神经网络控制的特点分析_模糊神经网络发展进程 - 全文

前言

神经网络控制系统又成为模糊控制系统，是个新兴的控制方法，就象我们说小明学习很好，但是怎么个好法就是个很模糊的概念。模糊控制不同与经典控制理论的关键在于他有一套属于他自己的模糊算法，这个对数学的要求还是挺高的，模糊控制也成做为智能控制系统。

神经网络的特点分析

（1） 神经网络的一般特点

作为一种正在兴起的新型技术神经网络有着自己的优势，他的主要特点如下：

① 由于神经网络模仿人的大脑，采用自适应算法。使它较之专家系统的固定的推理方式及传统计算机的指令程序方式更能够适应化环境的变化。总结规律，完成某种运算、推理、识别及控制任务。因而它具有更高的智能水平，更接近人的大脑。

② 较强的容错能力，使神经网络能够和人工视觉系统一样，根据对象的主要特征去识别对象。 ③ 自学习、自组织功能及归纳能力。

以上三个特点是神经网络能够对不确定的、非结构化的信息及图像进行识别处理。石油勘探中的大量信息就具有这种性质。因而，人工神经网络是十分适合石油勘探的信息处理的。

（2） 自组织神经网络的特点

自组织特征映射神经网络作为神经网络的一种，既有神经网络的通用的上面所述的三个主要的特点又有自己的特色。

① 自组织神经网络共分两层即输入层和输出层。

② 采用竞争学记机制，胜者为王，但是同时近邻也享有特权，可以跟着竞争获胜的神经元一起调整权值，从而使得结果更加光滑，不想前面的那样粗糙。

③ 这一网络同时考虑拓扑结构的问题，即他不仅仅是对输入数据本身的分析，更考虑到数据的拓扑机构。

权值调整的过程中和最后的结果输出都考虑了这些，使得相似的神经元在相邻的位置，从而实现了与人脑类似的大脑分区响应处理不同类型的信号的功能。

④ 采用无导师学记机制，不需要教师信号，直接进行分类操作，使得网络的适应性更强，应用更加的广泛，尤其是那些对于现在的人来说结果还是未知的数据的分类。顽强的生命力使得神经网络的应用范围大大加大。

 自组织神经网络相对传统方法的优点

自组织特征映射神经网络的固有特点决定了神经网络相对传统方法的优点：

（1）自组织特性，减少人为的干预，减少人的建模工作，这一点对于数学模型不清楚的物探数据处理尤为重要，减少不精确的甚至存在错误的模型给结果带来的负面影响。

（2）强大的自适应能力大大减少了工作人员的编程工作，使得被解放出来的处理人员有更多的精力去考虑参数的调整对结果的影响。使得更快的改进方法成为可能。

（3）网络工作过程中考虑数据和网络的拓扑结构的问题，更类似人类大脑思考问题的方式，问题的解决更符合人的特点，使得结果的可信程度加大。

（4）无导师学习机制，不需要教师信号。对于地球物理勘探这类的很少有准确的教师信号作为指导的问题而言，这一点很有优势，很好的模仿人脑，所得结果是其他方法处理结果的很好的参考。

 关于人工神经网络

人工神经网络是近几年来循序发展的人工智能新技术，他比专家系统、模糊理论等人工智能技术具有更高水平。

人工神经网络在80年代中期得到了飞速的发展。1982年美国加州州立理工学院物理学家Hopfield教授提出了Hopfield人工神经网络模型，他将能量函数的概念引入人工神经网络，并给出了稳定性的判据，开拓了人工神经网络用于联想记忆和优化计算的新途径。

人工神经网络模拟人类部分形象思维的能力，是模拟人工智能的一条途径。特别是可以利用人工神经网络解决人工智能研究中所遇到的一些难题。人工神经网络理论的应用已经渗透到多个领域，在计算机视觉、模式识别、智能控制、非线性优化、自适应滤波相信息处理、机器人等方面取得了可喜的进展。
#e#

 国外研究发展的过程

神经网络诞生半个多世纪以来，同其他事务一样发展不是一帆风顺的，大体上经历了以下5个阶段：

（1）奠基阶段。

早在20世纪40年代初，神经解剖学、神经生理学、心理学以及人脑神经元的电生理的研究等都有一定的成果。其中，神经生物学家McCulloch提倡数字化具有特别的意义。他同青年数学家Pitts合作，从人脑信息处理观点出发，采用数理模型的方法研究了脑细胞的动作和结构及其生物神经元的一些基本生理特性，提出了第一个神经计算模型，即神经元的阈值元件模型，简称为MP模型，他们认识到了模拟大脑可用于逻辑运行的网络，有一些结点，及结点与结点之间相互联系，构成一个简单神经网络模型。其主要贡献在于，结点的并行计算能力很强，为计算神经行为的某此方面提供了可能性，从而开创了神经网络的研究。这一革命性的思想，产生了很大影响。

（3） 第一次高潮阶段。

在1958年计算机科学家Rosenblatt基于MP模型，增加了学习机制，推广了MP模型。他证明了两层感知器能够将输入分为两类，首先假如这两种类型是线性并可分，也就是一个超平面能将输入空间分割，其感知器收敛定理：输入和输出层之间的权重的调节正比于计算输出值与期望输出之差。

