机电系统智能控制的毕业论文可以写哪些部分？

基于联合仿真的机电液一体化系统优化设计方法研究，我的题目。并联机器人系统的仿真优化在搭建的仿真优化平台上对并联机器人进行联合仿真和集成优化研究。

通过仿真优化验证了机电液一体化系统近似模型和优化算法的有效性,显著降低了整个系统设计优化模型优化的计算时间,大大提高了系统设计效率。

之前也是感觉好难，写不出来，还是学长给的莫‘文网，感觉相当专业啊，很快就发我了。

谷歌人工智能写作项目：神经网络伪原创

求一篇有2500字以上的关于（人工智能在现代战争中的应用）的论文！！谢谢！ 20

全分布式人工智能技术在舰艇指控系统中的应用研究摘要：为适应未来信息化海战场的需要，必须提高舰艇指控系统的指挥效能写作猫。舰艇指控系统的智能化是提高舰艇指挥效能的关键，也是必由之路。

本文主要论述了信息战中智能化作用的地位，特别针对舰艇指控系统；并给出了一种采用全分布式人工智能技术的智能化舰艇指控系统结构模型。

关键词：信息战；舰艇指控系统；全分布式人工智能技术；指挥效能中图分类号：TP18文献标识码：AStudyofFullDistributedArtificialIntelligenceinShipborneC2SystemZHANGYu-ce,YANGQing-song,CHENKeAbstract:Inordertobeadaptedtothedemandofinformationwarfare(IW),thecommandefficiencyofshipborneC2systemmustbeimproved.TheintellectualizationofshipborneC2systemisthekeyfactorofimprovingitscommandefficiency.ThispapergivesonemodelofintellectualizedshipborneC2systemusingfulldistributedartificialintelligence.Keywords:IW;shipborneC2system;distributedAItechnology;commandefficiency0引言1985年，美国的军事家首先提出“信息时代的到来正在引发一场新的军事革命，以信息技术为特征的新战争形态正在出现”，而后提出“信息战”，如果说海湾战争首次向世人显示了信息优势的巨大战略作用，那么美英对伊拉克的战争则是信息战的进一步延伸。

美英正是通过运用先进的情报系统、电子战装备、精确打击力量重创伊拉克的有生军事指挥系统，从而牢牢地掌握了战场的制信息权，最终以较小的代价取得了全面胜利。对于信息战的特征，从不同的角度都会得出不同的解释。

而外军普遍认为，信息战实质上就是计算机战，特别是一种高层次的智能较量，海湾战争和近期几场局部战争，充分体现了高技术战争的智能化特征。这种特征尤其体现在战争的孕育期以及到战争实施期的过渡。

1997年1月3日，美国防部下属国防科学委员会的一个研究小组在提交的一份题为“信息战--防卫”的报告中，就特别强调要强化部队的智能化反应能力，呼吁军方加强“信息战”的防卫能力，以防止电子“珍珠港”事件的发生，保证美国军方现有210万台计算机和1万个地方性计算机网络不轻易遭到重创。

另外，在战术运用上也强调对敌摧毁、破坏和利用的智能化综合应用，同时也是作战保密、军事欺骗、心理战、电子战、火力摧毁等多种作战行动在指挥对抗过程中综合发挥作用的必然要求[1]。

美军针对战争形态嬗变以及未来战争的要求，凭借其高技术方面的优势，提出了“数字部队”的现代化建设方案，其中首要的一条，便是实现指挥与控制系统以及武器装备的智能化。

武器装备和作战指挥的智能化，将最大限度地延伸“人体”的功能，并成为提高军队战斗力的一个新的增长点。因此，外军有专家预言：“未来谁能在人工智能领域中取胜，谁就将取得新军事革命的主动权”。

1全分布式的新型智能化舰艇指控系统的作用1.1提高信息共享程度，增强系统生存能力和抗摧毁能力所谓全分布式是指整个系统实现在地点上的分布、功能上的分布以及控制上的分布。

