分享到:

人工神经网络 灵感源于大脑

$T人工智能是人类发展到计算机时代的又一个梦想,从上世纪80年代中期开始,人工智能的各种应用就已经令人惊奇,成为一股不容忽视的科学潮流渗透到各个领域。人工神经网络技术是人工智能技术中的一个方面,在水利科学中,主要应用于预报预测、方案优化、智能控制等方面。随着科学对人类大脑的进一步深入研究,该技术将更好地为水利所用,请看本期特别策划——$$@@@概念@@@人工神经网络$$人工神经网络系统理论是以人脑的智能功能为研究对象,以人体神经细胞信息处理方法为背景的智能计算理论,是目前国际上非常活跃的前沿研究领域之一。人工神经网络是人脑及其活动的一个理论化的数学模型,它由大量的处理单元以适当的方式互连构成,是一个大规模的非线性自适应系统。$$人工神经网络不仅在形式上模拟了生物神经系统,它也具有大脑的一些基本特征。从系统构成的形式上看,基本上都是以与生物神经系统相似的方式工作的,力求模拟生物神经系统的基本运行方式。$$人工神经网络还可称为并行分...  (本文共4页) 阅读全文>>

《世界林业研究》2019年03期
世界林业研究

人工神经网络在林业上的应用研究进展

我国作为林业大国,林业的发展对促进绿色增长、建设生态文明、维持生态平衡具有推动作用,对实现可持续发展具有重大意义[1]。在森林系统中,数据具有不确定性、复杂性以及非线性[2]的特征,采用传统的数据处理方法难以对其进行快速、准确的统计。人工神经网络作为一种可以对数据进行训练、处理和预测的工具[3],在处理非线性数据时有着较大的优势[4],在应用到森林系统中的数据处理时有着较优的处理能力。应用人工神经网络可以提高林业作业的效率与精度,增强林业作业的自动化与智能化[3]。本文拟通过研究人工神经网络在林业作业中的发展现状与应用优势,分析人工神经网络在林业作业应用中存在的问题,从而提出人工神经网络在林业作业应用中的发展方向,以期为提高林业作业的智能性和准确性研究提供参考。1 人工神经网络的发展及其在林业作业上的应用优势如今,人们在生产生活中对智能化与自动化需求的程度越来越高,人工神经网络在这个时代大背景下不断地发展,开始运用于越来越多的领...  (本文共6页) 阅读全文>>

《上海工程技术大学学报》2018年04期
上海工程技术大学学报

人工神经网络在轧钢中的应用综述

人工神经网络(Artificial Neural Network,ANN)[1-4]是一种用来模仿人脑结构及其功能的信息处理系统,具备联想记忆、分类与识别、优化计算、非线性映射等功能.ANN作为一组计算机程序,提供了一套具备记忆功能的算法,对事实上存在因果关系的事物可根据输入变量来预测输出结果.通常来说,ANN由输入层、一个或者多个隐层和输出层组成,每层分别包括若干个神经元,且各层之间由权值相连接.通过多组实测样本数据对神经网络进行训练,不断修正各层各神经元之间的权值以达到最优的预测效果[5].已有研究表明,ANN广泛应用于轧钢领域且未来依然有巨大的发展空间[4-5].由于轧制目标与各项轧制参数存在非线性、强干扰的关系,传统轧制理论模型以及基于数据的经验模型已经达到了精度瓶颈,随着目前市场对轧制产品的精度以及质量要求越来越高,必须寻求一种全新的建模思想.数学上已经证明,训练好的传递函数为Sigmoid的三层连续型前馈神经网络可以...  (本文共5页) 阅读全文>>

《科技风》2019年15期
科技风

人工神经网络在自动化领域的应用

随着经济的不断发展,市场不断增长和变化的需求对自动化领域的自动化系统及技术提出了更高的要求,人工神经网络作为一种模拟生物神经网络进行信息的处理和发送的算法模型,为解决这一问题提供了有效的思路和途径。一、人工神经网络(一)人工神经网络的定义于上个世纪五十年代出现的人工神经网络,以生物神经网络建立而成,它通过模拟生物神经网络行为,以一组共同连接的人工神经元为媒介,以连接和新值节点为终点,从而进行信息的处理和发送,是一种算法数学模型。随着经济和社会的不断发展,如今,许多国内外科学家从理论、实践层面都在对人工神经网络进行研究,人工神经网络在手写识别、信息处理、生物医学工程等许多领域里,人工神经网络都得到了应用,并且取得了不错的应用成就。(二)神经元神经元是一个人工神经网络的基本单位,又被称为“神经细胞”、“处理元”或“单位”。每一个人工神经网络都存在一定的层,每一层都存在一定的神经元,每一层的神经元具有相同的传递函数,每一层的神经元都有...  (本文共1页) 阅读全文>>

《科技传播》2018年02期
科技传播

人工神经网络初探

1人工神经网络发展背景分析人工神经网络是一门人工智能领域的新兴信息系统,运用了模仿人脑结构的仿生学原理,它得天独厚的非线性信息的处理、整合的强大功能,使之在信息、医学、经济、交通、控制、心理学等领域具有极其广阔的发展前景。它的发展可概括为四个历史时期:起步时期、低迷时期、恢复时期、新发展时期。1.1启蒙时期:20世纪40年代—20世纪60年代人工神经网络发展的奠基时期。1943年,开创了人工神经网络研究的是一个神经元模型(M-P模型)。1952年,英国生物学家Hodgkin和Huxley建立著名的H-H方程。这一方程广泛用于描述神经膜中的非线性现象,有重大历史意义。1960年,Widrow和Hoff提出激起许多学者兴趣Adaline网络模型,可用于自适应系统。上述成果足以表明初期人工神经网络所取得的奠基性成就。1.2低谷时期正当人们受到极大的鼓舞努力追求神经网络那美好的目标但却忽视其本身的局限性时,人工智能的创始人之一Minsk...  (本文共3页) 阅读全文>>

《科技传播》2018年12期
科技传播

深度学习技术及其在医疗领域中的应用

2016年初,由谷歌Deep Mind团队开发的围棋机器人Alpha Go四比一击败当时世界排名第一的韩国棋手李世石,2017年5月27日,Alpha Go又一次三比零完胜世界围棋冠军柯洁,震惊了世人。Alpha Go之所以拥有如此惊人的围棋技术,在于Deep Mind团队为其研发的基于深度学习技术的核心围棋算法[1]。在医疗领域中,要做到精准诊疗,常常需要借助影像设备获取图像(如超声成像,X光、CT、MRI等),另一方面也需要准确的解读图像。目前,医学影像的判读主要依靠影像医师完成,这样就会产生如医师的主观性,以及医师经验对判读结果的影响等问题,而且医师长时间重复工作容易产生疲劳,从而增加了误读的风险。目前,许多科技公司都在进行利用深度学习技术来进行医学影像识别、疾病诊断等方面的研究,从而辅助医师做出更有效地决策[2]。那么什么是深度学习技术,以及它在医疗领域里有哪些具体应用呢?未来将如何改变现有的医疗活动呢?本文将对深度学习...  (本文共2页) 阅读全文>>