人工神经网络的研究方法(fāngfǎ)及应用实例分析2008.6.10第一页，共二十页。一、人工神经网络知识(zhīshi)回顾•1、什么是人工神经网络？T.Koholen的定义：“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(nénggòu)模拟生物神经系统对真实世界物体所作出的交互反应。”第二页，共二十页。2、神经网络基本(jīběn)模型细胞体突触轴突树突图1.生物神经元功能模型输入输出信息处理电脉冲形成传输o1…ok…olW1○Wk○Wl○y1○y2○…○yj…○ymV1Vm○○○○○x1x2…xi…xn-1xn图2BP神经网络结构(jiégòu)模型第三页，共二十页。3、人工神经网络研究(yánjiū)的局限性（1）ANN研究受到脑科学研究成果的限制(xiànzhì)。（2）ANN缺少一个完整、成熟的理论体系。（3）ANN研究带有浓厚的策略和经验色彩。（4）ANN与传统技术的接口不成熟。第四页，共二十页。（1）一般而言,ANN与经典计算方法相比并非优越,只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性。尤其对问题的机理不甚了解或不能用数学模型表示的系统,如故障诊断、特征提取和预测等问题,ANN往往是最有利的工具。（2）另一方面,ANN对处理(chǔlǐ)大量原始数据而不能用规则或公式描述的问题,表现出极大的灵活性和自适应性。细胞体突触轴突树突图12.2生物神经元功能模型输入输出信息处理电脉冲形成传输黑箱第五页，共二十页。二、神经网络的应用(yìngyòng)实例人工神经网络以其具有自学习、自组织、较好的容错性和优良的非线性逼近能力，受到众多领域学者的关注。在实际应用中，80%～90%的人工神经网络模型是采用误差反传算法或其变化形式的网络模型（简称BP网络），目前主要应用于函数(hánshù)逼近、模式识别、分类和数据压缩或数据挖掘。第六页，共二十页。1.样本数据1.1收集和整理分组采用BP神经网络方法建模的首要和前提条件是有足够多典型性好和精度高的样本。为监控训练（学习）过程使之不发生“过拟合”和评价(píngjià)建立的网络模型的性能和泛化能力，必须将收集到的数据随机分成训练样本、检验样本（10%以上）和测试样本（10%以上）3部分。数据分组时还应尽可能考虑样本模式间的平衡。第七页，共二十页。1.2输入/输出变量的确定及其数据的预处理一般地，BP网络的输入变量即为待分析系统的内生变量（影响因子或自变量）数,一般根据专业知识确定。若输入变量较多，一般可通过主成份分析方法压减输入变量，也可根据剔除...