他提出的感知器模型，首次把神经网络理论付诸工程实现。例如，1957年到1958年间在他的帅领下完成了第一台真正意义上的的神经计算机，即：Mark Ⅰ的感知器。他还指出了带有隐含层处理元件的3层感知器这一重要的研究方向，并尝试将两层感知器推广到3层。但是他没有能够找到比较严格的数学方法来训练隐含层处理单元。这种感知器是一种学习和自组织的心理学模型，其结构体现了神经生理学的知识。当模型的学习环境含有噪音时，内部结构有相应的随机联系，这种感知器的学习规则是突触强化律，它可能应用在模式识别和联想记忆等方面。可以说，他的模型包含了一些现代神经计算机的基本原理，而且是神经网络方法和技术上的重大突破，他是现代神经网络的主要构建者之一。Rosenblatt的行为激发了很多学者对神经网络研究的极大兴趣．美国的上百家有影响的实验室纷纷投入到这个领域，军方给予巨额资金资助，比如，对声纳波识别，迅速确定敌方的潜水艇位置，经过一段时间的研究终于获得了一定的成果。这些事实说明，神经网络形成了首次高潮。

（4） 坚持阶段。

神经网络理论那些遥远的但是并非不可达到的目标着实吸引着很多人的目光，美国军方认为神经网络工程应当比“原子弹工程”更重要，并且对它的投资兴趣巨大，而对它的实践效果也比较满意。这时，Minsky比较关心的是人工智能的发展与前途问题。以顺序离符号推导为其基本特征与神经网络大相径庭。他引发学术界的争议，导致对人工智能投资的增加。他从感知器的功能及局限性入手，在数学上进行了分析，证明了感知器不能实现XOR 逻辑函数问题，也不能实现其它的谓词函数。他认识到感知器模式的简单神经网络对于认知群不变性无能为力。1969年Minsky

和Papert在MIT出版了一本论著Percertrons，对当时与感知器有关的研究及其发展产生了十分负面的影响，使得有些学者把研究兴趣转移到人工智能或数字电子计算机有关的理论和应用方面。这样，推动了人工智能的发展，使其占了主导地位。美国在此后15年里从未资助神经网络研究课题，致使前苏联有关研究机构也受到感染，终止了已经资助的神经网络研究的课题。

（5） 第二次高潮阶段。

1981年芬兰Helsink大学的T.Kohonen提出了自组织映射网络模型（Self-Organizing feature Map，简称SOM），又称Kohonen网。Kohonen认为，一个神经网络接受外界输入模式时，将会分成不同区域，各个区域对输入模式有着不同的响应特征，而且这一过程是自动完成的。映射具有拓扑性质，对一维、二维都是正确的，并在计算机上进行了模拟，通过实例所展示的自适应学习，学习效果显著。他认为有可能推广到更高维的情况。但是当时，他的自组织网络的局部与全局稳定性问题还没有得到解决。值得一提的是，Hinton和Anderson的著作Para llel Models of Associative Memory产生了一定的影响。由于理想的神经元连接组成的理论模型也具有联想存储功能，因此具有特别有意义。这类神经网络从40年代初期就有学者在研究。 当然，不同时期的研究总有新的认识。1982年生物物理学家Hopfield详细阐述了它的特性，他对网络存储器描述得更加精细，他认识到这种算法是将联想存储器问题归结为求某个评价函数极小值的问题，适合于递归过程求解，并引入Lyapunov函数进行分析。在网络中 ，节点间以一种随机异步处理方式相互访问，并修正自身输出值，可用神经网络来实现，从而这类网络的稳定性有了判据，其模式具有联想记忆和优化计算的功能。并给出系统运动方程，即Hopfield神经网络的神经元模型是一组非线性微分方程。

（6） 新发展阶段。

从神经网络理论简短的发展历史来看，它们的高潮阶段是十分容易度过的。IJCNN91大会主席Rumelhart意识到这一点，在他的开幕词中有一个观点，神经网络的发展已到了一个新的转折的时期，它的范围正在不断扩大，其应用领域几乎包括各个方面。半个世纪以来，这门学科的理论和技术基础已达到了一定规模，但是神经网络到新发展阶段，需要不断完善和突破，使其技术和应用得到有力的支持。

 国内神经网络发展的历史

国内最早涉及人工神经网络的著作是涂序彦先生等于1980年发表的《生物控制论》一书，书中将“神经系统控制论”单独设为一章，系统地介绍了神经元和神经网络的结构、功能和模型。随着人工神经网络20世纪80年代在世界范围内复苏，国内也逐步掀起了研究热潮。1989年10月和11月分别在北京和广州召开了神经网络及其应用学术讨论会和第一界全国信号处理－神经网络学术会议。1990年2月，由中国八个学会联合在北京召开“中国神经网络首届学术大会”。收到了来自全国的300多篇论文，从而开创了中国神经网络及神经计算机方面科学研究方面的新纪元。

 神经网络发展现状

几十年的发展使得神经网络上升到了一个新的高度，国外的发展十分迅速而且富有成果，在信息领域、自动化领域、工程领域、医学领域、经济领域都取得了丰硕的成果，特别是美苏军方对神经网络的投入大大刺激了神经网络的发展，吸引了一大批有识之士加入到这一行列，经历了第二次高潮阶段之后，神经网络的发展更加迅速带来了新的技术成果。如：手写输入、语音识别、联想记忆、节能、卫星动作监测、信贷分析等等。

经过多年的发展，国内学术界和工程界在人工神经网络的理论研究和工程应用方面也取得了丰硕成果，学术论文、应用成果和研究人员的数量逐年增长。医疗、中药、病人分类等方面尤其在石油工业神经网络的发展十分迅速，物探的储层识别等方面应用十分突出。这方面的学术论文迅速增加，并取得了一定的成果，为物探的发展开辟出一个新的方向。