因此，这种分布不仅体现在系统的硬件上、地点上、分布式拓扑结构上，更重要的是在其软件上的分布。

全分布体系结构，每一个节点都装有整个应用软件，系统的管理软件分布在各个节点，但只有一个在工作，同时采用分布式数据库。这样的好处是，当某个地点、功能或者控制上失效可由备份处理能力和功能冗余软件恢复。

主要功能可以从一个节点重新分配到其它节点；而当正在工作的运行系统管理软件的节点失效时，可自动重新安装运行系统管理软件。

软、硬件全分布体系统结构的实现有赖于一种模块化的拼接技术的支持，这种技术采用了Σ拼接技术[2]，是一种典型的系统模块化、全分布式体系结构的技术。

由于现代海战的残酷性，采用全分布式体系结构，能够提高信息共享程度，增强系统生存能力和抗摧毁能力，提高系统的通装性，能够满足军方对指控系统可靠性高、抗摧毁性强、生命力强、通信组织灵活以及自动化程度高的要求。

1.2提高信息和决策的合成效率智能化能提高舰艇指控系统信息采集的效率，提高信息的及时性、准确性和可用性，信息的采集依赖于战场或更大范围的环境监视与侦察，这又需要在空间上分散的部队或其他相应的载体来完成。

而这会引出两个问题，一是如何实现部队或载体的侦察器材最佳配置以及相互之间的通信联络；二是当某一个侦察器材无法有效地执行某一给定的侦察任务时，如何才能不影响系统整体任务的完成。

而解决这些问题的有效方法就是采用分布式人工智能（DAI）技术，开发以多主体系统(MAS)为基础的信息采集系统，使各种侦察主体自主运行，既能够与动态的战场进行交互作用和实施推理，同时又可和别的主体进行协调与协作，因而具有很高的信息采集效率和自我重组能力。

智能化辅助决策提高了舰艇指控系统指挥决策的实用性和适应性。计算机辅助决策通常有检索型和智能型两种类型。

检索型将先验设想制定的多种作战预案存于软件库中，需要时按一定相关性准则从库中找出作战预案，提供给指挥员使用。

智能化辅助决策则不仅如此，更重要的是具有人工智能特征，可以按照军事专家的知识和推理过程，依据实际情况，自动地、实时地提供给指挥员满足当前需要的作战方案。

显然，智能型比检索型具有更多的灵活性和更大的适应性，更符合战场多变的实际情况。智能化辅助决策系统可以帮助舰艇指挥人员解决普通方法难以解决的半结构化或非结构化的决策问题。

这种决策问题很难用常规的方法加以解决，而通过利用智能辅助决策和知识推理，可以得到令人满意的解答。这样，改进了决策过程，使决策者能够实现定性与定量相结合的高质量的决策和多目标综合决策。

1.3促进全新指挥控制方式的产生智能化的舰艇指控系统需要与之相适应的指挥控制方式才能实现在智能化状态下实施实时、高效的指挥控制。

因此，一些全新的指挥方式应运而生，如网络式指挥、非分层式指挥、互访式指挥等，通过互联网络和高效的智能化处理系统及时处理、传递信息，能使指挥员随时掌握战场情况并下达作战命令，从而可以及时捕捉战机，实现实时决策和控制。

从指挥控制中的攻击行动来看，由于智能化的舰艇指控系统的工作稳定性较好，在其运作过程中只要其工作环境和工作程序不遭到直接破坏，它就能够持续正常地进行工作。

因此，与以往相比，与人机合一的指挥系统进行对抗，客观上不仅要对敌方指挥员的有关情况了如指掌，而且还必须准确地掌握敌方指挥信息系统处理和使用信息的方式及其运作的程序，以及其指挥信息系统对己方不同的信息攻击手段、攻击方式的承受能力。

