关于神经网络的论文读后感_神经网络如何写论文
关于神经网络的论文读后感由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“神经网络如何写论文”。
关于神经网络的论文读后感
近期近代数学方法课上老师讲授了一种新的方法叫做神经网络。
神经网络（NNs）全称为人工神经网络（Artificial Neural Networks，简写为ANNs），简称神经网络，也称作连接模型（Connection Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。它是一种大规模并行的非线性动力学系统。
1943年，心理学家W·Mcculloch和数理逻辑学家W·Pitts在分析、总结神经元基本特性的基础上首先提出神经元的数学模型。此模型沿用至今，并且直接影响着这一领域研究的进展。因而，他们两人可称为人工神经网络研究的先驱。
1945年冯·诺依曼领导的设计小组试制成功存储程序式电子计算机，标志着电子计算机时代的开始。1948年，他在研究工作中比较了人脑结构与存储程序式计算机的根本区别，提出了以简单神经元构成的再生自动机网络结构。但是，由于指令存储式计算机技术的发展非常迅速，迫使他放弃了神经网络研究的新途径，继续投身于指令存储式计算机技术的研究，并在此领域作出了巨大贡献。虽然，冯·诺依曼的名字是与普通计算机联系在一起的，但他也是人工神经网络研究的先驱之一。
50年代末，F·Rosenblatt设计制作了“感知机”，它是一种多层的神经网络。这项工作首次把人工神经网络的研究从理论探讨付诸工程实践。当时，世界上许多实验室仿效制作感知机，分别应用于文字识别、声音识别、声纳信号识别以及学习记忆问题的研究。然而，这次人工神经网络的研究高潮未能持续很久，许多人陆续放弃了这方面的研究工作，这是因为当时数字计算机的发展处于全盛时期，许多人误以为数字计算机可以解决人工智能、模式识别、专家系统等方面的一切问题，使感知机的工作得不到重视；其次，当时的电子技术工艺水平比较落后，主要的元件是电子管或晶体管，利用它们制作的神经网络体积庞大，价格昂贵，要制作在规模上与真实的神经网络相似是完全不可能的；另外，在1968年一本名为《感知机》的著作中指出线性感知机功能是有限的，它不能解决如异感这样的基本问题，而且多层网络还不能找到有效的计算方法，这些论点促使大批研究人员对于人工神经网络的前景失去信心。60年代末期，人工神经网络的研究进入了低潮。
另外，在60年代初期，Widrow提出了自适应线性元件网络，这是一种连续取值的线性加权求和阈值网络。后来，在此基础上发展了非线性多层自适应网络。当时，这些工作虽未标出神经网络的名称，而实际上就是一种人工神经网络模型。
随着人们对感知机兴趣的衰退，神经网络的研究沉寂了相当长的时间。80年代初期，模拟与数字混合的超大规模集成电路制作技术提高到新的水平，完全付诸实用化，此外，数字计算机的发展在若干应用领域遇到困难。这一背景预示，向人工神经网络寻求出路的时机已经成熟。美国的物理学家Hopfield于1982年和1984年在美国科学院院刊上发表了两篇关于人工神经网络研究的论文，引起了巨大的反响。人们重新认识到神经网络的威力以及付诸应用的现实性。随即，一大批学者和研究人员围绕着 Hopfield提出的方法展开了进一步的工作，形成了80年代中期以来人工神经网络的研究热潮。
神经网络的连接形式前向网络.前向网络通常包括许多层, 常见为三层网络.这种网络特点是只有前后相邻两层之间神经元相互连接, 各神经元之间没有反馈.每个神经元可以从前一层接收多个输入, 并只有一个输出送给下一个神经元.三层前向网络分为输入层、隐层和输出层.在前向网络中计算功能的节点, 称为计算单元, 而输入节点无计算功能.常见的是网络BP反馈网络.从输出层到输入层有反馈, 即每一个节点同时接收外来输入和来自其它节点的反馈输入, 其中也包括神经元输出信号引回到本身输入构成的自环反馈.这种反馈网络每一个节点都是一个计算单元.典型是网络Hopfield相互结合型网络.它属于网状结构.构成网络中各个神经元都可能相互双向联接, 所有的神经元既作输入, 同时也用于输出.这种网络对信息处理与前向网络不一样.在前向网络中, 信息处理是从输入层依次通过中间层 隐层 到输出层, 处理结束.而在这种网络中, 如果在某一时刻从神经网络外部施加一个输入, 各个神经元相互作用, 直到使网络所有神经元的活性度或输出值, 收敛于某个平均值为止作为信息处理的结束.4 混合型网络.上述的前向网络和相互结合型网络分别是典型的层状结构网络和网络结构网络.介于这两种网络中间的一种联接方式, 在前向网络的同一层间神经元有互联的结构, 称为混合型网络.这种在同一层内的互联, 目的是为了限制同层内神经元同时兴奋或抑制的神经元数目, 以完成特定的功能。
