of some 43 papers of special historical interest. Each paper is preceded by an introduction that puts the paper in historical perspective. Histories of some of the main neural network contributors are included at the beginning of various chapters throughout this text and will not be repeated here. However, it seems appropriate to give a brief overview, a sample of the major developments. At least two ingredients are necessary for the advancement of a technology: concept and implementation. First, one must have a concept, a way of thinking about a topic, some view of it that gives clarity not there before. This may involve a simple idea, or it may be more specific and include a mathematical description. To illustrate this point, consider the history of the heart. It was thought to be, at various times, the center of the soul or a source of heat. In the 17th century medical practitioners finally began to view the heart as a pump, and they designed experiments to study its pumping action. These experiments revolutionized our view of the circulatory system. Without the pump concept, an understanding of the heart was out of grasp. Concepts and their accompanying mathematics are not sufficient for a technology to mature unless there is some way to implement the system. For instance, the mathematics necessary for the reconstruction of images from computer-aided topography (CAT) scans was known many years before the availability of high-speed computers and efficient algorithms finally made it practical to implement a useful CAT system. The history of neural networks has progressed through both conceptual innovations and implementation developments. These advancements, however, seem to have occurred in fits and starts rather than by steady evolution.
创新思维与方法结课论文 (2)
华北电力大学创新思维与方法结课论文关于学校床的创新 姓名：贺子新 班级：会计1001班 学号：201006060106
床的演变 关键字：创新、床 摘要：从床的出现，到发展至今，每一步的变化都是人们创新的结晶。原始社会，人们生活简陋，睡觉只是铺垫植物枝或兽皮等，掌握了编织技术后就铺垫席子。席子出现以后，床就随之出现。春秋以来，床往往兼作其他家具。唐代出现桌椅后，床由一种多功能的家具，退而成为专供睡卧的用品。19世纪20年代出现了弹簧床。19世纪后期，金属床开始出现。到现在，各种样式的床：单人床、双人床、儿童床、双层床等……每一种都深入到我们的生活中。 正文： 一、什么是创新？为什么要创新？ 创新指人类为了满足自身的需要，不断拓展对客观世界及其自身的认知与行为的过程和结果的活动。具体的讲，创新是指人为了一定的目的，遵循事物发展的规律，对事物的整体或其中的某些部分进行变革，从而使其得以更新与发展的活动。创新是人类生命体内自我更新、自我进化的自然天性。创新是人类心理特有的天性。创新是人类自身存在与发展的客观要求。创新是人类社会文明与进步的标志。创新是人类与自然交互作用的必然结果。 我们为何要创新？早在3000多年前，我国的商汤王就喊出了响彻环宇的创新之音“茍日新，日日新，又日新”。人类的生存与发展遇到了严峻的挑战：资源匮乏、人口膨胀、环境污染、疾病丛生；中华民族的生存与发展遇到了严峻的挑战：人口压力、经济压力、安全压力、资源压力、技术压力、分配压力、创新压力、文化教育压力、国民素质压力、民主与法制的压力；以创新为特征的21世纪是一个充满竞争的世纪：从生产率看，日本是中国40倍，美国是中国50倍，中等发达国家是中国10倍；从科技投入看，日本是中国25倍，美国是中国50倍；从人均科技投入看，日本是中国250倍，美国是中国300倍。98年全国专利35960件，外国人占61.3% 无论是纵观历史，还是横阅当今，民族之间或国家之间的所有进步和落后的差异，都是由创新所致。一切竞争归根结底都是创新人才及创新人才所具备的创新能力的竞争，是创新速度与效率的竞争，而适宜创新人才成长的良好社会制度安排与环境营造是创新的根本。中国是一个有着五千年悠久历史和灿烂文明的国家，中华民族从来不缺少创新精神和创造型思维的能力。我们应该有坚定的信念，特别是我们的年轻人，应该有这种信心、有这种信念，要坚持弘扬创新精神，要大力培育创新意识，在新的世纪里，我们一定能够重现中华文明的灿烂辉煌，实现中华民族的伟大复兴！ 作为当代大学生，我们更加需要的就是创新精神，但是创新不是凭空想象，那是建立在现实基础上的，想要进行创新，我们就要对已经存在的产品进行了解，只有这样我们才能对其进行改造和创新！