从指挥控制中的防护行动来看，在指挥系统信息化、网络化以前，指挥过程的防护主要表现为采取各种手段（如适时更换通信密码等）来确保信息传输过程中的保密性。

而现在，指挥系统的信息化改变了这种状况，使指挥和指挥系统的防护变得更加复杂。

它不仅包括确保信息传递过程中的保密，而且还包括确保系统免受病毒及其他攻击的侵害，保证系统的原始数据在运作和传递过程中不改变其原来性质和不被对方所窃取。

美国军方的试验表明，对一万个计算机系统进行攻击，在成功率高达88％的情况下，只有4％的攻击行动被探测到。

因此，在信息化战场上对己方的指挥信息系统进行防护，没有及时、准确和充足的情报保障，就无法采取相应的防护措施，甚至连发现敌方的攻击都无法做到。

1.4提高作战人员的适应能力未来海战场作战人员的反应能力很难适应来自多方向、多批次、多个目标、全方位的威胁。利用智能化的舰艇指控系统能够提高作战人员，特别是指挥人员对复杂战场的适应能力。

当然，系统的智能化不仅没有降低反而提高了对人的要求，对人的素质产生了一种巨大的需求，促使指挥人员在知识结构、思维方式等各方面素质的转变和提高。指挥人员要想驾驭现代战争，首先必须驾驭智能化的指控系统。

同时，智能化指控系统也利用计算机技术、虚拟现实（VR）技术和分布网络技术提供了一些崭新的训练方法和手段，如：模拟沉浸式训练、虚拟现实训练、交互分布式训练等，改变了传统的训练模式，增大了训练的科学性、对抗性和经济性，可以有效的提高训练质量。

2建立分布式人工智能技术的舰艇指控系统采用分布式人工智能技术DAI可将问题化解为多个具有层次结构的分问题[3]，运用大系统分解协调方法求得满意解，从而减少系统建模求解的复杂性。

为提高决策效率，建立如图1所示的分布式人工智能舰艇指控系统。

图1分布式人工智能舰艇指控系统结构图由图1可以看出：这种舰艇指控系统是战场、作战、军事专家知识的有机统一，并具备能够自我学习、自我完善能力的智能系统。

它能够根据战场态势分析、威胁度评估、威胁源诊断等信息生成用于决策的模型，调用相关的数据和算法提供备选方案，并对各种方案进行评估和优选，通过大屏幕用户界面进行人机对话，帮助指挥员下决心及传输指令。

当舰艇各执行单元接到指令后，予以响应、动作。

图中，据库主要存储各种武器装备战术性能参数和典型编制、运算过程的动态参数等；知识库主要存储战役战术原则、兵力兵器使用原则，各种典型想定，包括战场环境、作战企图和态势，评估作战进程所必需的基本算法等；模型库主要存储与作战有关的敌我双方各种武器系统模型、线性和非线性规划模型、推理分析模型、预测模型、模拟试验模型、优化模型、评估模型、综合运筹模型、数据处理模型、图形图像报表模型、智能模型等；人机对话系统是指挥控制系统中用户和计算机的接口，起着在操作者、模型库、数据库、知识库之间传递(包括转换)命令和数据的重要作用；自动推理机则完成定量描述难以实现的某些复杂作战过程决策。

而基于信息库的智能模糊专家系统主要由模糊产生器、模糊消除器、模糊推理机、知识获取模块、模糊知识库、模糊数据库及人机接口组成［4］，如图2所示。

主要任务是通过对原始信息空间的操作，获取各种数据信息，再由模糊产生器将其映射为一个模糊集合作为初始输入，然后利用模糊知识库中的语言信息——事实和规则，采用“黑板”模型进行问题分解、推理求解及协作控制，并采用“黑板+管道”的通信机制与其他子系统/模块传递控制信息和知识信息，从而确定智能化配置，控制作战指挥模式的切换，完成作战任务的分配与调度、模糊神经网络群系统结构与参数的自适应调整与优化、对各子系统/模块的故障隔离与系统重构以及网络通讯、各智能接口的管理等。

图2基于信息库的智能模糊专家系统结构图3结束语通过以上论述可以知道，全分布式的智能化舰艇指控系统能够真正、实时地将战场、作战指挥行动以及后方军事专家知识有机地融和在一起，使得各种武器装备的效能得到最大限度的发挥。

