神经网络的产生

谁能简单介绍一下神经网络的提出

人工神经网络的研究与计算机的研究几乎是同步发展的。1943年，心理学家McCul-loch和数学家Pitt:合作提出了形式神经元的数学模型，成为人工神经网络研究的开端。1949年,心理学家D. O. Hehb提出神经元之间突触联系强度可变的很设，并据此提出神经元的学习准则，为神经网络的学习算法莫定了基础。现代串行什算机的奠基人Yon hleu-mane在20世纪50年代就已注意到计算机与人脑结构的差异，对类似于神经网络的分布系统傲了许多研究. 50年代末.Rosenblatt提出了感知器模型，首次把神经网络的研究付诸工程实践，引起了许多科学家的兴趣。1969年，人工智能创始人之一的Minsky和Papers以《感知器》为名出版了一本书，从数学上深人分析了感知器的原理，指出其局限性。加之当时串行计算机正处于全盛发展时期，早期的人工智能研究也取得了很大成就，从而掩盖了发展新的什算模型的迫切性，使有关神经网络的研究热潮低落下来。在此期间仍有不少科学家坚持这一领城的研究，对此后的神经网络研究提供了很好的理论基础。
1982年，Hopfield提出了神经网络的一种数学模型，引人了能量函数的概念，研究了网络的动力学性质，紧接着又设计出用电子线路实现这一网络的方案，同时开拓了神经网络用于联想记忆和优化计算的新途径，大大促进了神经网络的研究。I986年，Rumelhart及Le-Cun等学者提出了多层感知器的反向传播算法，克服了当初阻碍感知器模型继续发展的重要障碍。另一方面，20世纪80年代以来，传统的基于符号处理的人工智能在解决工程问题时遇到了许多困难。现代的申行机尽管有很好的性能，但在解决像模式识别、学习等对人来说是轻而易举的问题上显得非常困难。这就促使人们怀疑当前的Von Neuman二机是否能解决智能问题，也促使人们探索更接近人脑的计算模型，于是又形成了对神经网络研究的热潮。现在神经网络的应用已渗透到多个领城，如智能控制、模式识别、信号处理，什算机视觉、优化计算、知识处理、生物医学工程等。本章着重介绍神经网络中一些与模式识别关系密切的基本内容。