人工智能与神经网络课程论文
1. 引言 (2) 2. 在农业生产管理与决策中的应用 (2) 2.1. 在农业机械化中的应用 (2) 2.2. 在智能农业专家系统中的应用 (3) 3. 在预测和估产中的应用 (3) 3.1. 在农作物虫情预测中的应用 (3) 3.2. 在作物水分和营养胁迫诊断及产量估测中的应用 (4) 4. 在分类鉴别与图像处理中的应用 (5) 5. 结束语 (5)
BP 神经网络的研究与应用 摘要: 本文概述了BP 神经网络在农机总动力预测、农业专家系统信息决策、虫情测报、农作物水分和养分胁迫、土壤墒情、变量施肥、分类鉴别和图像处理等领域的应用情况，总结了人工神经网络模型的优点，指出其在精准农业和智能农业中的重要理论技术支撑作用。 关键词: BP神经网络; 农业工程; 农业专家系统; 变量施肥; 土壤墒情 Research and Application of BP Neural Network Abstract: Application of BP neural network in prediction of total power in agriculture machinery，information decision-making by agricultural experts system，pest forecast，crops to water stress and nutrient stress，soil moisture condition，variable rate fertilization，identification and image processing were overviewed．Characteristics of artificial neural network model were summed．Supporting role for important theory and technology in precision agriculture and intelligent agriculture were pointed． Key words: BP neural network，Agricultural engineering，Agricultural experts system，Variable rate fertilization，Soil moisture condition
本科论文致谢词
本科论文致谢词 本科论文致谢词一：本设计从选题到完成得到xx老师的悉心指导和帮助。x老师还为我提供了单独的房间和电脑设备，使我们拥有了一个良好的环境来进行毕业设计;x老师在课下空余时间里一直和我们在一起，随时为我们解决设计过程中遇到的实际问题。还将大量的书籍提供给我们阅读学习。毕业设计之所以能够顺利完成，与x老师为我们做的一切是分不开的。在制作毕业设计的这段时间里，深刻感受到了x老师正直开朗的性格，严谨的治学态度，务实的工作作风以及对学生无微不至的关怀，不仅使我增长了专业能力，也让我在个人品质修养上终身受益。特在此设计完成之际，向我的指导教师xx老师表示由衷的感谢，同时也对机电工程学院工业设计系指导和帮助过我的老师表示感谢。本科论文致谢词二：本设计的完成是在我们的导师××老师的细心指导下进行的。在每次设计遇到问题时老师不辞辛苦的讲解才使得我的设计顺利的进行。从设计的选题到资料的搜集直至最后设计的修改的整个过程中，花费了郭老师很多的宝贵时间和精力，在此向导师表示衷心地感谢!导师严谨的治学态度，开拓进取的精神和高度的责任心都将使学生受益终生!还要感谢和我同一设计小组的几位同学，是你们在我平时设计中和我一起探讨问题，并指出我设计上的误区，使我能及时的发现问题把设计顺利的进行下去，没有你们的帮助我不可能这样顺利地结稿，在此表示深深的谢意。本科论文致谢词三：本论文是在导师**教授和**研究员的悉心指导下完成的。导师渊博的专业知
识，严谨的治学态度，精益求精的工作作风，诲人不倦的高尚师德，严以律己、宽以待人的崇高风范，朴实无华、平易近人的人格魅力对我影响深远。不仅使我树立了远大的学术目标、掌握了基本的研究方法，还使我明白了许多待人接物与为人处世的道理。本论文从选题到完成，每一步都是在导师的指导下完成的，倾注了导师大量的心血。在此，谨向导师表示崇高的敬意和衷心的感谢!本论文的顺利完成，离不开各位老师、同学和朋友的关心和帮助。在此感谢—**教授、李**老师、**老师的指导和帮助;感谢资料室的……等老师的指导和帮助;感谢**大学……的关心、支持和帮助;在学习期间，得到……等师兄和师弟妹的关心和帮助，在此表示深深的感谢。没有他们的帮助和支持是没有办法完成我的学位论文的，同窗之间的友谊永远长存。本科论文致谢词四：在即将告别母校的时候，我想衷心的感谢母校四年来对我的培养，大学里，我感受到了人格魅力的伟大，受到了很多渊博思想的熏陶。特别感谢xxx老师的指导和大力支持，在做实验及论文纂写时给与了全力支持和帮助。特别感谢xxx教授在关键时刻予以点拨指导。感谢大学里的各位老师在四年的时间里的培养，使我对专业产生了浓厚的兴趣，能系统的学习专业知识，了解本专业先进知识的动向，并最终使自己成为一个对社会有用的人。 感谢我的父母二十余年的抚养，没有他们的辛苦劳累，就没有今天的我，由衷地谢谢我的爸爸妈妈。
(完整版)基于神经网络的手写数字识别系统的设计与实现毕业论文
中南大学 本科生毕业论文（设计） 题目基于神经网络的手写数字 识别系统的设计与实现