这种舰艇指控系统能够突破现有的战场时空，改变信息战场的面貌和形态，引起一场真正意义的新军事革命，因而是舰艇指控系统的发展趋势。

人工智能论文哪个方向好写

。

人工智能与机器人研究这本期刊的领域有这些：智能机器人、模式识别与智能系统、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、智能计算与机器博弈、人工智能理论、语音识别与合成、机器翻译、图像处理与计算机视觉、计算机感知、计算机神经网络、知识发现与机器学习、建筑智能化技术与应用、人智能其他学科人工智能与机器人研究这本期刊的领域，你可以参考下：智能机器人、模式识别与智能系统、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、智能计算与机器博弈、人工智能理论、语音识别与合成、机器翻译、图像处理与计算机视觉、计算机感知、计算机神经网络、知识发现与机器学习、建筑智能化技术与应用、人智能其他学科具体那个好写就看你自己的专业知识了，你擅长哪方面的就写哪方面的吧。

求人推荐几本有关神经网络和遗传算法的书籍?

。

图书.<神经网络>作者：候媛彬，杜京义，汪梅编著出版社：西安电子科技大学出版社出版时间：2007-8-1字数：339000版次：1页数：223ISBN：呵呵26分类：图书>>计算机/网络>>人工智能定价：￥26.00内容简介神经网络是智能控制技术的主要分支之一。

本书的主要内容有：神经网络的概念，神经网络的分类与学习方法，前向神经网络模型及其算法，改进的BP网络及其控制、辨识建模，基于遗传算法的神经网络，基于模糊理论的神经网络，RBF网络及其在混沌背景下对微弱信号的测量与控制，反馈网络，Hopfield网络及其在字符识别中的应用，支持向量机及其故障诊断，小波神经网络及其在控制与辨识中的应用。

本书内容全面，重点突出，以讲明基本概念和方法为主，尽量减少繁琐的数学推导，并给出一些结合工程应用的例题。

本书附有光盘，其中包括结合各章节内容所开发的30多个源程序，可直接在MATLAB界面下运行，此外，还包括用Authorware和Flash软件制作的动画课件。

本书既可作为自动化和电气自动化专业及相关专业的研究生教材，也可供机电类工程技术人员选用，还可作为有兴趣的读者自学与应用的参考书。

作者简介侯媛彬，教授，女，博士生导师，1997年获西安交通大学系统工程（Ⅰ）博士学位。

西安科技大学矿山机电博士点学科带头人，西安科技大学省重点学科“控制理论与控制工程”学科带头人，中国自动化学会电气专业委员会委员，陕西省自动化协会常务理事兼教育委员会主任。

一直从事自动化、安全技术与工程方面的教学和研究工作。讲授过博士、硕士和本科各层面的专业课程10多门。在国内外公开发表学术论文110余篇，其中被EI和ISTP检索30余篇。

出版专著、教材8部：承担省部级科研项目及横向项目10余项；获实用新型专利2项；获省级科技进步奖3项：获科研、教学方面的各种奖10多项；2006年获省级师德标兵。

关于自动控制技术主要内容的论文

。

自动控制技术是能够在没有人直接参与的情况下，利用附加装置（自动控制装置）使生产过程或生产机械（被控对象）自动地按照某种规律（控制目标）运行，使被控对象的一个或几个物理量（如温度、压力、流量、位移和转速等）或加工工艺按照预定要求变化的技术。

它包含了自动控制系统中所有元器件的构造原理和性能，以及控制对象或被控过程的特性等方面的知识；自动控制系统的分析与综合；控制用计算机（能作数字运算和逻辑运算的控制机）的构造原理和实现方法。

自动控制技术是当代发展迅速，应用广泛，最引人瞩目的高技术之一；是推动新的技术革命和新的产业革命的核心技术；是自动化领域的重要组成部分。

自动控制技术有很强的应用背景，无论是在炼钢、轧钢、化工、石油、电力等工业上，或是造纸、纺织、皮革和食品等工业上；无论是在航空、航海、汽车和铁路运输工业和国防工业上，或是图书资料的管理、实验室技术设备上都得到广泛应用。

