前言

神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)又成為模糊控制系統(tǒng)，是個(gè)新興的控制方法，就象我們說(shuō)小明學(xué)習(xí)很好，但是怎么個(gè)好法就是個(gè)很模糊的概念。模糊控制不同與經(jīng)典控制理論的關(guān)鍵在于他有一套屬于他自己的模糊算法，這個(gè)對(duì)數(shù)學(xué)的要求還是挺高的，模糊控制也成做為智能控制系統(tǒng)。

神經(jīng)網(wǎng)絡(luò)的特點(diǎn)分析

（1） 神經(jīng)網(wǎng)絡(luò)的一般特點(diǎn)

作為一種正在興起的新型技術(shù)神經(jīng)網(wǎng)絡(luò)有著自己的優(yōu)勢(shì)，他的主要特點(diǎn)如下：

① 由于神經(jīng)網(wǎng)絡(luò)模仿人的大腦，采用自適應(yīng)算法。使它較之專家系統(tǒng)的固定的推理方式及傳統(tǒng)計(jì)算機(jī)的指令程序方式更能夠適應(yīng)化環(huán)境的變化?？偨Y(jié)規(guī)律，完成某種運(yùn)算、推理、識(shí)別及控制任務(wù)。因而它具有更高的智能水平，更接近人的大腦。

② 較強(qiáng)的容錯(cuò)能力，使神經(jīng)網(wǎng)絡(luò)能夠和人工視覺(jué)系統(tǒng)一樣，根據(jù)對(duì)象的主要特征去識(shí)別對(duì)象。 ③ 自學(xué)習(xí)、自組織功能及歸納能力。

以上三個(gè)特點(diǎn)是神經(jīng)網(wǎng)絡(luò)能夠?qū)Σ淮_定的、非結(jié)構(gòu)化的信息及圖像進(jìn)行識(shí)別處理。石油勘探中的大量信息就具有這種性質(zhì)。因而，人工神經(jīng)網(wǎng)絡(luò)是十分適合石油勘探的信息處理的。

（2） 自組織神經(jīng)網(wǎng)絡(luò)的特點(diǎn)

自組織特征映射神經(jīng)網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)的一種，既有神經(jīng)網(wǎng)絡(luò)的通用的上面所述的三個(gè)主要的特點(diǎn)又有自己的特色。

① 自組織神經(jīng)網(wǎng)絡(luò)共分兩層即輸入層和輸出層。

② 采用競(jìng)爭(zhēng)學(xué)記機(jī)制，勝者為王，但是同時(shí)近鄰也享有特權(quán)，可以跟著競(jìng)爭(zhēng)獲勝的神經(jīng)元一起調(diào)整權(quán)值，從而使得結(jié)果更加光滑，不想前面的那樣粗糙。

③ 這一網(wǎng)絡(luò)同時(shí)考慮拓?fù)浣Y(jié)構(gòu)的問(wèn)題，即他不僅僅是對(duì)輸入數(shù)據(jù)本身的分析，更考慮到數(shù)據(jù)的拓?fù)錂C(jī)構(gòu)。

權(quán)值調(diào)整的過(guò)程中和最后的結(jié)果輸出都考慮了這些，使得相似的神經(jīng)元在相鄰的位置，從而實(shí)現(xiàn)了與人腦類似的大腦分區(qū)響應(yīng)處理不同類型的信號(hào)的功能。

④ 采用無(wú)導(dǎo)師學(xué)記機(jī)制，不需要教師信號(hào)，直接進(jìn)行分類操作，使得網(wǎng)絡(luò)的適應(yīng)性更強(qiáng)，應(yīng)用更加的廣泛，尤其是那些對(duì)于現(xiàn)在的人來(lái)說(shuō)結(jié)果還是未知的數(shù)據(jù)的分類。頑強(qiáng)的生命力使得神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍大大加大。

?自組織神經(jīng)網(wǎng)絡(luò)相對(duì)傳統(tǒng)方法的優(yōu)點(diǎn)

