人工神经网络的研究工作，主要包括哪几个方面？

(1)人工神经网络模型的研究

人工神经网络模型的研究包括&＃xff1a;神经网络原型研究&＃xff0c;即大脑神经网络的生理结构、思维机制&＃xff1b;对神经元生物特性的人工模拟&＃xff08;如时空特性、不应期、电化学性质等&＃xff09;&＃xff1b;神经网络计算模型与学习算法&＃xff1b;利用物理学的方法进行单元间相互作用理论的研究&＃xff08;如联想记忆模型等&＃xff09;。

(2)神经网络基本理论研究

神经网络基本理论研究包括&＃xff1a;神经网络非线性特性理论的研究&＃xff08;如自组织性、自适应性等&＃xff09;&＃xff1b;神经网络基本性能的定量分析方法(如稳定性、收敛性、容错性、鲁棒性、动力学复杂性等&＃xff09;&＃xff1b;神经网络计算能力与信息存储容量理论的研究&＃xff0c;以及结合认知科学的研究&＃xff0c;探索包括感知、思考、记忆和语言等的脑信息处理模型。

(3)神经网络智能信息处理系统的应用

在认知与人工智能方面&＃xff0c;包括模式识别、计算机视觉与听觉、特征提取、语音识别、语言翻译、联想记忆、逻辑推理、知识工程、专家系统、故障诊断和智能机器人等。在优化与控制方面&＃xff0c;包括优化求解、决策与管理、系统辨识、鲁棒性控制、自适应控制、并行控制、分布控制和智能控制等。在处理方面&＃xff0c;包括自适应信号处理&＃xff08;自适应滤波、时间序列预测、谱估计、消噪、检测、阵列处理)和非线性信号处理(非线性滤波、非线性预测、非线性谱估计、非线性编码、中值处理&＃xff09;。在传感器信息处理方面&＃xff0c;包括模式预处理变换、信息集成、多传感器数据融合。

人工神经网络擅长解决两类同题&＃xff1a;一类是对大量数据进行分类&＃xff0c;并且只有较少的几种情况&＃xff1b;另一类是必须学习一个复杂的非线性映射。

(4)神经网络的软件模拟和硬件实现

在通用计算机、专用计算机或者并行计算机上进行软件模拟&＃xff0c;或由专用数字信号处理芯片构成神经网络仿真器。由模拟集成电路、数字集成电路或者光器件在硬件上实现神经芯片。软件模拟的优点是网络的规模可以较大&＃xff0c;适合于用来验证新的模型和复杂的网络特性。

硬件实现的优点是处理速度快&＃xff0c;但由于受器件物理因素的限制&＃xff0c;根据目前的工艺条件&＃xff0c;网络规模不可能做得太大。仅几千个神经元&＃xff0c;但代表了未来的发展方向&＃xff0c;因此受到人们的特别重视。

神经网络计算机的实现包括计算机仿真系统。专用神经网络并行计算机系统&＃xff0c;例如&＃xff0c;数字、模拟、数-模混合和光电互连等。人工神经网络的光学实现和生物实现等。

人工智能、大数据、云计算和物联网的未来发展值得重视&＃xff0c;均为前沿产业&＃xff0c;多智时代专注于人工智能和大数据的入门和科谱&＃xff0c;在此为你推荐几篇优质好文&＃xff1a;
什么是神经网络&＃xff0c;深度神经网络怎么分类的&＃xff0c;主要是做什么的&＃xff1f;
http://www.duozhishidai.com/article-1174-1.html
人工神经网络的架构&＃xff0c;主要由哪几部分组成&＃xff1f;
http://www.duozhishidai.com/article-1158-1.html
人工神经网络是什么&＃xff0c;人工神经网络的的优点有哪些&＃xff1f;
http://www.duozhishidai.com/article-1157-1.html

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站