自动控制技术对导弹和人造地球卫星是非常重要的，对于研究原子能的应用，研究飞机和导弹的空气动力和结构强度也是有用的。没有应用背景的“控制理论”就缺乏生命力。

如何巧妙地运用控制的基础理论来解决实际问题是和研究控制理论本身不同的另一种创造性工作。

近年来自动控制技术发展迅猛，特别是计算机技术、网络和通信技术发展的突飞猛进，使人们籍助于许多使能技术的进步和一些开发工具的扩大，将人们构思的自动操作得以付诸实现。

如网络控制技术、可编程控制器等均属于自动化控制技术中的使能技术。自动控制技术正向着网络化、集成化、分布化、节点节能化的方向发展。

自动控制技术领域为广大用户提供的科学数据主要包括自动控制理论和方法、自动控制系统、控制软件技术、自动控制设备、可靠性技术、功能安全技术等6个数据集。

自动控制理论与方法数据集：主要包括自动控制的基本理论，其中包含决策分析和博弈、多级递阶和分散控制、稳定性和鲁棒性、决策支持系统、自适应、自学习、自校正等数据。

系统的建模与仿真、图像处理与模式识别、智能计算与控制均有大量基础数据。并且提供了自动控制最新理论与方法，其中包含基于网络的控制、对象模型不确定系统和鲁棒性、协调控制相关数据。

自动控制系统数据集：主要包括自动控制系统体系结构，技术规范，系统集成及典型系统——分布式控制系统（DCS）、基于现场总线的控制系统（FCS）、可编程自动化系统（PAC）、数据采集和监督控制系统（SCADA）相关数据，在典型系统中我们采集了每个系统的应用实例及一些国际知名厂商的典型产品，为用户提供最新、优质、全面、可靠的技术规范。

控制软件技术数据集：包括了常规PID控制和先进控制软件：多变量模型预测控制、专家系统、模糊控制及人工神经网络控制组态软件相关基础数据。

详细介绍了制造执行系统MES，包含制造执行系统概述、制造执行系统有关的国际标准、实用的制造执行系统软件等数据。

自动控制设备数据集：包括可编程序控制器、嵌入式控制器、工业控制计算机、分布式I/O、变频驱动器以及运动控制和伺服控制设备的体系结构、性能参数、技术参数及工业控制用编程语言，并且提供典型产品的基础数据。

可靠性技术数据集：包括可靠性概述、可靠性有关国际标准、故障诊断、可靠性设计数据，为技术人员进行产品设计提供重要参考数据。

功能安全技术数据集：包括其基本概念、电气/电子/可编程电子安全以及行业适用的功能安全国际标准及风险评价、安全性设计、网络通信安全等数据。

自动控制的原理和方法，自动化单元技术和集成技术及其在各类控制系统中的应用。

它以自动控制理论为基础，以电子技术、电力电子技术、传感器技术、计算机技术、网络与通信技术为主要工具，面向工业生产过程自动控制及各行业、各部门的自动化。

它具有“控（制）管（理）结合，强（电）弱（电）并重，软（件）硬（件）兼施”鲜明的特点，是理、工、文、管多学科交叉的宽口径工科专业。

学生在毕业后能从事自动控制、自动化、信号与数据处理及计算机应用等方面的技术工作。

就业领域也非常宽广，包括高科技公司、科研院所、设计单位、大专院校、金融系统、通信系统、税务、外贸、工商、铁道、民航、海关、工矿企业及政府和科技部门等自动控制技术是对设备进行技术改造和推动技术发展的重要手段，在科研、生产乃至家庭生活等各个领域得到了广泛的应用。

.在工农业生产和日常生活中，自动控制的例子是很多的。

工业生产设备的自动化，可以改善劳动条件，增加产量，提高质量，提高企业的经济效益；军事装备的自动化，可以提高武器的精度、速度和战术技术性能；在许多人们无法接近的场合，自动控制将是解决问题的惟一的技术手段。

