人工神經(jīng)網(wǎng)絡(luò)研究背景目的意義與現(xiàn)狀

1、人工神經(jīng)網(wǎng)絡(luò)研究背景目的意義與現(xiàn)狀1 研究背景2 國內(nèi)外研究狀況及趨勢3 研究的目的及意義1 研究背景 研究背景現(xiàn)代計(jì)算機(jī)構(gòu)成單元的速度是人腦中神經(jīng)元速度的幾百萬倍，對于那些特征明確，推理或運(yùn)算規(guī)則清楚的可編程問題，可以高速有效地求解，在數(shù)值運(yùn)算和邏輯運(yùn)算方面的精確與高速極大地拓展了人腦的能力，從而在信息處理和控制決策等各方面為人們提供了實(shí)現(xiàn)智能化和自動化的先進(jìn)手段。但由于現(xiàn)有計(jì)算機(jī)是按照馮·諾依曼原理，基于程序存取進(jìn)行工作的

2、，歷經(jīng)半個(gè)多世紀(jì)的發(fā)展，其結(jié)構(gòu)模式與運(yùn)行機(jī)制仍然沒有跳出傳統(tǒng)的邏輯運(yùn)算規(guī)則，因而在很多方面的功能還遠(yuǎn)不能達(dá)到人的智能水平。隨著現(xiàn)代信息科學(xué)與技術(shù)的飛速發(fā)展，這方面的問題日趨尖銳，促使科學(xué)和技術(shù)專家們尋找解決問題的新出路。當(dāng)人們的思路轉(zhuǎn)向研究大自然造就的精妙的人腦結(jié)構(gòu)模式和信息處理機(jī)制時(shí)，推動了腦科學(xué)的深入發(fā)展以及人工神經(jīng)網(wǎng)絡(luò)和腦模型的研究。隨著對生物腦的深入了解，人工神經(jīng)網(wǎng)絡(luò)獲得長足發(fā)展。在經(jīng)歷了漫長的初創(chuàng)期和低潮期后，人工神經(jīng)網(wǎng)絡(luò)終于

3、以其不容忽視的潛力與活力進(jìn)入了發(fā)展高潮。60 多年來，它的結(jié)構(gòu)與功能逐步改善，運(yùn)行機(jī)制漸趨成熟，應(yīng)用領(lǐng)域日益擴(kuò)大，在解決各行各業(yè)的難題中顯示出巨大的潛力，取得了豐碩的成果。正是由于人工神經(jīng)網(wǎng)絡(luò)是一門新興的學(xué)科，它在理論、模型、算法、應(yīng)用和時(shí)限等方面都還有很多空白點(diǎn)需要努力探索、研究、開拓和開發(fā)。因此，許多國家的政府和企業(yè)都投入了大量的資金，組織大量的科學(xué)和技術(shù)專家對人工神經(jīng)網(wǎng)絡(luò)的廣泛問題立項(xiàng)研究。從人工神經(jīng)網(wǎng)絡(luò)的模擬程序和專用芯片的不斷

4、推出、論文的大量發(fā)表以及各種應(yīng)用的報(bào)道可以看到，在這個(gè)領(lǐng)域里一個(gè)百花氣放、百家爭鳴的局面已經(jīng)形成。在進(jìn)行神經(jīng)網(wǎng)絡(luò)的理論研究時(shí)，人們可以將自己的神經(jīng)網(wǎng)絡(luò)模型或算法在通用的串行或并行計(jì)算機(jī)上編程實(shí)現(xiàn)，但這只是研究的手段而絕非目的，在構(gòu)造實(shí)際的神經(jīng)網(wǎng)絡(luò)應(yīng)用系統(tǒng)時(shí)，必然要考慮到硬件實(shí)現(xiàn)問題，特定應(yīng)用下的高RobertHechtNielsen 和 Todd Gutschow 在 TRW 的 AI 中心所推出的 Mark I 及改進(jìn) MarkII;

5、1986 年 Zipser 和 Rabin 所推出的 P3 系統(tǒng):1987 年 Rochester 大學(xué)推出的 RCS;1988 年 Maryland 大學(xué)的 MIRRORS 系統(tǒng);國防科技大學(xué)于 1990 年推出的性能可與上述系統(tǒng)媲美的 GKD-NNSS 軟件模擬神經(jīng)計(jì)算機(jī)。為了解決軟件模擬神經(jīng)計(jì)算機(jī)處理速度慢的問題，可以在通用機(jī)上插入神經(jīng)網(wǎng)絡(luò)加速板，形成神經(jīng)計(jì)算機(jī)工作站。1985 年 TRW 公司推出了 Mark III 神經(jīng)計(jì)算

6、機(jī)，Mark III 包含有 8 個(gè)處理板，可以并行操作，每個(gè)處理板可以仿真 1064 個(gè)虛擬的神經(jīng)元。隨后 TRW 公司在 1985 年至 1986 年又開發(fā)出了 Mark IV 神經(jīng)計(jì)算機(jī)。在研制神經(jīng)網(wǎng)絡(luò)加速板的基礎(chǔ)上，為更好地支持神經(jīng)計(jì)算，一種更好的實(shí)現(xiàn)方法便是構(gòu)成神經(jīng)網(wǎng)絡(luò)專用并行處理陣列機(jī)。這些系統(tǒng)的處理速度和神經(jīng)網(wǎng)絡(luò)加速板相比，有明顯提高。在進(jìn)行神經(jīng)網(wǎng)絡(luò)的研究中，要使神經(jīng)網(wǎng)絡(luò)在實(shí)際中能進(jìn)行有效的應(yīng)用，或是支持更好的神經(jīng)網(wǎng)絡(luò)研

7、究，神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)必須能夠支持大規(guī)模的神經(jīng)網(wǎng)絡(luò)模型的神經(jīng)計(jì)算，同時(shí)要能盡可能地縮短神經(jīng)計(jì)算的時(shí)間，達(dá)到實(shí)時(shí)的水平。但是現(xiàn)有的各種神經(jīng)網(wǎng)絡(luò)軟件模擬環(huán)境所能支持模擬神經(jīng)網(wǎng)絡(luò)模型的規(guī)模及神經(jīng)計(jì)算速度都還遠(yuǎn)遠(yuǎn)達(dá)不到研究和應(yīng)用所需要的水平。因此，開展大規(guī)模的硬件實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的研制勢在必行。3 研究的目的及意義 研究的目的及意義人工智能的方法和技術(shù)已經(jīng)用于解決很多領(lǐng)域的問題，并取得了一定的成就。人工神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的重要分支，而神經(jīng)