自組織特征映射神經(jīng)網(wǎng)絡(luò)的固有特點(diǎn)決定了神經(jīng)網(wǎng)絡(luò)相對(duì)傳統(tǒng)方法的優(yōu)點(diǎn)：

（1）自組織特性，減少人為的干預(yù)，減少人的建模工作，這一點(diǎn)對(duì)于數(shù)學(xué)模型不清楚的物探數(shù)據(jù)處理尤為重要，減少不精確的甚至存在錯(cuò)誤的模型給結(jié)果帶來(lái)的負(fù)面影響。

（2）強(qiáng)大的自適應(yīng)能力大大減少了工作人員的編程工作，使得被解放出來(lái)的處理人員有更多的精力去考慮參數(shù)的調(diào)整對(duì)結(jié)果的影響。使得更快的改進(jìn)方法成為可能。

（3）網(wǎng)絡(luò)工作過(guò)程中考慮數(shù)據(jù)和網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)的問(wèn)題，更類似人類大腦思考問(wèn)題的方式，問(wèn)題的解決更符合人的特點(diǎn)，使得結(jié)果的可信程度加大。

（4）無(wú)導(dǎo)師學(xué)習(xí)機(jī)制，不需要教師信號(hào)。對(duì)于地球物理勘探這類的很少有準(zhǔn)確的教師信號(hào)作為指導(dǎo)的問(wèn)題而言，這一點(diǎn)很有優(yōu)勢(shì)，很好的模仿人腦，所得結(jié)果是其他方法處理結(jié)果的很好的參考。

?關(guān)于人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是近幾年來(lái)循序發(fā)展的人工智能新技術(shù)，他比專家系統(tǒng)、模糊理論等人工智能技術(shù)具有更高水平。

人工神經(jīng)網(wǎng)絡(luò)在80年代中期得到了飛速的發(fā)展。1982年美國(guó)加州州立理工學(xué)院物理學(xué)家Hopfield教授提出了Hopfield人工神經(jīng)網(wǎng)絡(luò)模型，他將能量函數(shù)的概念引入人工神經(jīng)網(wǎng)絡(luò)，并給出了穩(wěn)定性的判據(jù)，開拓了人工神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)算的新途徑。

人工神經(jīng)網(wǎng)絡(luò)模擬人類部分形象思維的能力，是模擬人工智能的一條途徑。特別是可以利用人工神經(jīng)網(wǎng)絡(luò)解決人工智能研究中所遇到的一些難題。人工神經(jīng)網(wǎng)絡(luò)理論的應(yīng)用已經(jīng)滲透到多個(gè)領(lǐng)域，在計(jì)算機(jī)視覺(jué)、模式識(shí)別、智能控制、非線性優(yōu)化、自適應(yīng)濾波相信息處理、機(jī)器人等方面取得了可喜的進(jìn)展。
#e#

?國(guó)外研究發(fā)展的過(guò)程

神經(jīng)網(wǎng)絡(luò)誕生半個(gè)多世紀(jì)以來(lái)，同其他事務(wù)一樣發(fā)展不是一帆風(fēng)順的，大體上經(jīng)歷了以下5個(gè)階段：

（1）奠基階段。

早在20世紀(jì)40年代初，神經(jīng)解剖學(xué)、神經(jīng)生理學(xué)、心理學(xué)以及人腦神經(jīng)元的電生理的研究等都有一定的成果。其中，神經(jīng)生物學(xué)家McCulloch提倡數(shù)字化具有特別的意義。他同青年數(shù)學(xué)家Pitts合作，從人腦信息處理觀點(diǎn)出發(fā)，采用數(shù)理模型的方法研究了腦細(xì)胞的動(dòng)作和結(jié)構(gòu)及其生物神經(jīng)元的一些基本生理特性，提出了第一個(gè)神經(jīng)計(jì)算模型，即神經(jīng)元的閾值元件模型，簡(jiǎn)稱為MP模型，他們認(rèn)識(shí)到了模擬大腦可用于邏輯運(yùn)行的網(wǎng)絡(luò)，有一些結(jié)點(diǎn)，及結(jié)點(diǎn)與結(jié)點(diǎn)之間相互聯(lián)系，構(gòu)成一個(gè)簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型。其主要貢獻(xiàn)在于，結(jié)點(diǎn)的并行計(jì)算能力很強(qiáng)，為計(jì)算神經(jīng)行為的某此方面提供了可能性，從而開創(chuàng)了神經(jīng)網(wǎng)絡(luò)的研究。這一革命性的思想，產(chǎn)生了很大影響。

