人工神经网络的发展历程和分类的详细资料说明

　　1943 年， 心理学家W.S.McCulloch 和数理逻辑学家W.Pitts 建立了神经网络和数学模型，称为MP 模型。他们通过MP 模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1949 年，心理学家提出了突触联系强度可变的设想。60 年代，人工神经网络的到了进一步发展，更完善的神经网络模型被提出。其中包括感知器和自适应线性元件等。M.Minsky 等仔细分析了以感知器为代表的神经网络系统的功能及局限后， 于1969 年出版了《Perceptron 》一书， 指出感知器不能解决高阶谓词问题。他们的论点极大地影响了神经网络的研究， 加之当时串行计算机和人工智能所取得的成就， 掩盖了发展新型计算机和人工智能新途径的必要性和迫切性，使人工神经网络的研究处于低潮。在此期间， 一些人工神经网络的研究者仍然致力于这一研究，提出了适应谐振理论（ ART 网）、自组织映射、认知机网络，同时进行了神经网络数学理论的研究。以上研究为神经网络的研究和发展奠定了基础。1982 年，美国加州工学院物理学家J.J.Hopfield 提出了Hopfield 神经网格模型，引入了“计算能量”概念，给出了网络稳定性判断。1984 年，他又提出了连续时间Hopfield 神经网络模型，为神经计算机的研究做了开拓性的工作， 开创了神经网络用于联想记忆和优化计算的新途径， 有力地推动了神经网络的研究， 1985 年，又有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。1986 年进行认知微观结构地研究，提出了并行分布处理的理论。人工神经网络的研究受到了各个发达国家的重视， 美国国会通过决议将1990 年1 月5 日开始的十年定为“脑的十年”， 国际研究组织号召它的成员国将“脑的十年”变为全球行为。在日本的“真实世界计算（ RWC ）”项目中，人工智能的研究成了一个重要的组成部分。