近年来，随着电子元器件和电路技术的迅速发展，尤其是计算机技术的推广应用，为自动控制技术的发展增添了新的活力。

为了普及自动控制知识，满足技术革新和技术改造以及自动控制人员岗位培训的需要本书主要讲述自动控制电路的设计、制作与调试，从基本知识讲起，介绍自动控制系统的基本组成、常用传感器、基本单元电路和终端执行机构等的原理和应用技术。

在此基础上，介绍自动控制电路的一般设计思路、分析方法；以及设计自动控制电路时应注意的问题。

最后详细讲解温度自动控制、灯光自动控制、时间自动控制、液位自动控制、湿度自动控制等自动监控类电路的特点、原理、识图方法以及实例分析。

学习这些典型实例，可以开拓读者的设计思路，从中得到启发，并可作为实际制作时的参考。

.自动化控制（automationcontrol），广义来说，通常是指不需借着人力亲自操作机器或机构，而能利用动物以外的其他装置元件或能源，来达成人类所期盼执行的工作。

更狭义地说即是以生化、机电、电脑、通讯、水利、蒸汽等科学知识与应用工具，进行设计来代替人力或减轻人力或简化人类工作程序的机构机制，皆可称之。自动控制是相对人工控制概念而言的。

指的是在没人参与的情况下，利用控制装置使被控对象或过程自动地按预定规律运行。自动控制技术的研究有利于将人类从复杂、危险、繁琐的劳动环境中解放出来并大大提高控制效率。自动控制是工程科学的一个分支。

它涉及利用反馈原理的对动态系统的自动影响，以使得输出值接近我们想要的值。从方法的角度看，它以数学的系统理论为基础。我们今天称作自动控制的是二十世纪中叶产生的控制论的一个分支。

基础的结论是由诺伯特·维纳，鲁道夫·卡尔曼提出的。

神经网络算法的人工神经网络

人工神经网络（ArtificialNeuralNetworks，ANN）系统是20世纪40年代后出现的。

它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。

BP（BackPropagation）算法又称为误差反向传播算法，是人工神经网络中的一种监督式的学习算法。

BP神经网络算法在理论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。

而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定，灵活性很大，在优化、信号处理与模式识别、智能控制、故障诊断等许多领域都有着广泛的应用前景。

人工神经元的研究起源于脑神经元学说。19世纪末，在生物、生理学领域，Waldeger等人创建了神经元学说。人们认识到复杂的神经系统是由数目繁多的神经元组合而成。

大脑皮层包括有100亿个以上的神经元，每立方毫米约有数万个，它们互相联结形成神经网络，通过感觉器官和神经接受来自身体内外的各种信息，传递至中枢神经系统内，经过对信息的分析和综合，再通过运动神经发出控制信息，以此来实现机体与内外环境的联系，协调全身的各种机能活动。

神经元也和其他类型的细胞一样，包括有细胞膜、细胞质和细胞核。但是神经细胞的形态比较特殊，具有许多突起，因此又分为细胞体、轴突和树突三部分。细胞体内有细胞核，突起的作用是传递信息。

树突是作为引入输入信号的突起，而轴突是作为输出端的突起，它只有一个。树突是细胞体的延伸部分，它由细胞体发出后逐渐变细，全长各部位都可与其他神经元的轴突末梢相互联系，形成所谓“突触”。

在突触处两神经元并未连通，它只是发生信息传递功能的结合部，联系界面之间间隙约为（15～50)×10米。突触可分为兴奋性与抑制性两种类型，它相应于神经元之间耦合的极性。

每个神经元的突触数目正常，最高可达10个。各神经元之间的连接强度和极性有所不同，并且都可调整、基于这一特性，人脑具有存储信息的功能。利用大量神经元相互联接组成人工神经网络可显示出人的大脑的某些特征。