（3） 第一次高潮階段。

在1958年計(jì)算機(jī)科學(xué)家Rosenblatt基于MP模型，增加了學(xué)習(xí)機(jī)制，推廣了MP模型。他證明了兩層感知器能夠?qū)⑤斎敕譃閮深?，首先假如這兩種類型是線性并可分，也就是一個(gè)超平面能將輸入空間分割，其感知器收斂定理：輸入和輸出層之間的權(quán)重的調(diào)節(jié)正比于計(jì)算輸出值與期望輸出之差。

他提出的感知器模型，首次把神經(jīng)網(wǎng)絡(luò)理論付諸工程實(shí)現(xiàn)。例如，1957年到1958年間在他的帥領(lǐng)下完成了第一臺(tái)真正意義上的的神經(jīng)計(jì)算機(jī)，即：Mark Ⅰ的感知器。他還指出了帶有隱含層處理元件的3層感知器這一重要的研究方向，并嘗試將兩層感知器推廣到3層。但是他沒(méi)有能夠找到比較嚴(yán)格的數(shù)學(xué)方法來(lái)訓(xùn)練隱含層處理單元。這種感知器是一種學(xué)習(xí)和自組織的心理學(xué)模型，其結(jié)構(gòu)體現(xiàn)了神經(jīng)生理學(xué)的知識(shí)。當(dāng)模型的學(xué)習(xí)環(huán)境含有噪音時(shí)，內(nèi)部結(jié)構(gòu)有相應(yīng)的隨機(jī)聯(lián)系，這種感知器的學(xué)習(xí)規(guī)則是突觸強(qiáng)化律，它可能應(yīng)用在模式識(shí)別和聯(lián)想記憶等方面。可以說(shuō)，他的模型包含了一些現(xiàn)代神經(jīng)計(jì)算機(jī)的基本原理，而且是神經(jīng)網(wǎng)絡(luò)方法和技術(shù)上的重大突破，他是現(xiàn)代神經(jīng)網(wǎng)絡(luò)的主要構(gòu)建者之一。Rosenblatt的行為激發(fā)了很多學(xué)者對(duì)神經(jīng)網(wǎng)絡(luò)研究的極大興趣．美國(guó)的上百家有影響的實(shí)驗(yàn)室紛紛投入到這個(gè)領(lǐng)域，軍方給予巨額資金資助，比如，對(duì)聲納波識(shí)別，迅速確定敵方的潛水艇位置，經(jīng)過(guò)一段時(shí)間的研究終于獲得了一定的成果。這些事實(shí)說(shuō)明，神經(jīng)網(wǎng)絡(luò)形成了首次高潮。

（4） 堅(jiān)持階段。

神經(jīng)網(wǎng)絡(luò)理論那些遙遠(yuǎn)的但是并非不可達(dá)到的目標(biāo)著實(shí)吸引著很多人的目光，美國(guó)軍方認(rèn)為神經(jīng)網(wǎng)絡(luò)工程應(yīng)當(dāng)比“原子彈工程”更重要，并且對(duì)它的投資興趣巨大，而對(duì)它的實(shí)踐效果也比較滿意。這時(shí)，Minsky比較關(guān)心的是人工智能的發(fā)展與前途問(wèn)題。以順序離符號(hào)推導(dǎo)為其基本特征與神經(jīng)網(wǎng)絡(luò)大相徑庭。他引發(fā)學(xué)術(shù)界的爭(zhēng)議，導(dǎo)致對(duì)人工智能投資的增加。他從感知器的功能及局限性入手，在數(shù)學(xué)上進(jìn)行了分析，證明了感知器不能實(shí)現(xiàn)XOR 邏輯函數(shù)問(wèn)題，也不能實(shí)現(xiàn)其它的謂詞函數(shù)。他認(rèn)識(shí)到感知器模式的簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)對(duì)于認(rèn)知群不變性無(wú)能為力。1969年Minsky