在网络上，我查阅了相关的文献，一篇关于关于神经网络用于机器人控制的的论文说道：神经网络特别适合于机器人控制, 是由于它具有下述显著特点 :1 由于神经网络可以通过若干实例进行学习, 所以把它用作控制器的时候, 既不需要被控对象的数学模型, 也不需要人们事先为它设计好控制算法.2 因为神经网络具有并行处理信息的能力, 所以它同时能将输入的m 维向量变成输出的n 维向量.这样, 神经网络可有效地处理视觉、听觉这一类需要复杂计算的感知信息, 从而可能完成实时控制的任务.3 神经网络对外界环境或系统参数的意想不到的变化, 具有很强的自适应性, 因此神经网络控制系统具有大范围的适应能力, 是一般的自适应控制系统所无法比拟的.如：“婴儿”机器人，它安装两只摄像机并具有五个自由度.众所周知, 婴儿的特点就是爱动, 大一点的婴儿则是看见什么都好奇, 觉得新鲜, 都想把看到的东西抓到手.起初, 他们看见的东西不一定能够抓得着, 但经过不断地实践, 一旦有一次或几次成功了, 这就是所谓的“无导师学习”.能不能使现在的机器人也有这种技能呢?现在的工业机器人很难做到, 因为现在的工业机器人要作什么都是由人事先计划好并作一遍才行.即所谓的“示教——再现”,“示教——再现”是一种有导师的学习.如机器人的支臂、手和各关节的尺寸都准确知道, 即如果运动模型已知的话, 也可以把要作的事情 即任务 按时间顺序写成程序, 计算机根据已知的模型将任务翻译成各个关节的角度变化加以实现.这种控制方式的前提是模型必须已知.可是, 上述的婴儿机器人不需要知道自己的模型, 这样好像与人的本能更接近一些.人们虽然说不出自己手臂上的每根骨头的尺寸, 但是人们的眼睛和手可以配合得非常默契.这种机能是靠学习得来的并以某种隐含的形式记在脑皮层的某个区域.在学习过程中, 这个隐含的内容也不断地更新自己.人由婴儿长成大人, 骨骼和肌肉的力量一直在发生变化, 脑中那个隐含的内容 知识和经验也不断调整自己.用自动控制的术语说, 这就是控制系统的自适应性;应该指出, 现代工业机器人的自适应性还极其有限.“婴儿”机器人的工作过程分为两个阶段: 学习阶段和工作阶段.在学习阶段, 婴儿手里握着一个圆柱体, 在随机位置发生器的作用下, 随机地摆成这个姿势或那个姿势.在这个过程中, 摄像机将看到的一幅情景信息通过输入变换并进入神经网络, 接着产生目标变换的输出.这个输出与随机位置产生器产生的实际输出的差值用来调整权变换, 以使看到的和实际做到的不断地趋于一致.例如, 经过1200 次姿势训练后,“婴儿”机器人就学得很好了.在工作阶段, 它可以把圆柱体摆在“婴儿”工作空间的任何一个位置和角度上,“婴儿”机器人可以迅速地移动手臂, 并用它的手准确地将圆柱体擒住.如果改变一下工作环境, 例如将“婴儿”机器人的底坐上垫上点东西,“婴儿”机器人第一次擒获会失败, 但它有能力适应这种工作环境的变化, 不需要重新返回学习阶段就可以调整自己控制网络的权, 并在相继的抓获中取得成功.实际神经网络的应用研究可以分为以下两大类：
1、神经网络的软件模拟和硬件实现的研究。
2、神经网络在各个领域中应用的研究。这些领域主要包括：模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。随着神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用定将更加深入。
在看了那些资料以后，我明白了神经网络在应用上是非常广泛的，而以后我应该更加努力地学好它，学会在以后的生活实践中去应用它。
刀豆文库小编为你整合推荐4篇神经网络论文，也许这些就是您需要的文章，但愿刀豆文库能带给您一些学习、工作上的帮助。......
神经网络论文神经网络是近年来迅猛发展的前沿课题，它对突破现有科学技术的瓶颈起到重大的作用。下面要为大家分享的就是神经网络论文，希望你会喜欢！摘 要人工神经网络是近年来......
刀豆文库小编为你整合推荐3篇神经网络经典论文，也许这些就是您需要的文章，但愿刀豆文库能带给您一些学习、工作上的帮助。......
神经网络经典论文神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络。那么关于人工的神经网络的论文应该怎么写呢？下面就和小编一起来看看吧。摘要：软件需求分析不仅......
刀豆文库小编为你整合推荐4篇人工神经网络论文，也许这些就是您需要的文章，但愿刀豆文库能带给您一些学习、工作上的帮助。......