目录 摘要 (Ⅰ) ABSTRACT (Ⅱ) 第一章绪论 (1) 1.1手写体数字识别研究的发展及研究现状 (1) 1.2神经网络在手写体数字识别中的应用 (3) 1.3 论文结构简介 (4) 第二章手写体数字识别 (5) 2.1手写体数字识别的一般方法及难点 (5) 2.2 图像预处理概述 (6) 2.3 图像预处理的处理步骤 (6) 2.3.1 图像的平滑去噪 (6) 2.3.2 二值话处理 (7) 2.3.3 归一化 (8) 2.3.4 细化 (10) 2.4 小结 (10) 第三章特征提取 (12) 3.1 特征提取的概述 (12) 3.2 统计特征 (12) 3.3 结构特征 (13) 3.3.1 结构特征提取 (14) 3.3.2 笔划特征的提取 (14) 3.3.3 数字的特征向量说明 (15) 3.3 知识库的建立 (15)
第四章神经网络在数字识别中的应用 (17) 4.1 神经网络简介及其工作原理 (17) 4.1.1神经网络概述[14] (17) 4.1.2神经网络的工作原理 (17) 4.2神经网络的学习与训练[15] (18) 4.3 BP神经网络 (20) 4.3.1 BP算法 (20) 4.3.2 BP网络的一般学习算法 (21) 4.3.3 BP网络的设计 (22) 4.4 BP学习算法的局限性与对策 (26) 4.5 对BP算法的改进 (27) 第五章系统的实现与结果分析 (29) 5.1 软件开发平台 (29) 5.1.1 MATLAB简介 (29) 5.1.2 MATLAB的特点 (29) 5.1.3 使用MATLAB的优势 (30) 5.2 系统设计思路 (30) 5.3 系统流程图 (31) 5.4 MATLAB程序设计 (31) 5.5 实验数据及结果分析 (32) 结论 (27) 参考文献 (28) 致谢 (30) 附录 (31)
机械创新设计结课论文
《机械创新设计》 结课论文 课程名称《机械创新设计》 院（系、部、中心）机械工程学院 专业过程装备与控制工程 班级过程装备121 姓名 XXX 学号 201121221 题目便携式笔记本电脑桌的创新设计 起止日期 2015-5-27~2015-6-22 任课教师 XXX
便携式笔记本电脑桌的创新设计 作者：XXX （南京工程学院机械工程学院，南京211167） 摘要：当前的笔记本电脑桌普遍为平板四肢式，虽然用起来小巧方便，但是仅限于室内使用，便携性差。为解决这一问题，笔者引入“折叠”元素，结合手提箱的构造，对现有电脑桌进行改进，使之既能满足便携要求，又能作为电脑包使用。大大提高了笔记本电脑桌的实用性。 关键词：电脑桌改进；折叠；手提箱；电脑包 1引言 笔记本电脑桌，简单地讲就是可以在多个场合（床上，沙发上，腿上，桌子上，阳台上）放置笔记本电脑并使用的一种多功能小桌子。 笔记本电脑桌现在市面上主要以ABS塑胶、实木和多层板几种材质为主，目前多数的塑料外壳笔记本电脑都是采用ABS工程塑料做原料的。采用新ABS工程塑料好处有，做工精细、坚固耐用、抗拉抗压、不老化、永不褪色，重量仅仅为普通木质电脑桌重量的1/4，避免了家具的的笨重。实木的又以橡胶木为高档产品，配合家装颜色材质，但其缺点是处理不好容易变形；而多层板就解决了变形问题，但买要买品牌的，因为多层板多用含有甲醛的胶。 学生族使用的笔记本电脑桌以平板四肢式为主，它造型小巧，又很实用，而且价格不高，深受学生的喜爱，如图1所示。 图1 平板四肢式笔记本电脑桌 折叠元素很常见,并作为一个自然法则早已存在于自然界中。但是在设计领域,“折叠”一词,往往是指上升到哲学层面上的“折叠”概念。哲学家就是通过揭示隐藏的自然法则,对其进行高度地凝练和概括,才创造出哲学层面上的“折叠”概念的。哲学家创造了概念,把折叠带到了一个全新的高度,而设计师们则纷纷从他们那里汲取营养。其中德勒兹的折叠概念是其哲学体系中的核心之一,并最初引申于莱布尼兹的“单子论”。折叠在现代设计领域发挥着重要作用。 2 笔记本电脑桌造型与功能概况 笔记本电脑桌按功能来分主要有以下几类： 1、可折叠。折叠起来后大小只有14寸笔记本电脑大小，方便节省空间。 2、可升降。对于不同身材的人都可以舒适的使用，这已经成为现在笔记本电脑桌的一大特色。 3、散热性。笔记本电脑桌因为是于笔记本电脑接触最多的产品，故散热功能也变为主流。常见的散热主要是由散热孔来完成。当然也有的产品加装了散热风扇，通过从笔记本的usb接口取电，来达到散热的目的。 如图2.1、图2.2、图2.3所示。
人工神经网络论文
人工神经网络及其应用 1. 人工神经网络发展前景 人工神经网络（Artificial Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。 神经网络具有非线性自适应的信息处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用[2]。神经网络与其他传统方法相组合，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类认知的道路上更加深入发展，并与模糊系统、遗传算法、进化机制等组合，形成计算智能，成为人工智能的一个重要方向。 1.1 人工神经网络的研究背景和意义 人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应[5]。 人工神经网络就是模拟人思维的一种方式，是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点：（1）通过揭示物理平面与认知平面之间的映射，了解它们相互联系和相互作用的机理，从而揭示思维的本质，探索智能的本源。（2）争取构造出尽可能与人脑具有相似功能的计算机，即神经网络计算机。（3）研究仿照脑神经系统的人工神经网络，将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。 人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。 1.2 神经网络的发展与研究现状 1.2.1神经网络的发展