和Papert在MIT出版了一本論著Percertrons，對(duì)當(dāng)時(shí)與感知器有關(guān)的研究及其發(fā)展產(chǎn)生了十分負(fù)面的影響，使得有些學(xué)者把研究興趣轉(zhuǎn)移到人工智能或數(shù)字電子計(jì)算機(jī)有關(guān)的理論和應(yīng)用方面。這樣，推動(dòng)了人工智能的發(fā)展，使其占了主導(dǎo)地位。美國(guó)在此后15年里從未資助神經(jīng)網(wǎng)絡(luò)研究課題，致使前蘇聯(lián)有關(guān)研究機(jī)構(gòu)也受到感染，終止了已經(jīng)資助的神經(jīng)網(wǎng)絡(luò)研究的課題。

（5） 第二次高潮階段。

1981年芬蘭Helsink大學(xué)的T.Kohonen提出了自組織映射網(wǎng)絡(luò)模型（Self-Organizing feature Map，簡(jiǎn)稱SOM），又稱Kohonen網(wǎng)。Kohonen認(rèn)為，一個(gè)神經(jīng)網(wǎng)絡(luò)接受外界輸入模式時(shí)，將會(huì)分成不同區(qū)域，各個(gè)區(qū)域?qū)斎肽Ｊ接兄煌捻憫?yīng)特征，而且這一過(guò)程是自動(dòng)完成的。映射具有拓?fù)湫再|(zhì)，對(duì)一維、二維都是正確的，并在計(jì)算機(jī)上進(jìn)行了模擬，通過(guò)實(shí)例所展示的自適應(yīng)學(xué)習(xí)，學(xué)習(xí)效果顯著。他認(rèn)為有可能推廣到更高維的情況。但是當(dāng)時(shí)，他的自組織網(wǎng)絡(luò)的局部與全局穩(wěn)定性問(wèn)題還沒(méi)有得到解決。值得一提的是，Hinton和Anderson的著作Para llel Models of Associative Memory產(chǎn)生了一定的影響。由于理想的神經(jīng)元連接組成的理論模型也具有聯(lián)想存儲(chǔ)功能，因此具有特別有意義。這類神經(jīng)網(wǎng)絡(luò)從40年代初期就有學(xué)者在研究。 當(dāng)然，不同時(shí)期的研究總有新的認(rèn)識(shí)。1982年生物物理學(xué)家Hopfield詳細(xì)闡述了它的特性，他對(duì)網(wǎng)絡(luò)存儲(chǔ)器描述得更加精細(xì)，他認(rèn)識(shí)到這種算法是將聯(lián)想存儲(chǔ)器問(wèn)題歸結(jié)為求某個(gè)評(píng)價(jià)函數(shù)極小值的問(wèn)題，適合于遞歸過(guò)程求解，并引入Lyapunov函數(shù)進(jìn)行分析。在網(wǎng)絡(luò)中 ，節(jié)點(diǎn)間以一種隨機(jī)異步處理方式相互訪問(wèn)，并修正自身輸出值，可用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)，從而這類網(wǎng)絡(luò)的穩(wěn)定性有了判據(jù)，其模式具有聯(lián)想記憶和優(yōu)化計(jì)算的功能。并給出系統(tǒng)運(yùn)動(dòng)方程，即Hopfield神經(jīng)網(wǎng)絡(luò)的神經(jīng)元模型是一組非線性微分方程。