人工神经网络是由大量的简单基本元件——神经元相互联接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，但大量神经元组合产生的系统行为却非常复杂。

人工神经网络反映了人脑功能的若干基本特性，但并非生物系统的逼真描述，只是某种模仿、简化和抽象。

与数字计算机比较，人工神经网络在构成原理和功能特点等方面更加接近人脑，它不是按给定的程序一步一步地执行运算，而是能够自身适应环境、总结规律、完成某种运算、识别或过程控制。

人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对于写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。

所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。

首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图象模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。

在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能作出正确的判断。

如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。

如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。

这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、准确的判断和识别。

一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。（1）人类大脑有很强的自适应与自组织特性，后天的学习与训练可以开发许多各具特色的活动功能。

如盲人的听觉和触觉非常灵敏；聋哑人善于运用手势；训练有素的运动员可以表现出非凡的运动技巧等等。普通计算机的功能取决于程序中给出的知识和能力。显然，对于智能活动要通过总结编制程序将十分困难。

人工神经网络也具有初步的自适应与自组织能力。在学习或训练过程中改变突触权重值，以适应周围环境的要求。同一网络因学习方式及内容不同可具有不同的功能。

人工神经网络是一个具有学习能力的系统，可以发展知识，以致超过设计者原有的知识水平。

通常，它的学习训练方式可分为两种，一种是有监督或称有导师的学习，这时利用给定的样本标准进行分类或模仿；另一种是无监督学习或称无为导师学习，这时，只规定学习方式或某些规则，则具体的学习内容随系统所处环境（即输入信号情况）而异，系统可以自动发现环境特征和规律性，具有更近似人脑的功能。

（2）泛化能力泛化能力指对没有训练过的样本，有很好的预测能力和控制能力。特别是，当存在一些有噪声的样本，网络具备很好的预测能力。

(3)非线性映射能力当对系统对于设计人员来说，很透彻或者很清楚时，则一般利用数值分析，偏微分方程等数学工具建立精确的数学模型，但当对系统很复杂，或者系统未知，系统信息量很少时，建立精确的数学模型很困难时，神经网络的非线性映射能力则表现出优势，因为它不需要对系统进行透彻的了解，但是同时能达到输入与输出的映射关系，这就大大简化设计的难度。

(4)高度并行性并行性具有一定的争议性。承认具有并行性理由：神经网络是根据人的大脑而抽象出来的数学模型，由于人可以同时做一些事，所以从功能的模拟角度上看，神经网络也应具备很强的并行性。

多少年以来，人们从医学、生物学、生理学、哲学、信息学、计算机科学、认知学、组织协同学等各个角度企图认识并解答上述问题。

在寻找上述问题答案的研究过程中，这些年来逐渐形成了一个新兴的多学科交叉技术领域，称之为“神经网络”。神经网络的研究涉及众多学科领域，这些领域互相结合、相互渗透并相互推动。

不同领域的科学家又从各自学科的兴趣与特色出发，提出不同的问题，从不同的角度进行研究。

下面将人工神经网络与通用的计算机工作特点来对比一下：若从速度的角度出发，人脑神经元之间传递信息的速度要远低于计算机，前者为毫秒量级，而后者的频率往往可达几百兆赫。

但是，由于人脑是一个大规模并行与串行组合处理系统，因而，在许多问题上可以作出快速判断、决策和处理，其速度则远高于串行结构的普通计算机。

人工神经网络的基本结构模仿人脑，具有并行处理特征，可以大大提高工作速度。人脑存贮信息的特点为利用突触效能的变化来调整存贮内容，也即信息存贮在神经元之间连接强度的分布上，存贮区与计算机区合为一体。

虽然人脑每日有大量神经细胞死亡（平均每小时约一千个），但不影响大脑的正常思维活动。

普通计算机是具有相互独立的存贮器和运算器，知识存贮与数据运算互不相关，只有通过人编出的程序使之沟通，这种沟通不能超越程序编制者的预想。元器件的局部损坏及程序中的微小错误都可能引起严重的失常。

心理学家和认知科学家研究神经网络的目的在于探索人脑加工、储存和搜索信息的机制，弄清人脑功能的机理，建立人类认知过程的微结构理论。

生物学、医学、脑科学专家试图通过神经网络的研究推动脑科学向定量、精确和理论化体系发展，同时也寄希望于临床医学的新突破；信息处理和计算机科学家研究这一问题的目的在于寻求新的途径以解决不能解决或解决起来有极大困难的大量问题，构造更加逼近人脑功能的新一代计算机。

人工神经网络早期的研究工作应追溯至上世纪40年代。下面以时间顺序，以著名的人物或某一方面突出的研究成果为线索，简要介绍人工神经网络的发展历史。

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。

1985年，Ackley、Hinton和Sejnowski将模拟退火算法应用到神经网络训练中，提出了Boltzmann机，该算法具有逃离极值的优点，但是训练时间需要很长。

1986年，Rumelhart、Hinton和Williams提出了多层前馈神经网络的学习算法，即BP算法。它从证明的角度推导算法的正确性，是学习算法有理论依据。从学习算法角度上看，是一个很大的进步。

1988年，Broomhead和Lowe第一次提出了径向基网络：RBF网络。总体来说，神经网络经历了从高潮到低谷，再到高潮的阶段，充满曲折的过程。

人工神经网络的发展

现代意义上对神经网络（特指人工神经网络）的研究一般认为从1943年美国芝加哥大学的生理学家W.S.McCulloch和W.A.Pitts提出M-P神经元模型开始，到今年正好六十年。

在这六十年中，神经网络的发展走过了一段曲折的道路。

1965年M.Minsky和S.Papert在《感知机》一书中指出感知机的缺陷并表示出对这方面研究的悲观态度，使得神经网络的研究从兴起期进入了停滞期，这是神经网络发展史上的第一个转折。

到了20世纪80年代初，J.J.Hopfield的工作和D.Rumelhart等人的PDP报告显示出神经网络的巨大潜力，使得该领域的研究从停滞期进入了繁荣期，这是神经网络发展史上的第二个转折。

到了20世纪90年代中后期，随着研究者们对神经网络的局限有了更清楚的认识，以及支持向量机等似乎更有前途的方法的出现，“神经网络”这个词不再象前些年那么“火爆”了。

很多人认为神经网络的研究又开始陷入了低潮，并认为支持向量机将取代神经网络。

有趣的是，著名学者C.-J.Lin于2003年1月在德国马克斯·普朗克研究所所做的报告中说，支持向量机虽然是一个非常热门的话题，但目前最主流的分类工具仍然是决策树和神经网络。

由著名的支持向量机研究者说出这番话，显然有一种特殊的意味。事实上，目前神经网络的境遇与1965年之后真正的低潮期相比有明显的不同。

在1965年之后的很长一段时期里，美国和前苏联没有资助任何一项神经网络的研究课题，而今天世界各国对神经网络的研究仍然有大量的经费支持；1965年之后90%以上的神经网络研究者改变了研究方向，而今天无论是国际还是国内都有一支相对稳定的研究队伍。

实际上，神经网络在1965年之后陷入低潮是因为当时该领域的研究在一定意义上遭到了否定，而今天的相对平静是因为该领域已经走向成熟，很多技术开始走进生产和生活，从而造成了原有研究空间的缩小。

在科学研究中通常有这么一个现象，当某个领域的论文大量涌现的时候，往往正是该领域很不成熟、研究空间很大的时候，而且由于这时候人们对该领域研究的局限缺乏清楚的认识，其热情往往具有很大的盲目性。

从这个意义上说，过去若干年里各领域研究者一拥而上、各种专业刊物满眼“神经网络”的风光，其实是一种畸形繁荣的景象，而对神经网络的研究现在才进入了一个比较理智、正常的发展期。

在这段时期中，通过对以往研究中存在的问题和局限进行反思，并适当借鉴相关领域的研究进展，将可望开拓新的研究空间，为该领域的进一步发展奠定基础。