（6） 新發(fā)展階段。

從神經(jīng)網(wǎng)絡(luò)理論簡(jiǎn)短的發(fā)展歷史來(lái)看，它們的高潮階段是十分容易度過(guò)的。IJCNN91大會(huì)主席Rumelhart意識(shí)到這一點(diǎn)，在他的開幕詞中有一個(gè)觀點(diǎn)，神經(jīng)網(wǎng)絡(luò)的發(fā)展已到了一個(gè)新的轉(zhuǎn)折的時(shí)期，它的范圍正在不斷擴(kuò)大，其應(yīng)用領(lǐng)域幾乎包括各個(gè)方面。半個(gè)世紀(jì)以來(lái)，這門學(xué)科的理論和技術(shù)基礎(chǔ)已達(dá)到了一定規(guī)模，但是神經(jīng)網(wǎng)絡(luò)到新發(fā)展階段，需要不斷完善和突破，使其技術(shù)和應(yīng)用得到有力的支持。

?國(guó)內(nèi)神經(jīng)網(wǎng)絡(luò)發(fā)展的歷史

國(guó)內(nèi)最早涉及人工神經(jīng)網(wǎng)絡(luò)的著作是涂序彥先生等于1980年發(fā)表的《生物控制論》一書，書中將“神經(jīng)系統(tǒng)控制論”單獨(dú)設(shè)為一章，系統(tǒng)地介紹了神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、功能和模型。隨著人工神經(jīng)網(wǎng)絡(luò)20世紀(jì)80年代在世界范圍內(nèi)復(fù)蘇，國(guó)內(nèi)也逐步掀起了研究熱潮。1989年10月和11月分別在北京和廣州召開了神經(jīng)網(wǎng)絡(luò)及其應(yīng)用學(xué)術(shù)討論會(huì)和第一界全國(guó)信號(hào)處理－神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議。1990年2月，由中國(guó)八個(gè)學(xué)會(huì)聯(lián)合在北京召開“中國(guó)神經(jīng)網(wǎng)絡(luò)首屆學(xué)術(shù)大會(huì)”。收到了來(lái)自全國(guó)的300多篇論文，從而開創(chuàng)了中國(guó)神經(jīng)網(wǎng)絡(luò)及神經(jīng)計(jì)算機(jī)方面科學(xué)研究方面的新紀(jì)元。

?神經(jīng)網(wǎng)絡(luò)發(fā)展現(xiàn)狀

幾十年的發(fā)展使得神經(jīng)網(wǎng)絡(luò)上升到了一個(gè)新的高度，國(guó)外的發(fā)展十分迅速而且富有成果，在信息領(lǐng)域、自動(dòng)化領(lǐng)域、工程領(lǐng)域、醫(yī)學(xué)領(lǐng)域、經(jīng)濟(jì)領(lǐng)域都取得了豐碩的成果，特別是美蘇軍方對(duì)神經(jīng)網(wǎng)絡(luò)的投入大大刺激了神經(jīng)網(wǎng)絡(luò)的發(fā)展，吸引了一大批有識(shí)之士加入到這一行列，經(jīng)歷了第二次高潮階段之后，神經(jīng)網(wǎng)絡(luò)的發(fā)展更加迅速帶來(lái)了新的技術(shù)成果。如：手寫輸入、語(yǔ)音識(shí)別、聯(lián)想記憶、節(jié)能、衛(wèi)星動(dòng)作監(jiān)測(cè)、信貸分析等等。

經(jīng)過(guò)多年的發(fā)展，國(guó)內(nèi)學(xué)術(shù)界和工程界在人工神經(jīng)網(wǎng)絡(luò)的理論研究和工程應(yīng)用方面也取得了豐碩成果，學(xué)術(shù)論文、應(yīng)用成果和研究人員的數(shù)量逐年增長(zhǎng)。醫(yī)療、中藥、病人分類等方面尤其在石油工業(yè)神經(jīng)網(wǎng)絡(luò)的發(fā)展十分迅速，物探的儲(chǔ)層識(shí)別等方面應(yīng)用十分突出。這方面的學(xué)術(shù)論文迅速增加，并取得了一定的成果，為物探的發(fā)展開辟出一個(gè)新的方向。