本文選題：類腦智能 + 神經(jīng)網(wǎng)絡(luò)�。� 參考：《計算機學(xué)報》2016年08期

【摘要】：作為聯(lián)接主義智能實現(xiàn)的典范,神經(jīng)網(wǎng)絡(luò)采用廣泛互聯(lián)的結(jié)構(gòu)與有效的學(xué)習(xí)機制來模擬人腦信息處理的過程,是人工智能發(fā)展中的重要方法,也是當(dāng)前類腦智能研究中的有效工具.在七十年的發(fā)展歷程中,神經(jīng)網(wǎng)絡(luò)曾歷經(jīng)質(zhì)疑、批判與冷落,同時也幾度繁榮并取得了許多矚目的成就.從20世紀(jì)40年代的M-P神經(jīng)元和Hebb學(xué)習(xí)規(guī)則,到50年代的Hodykin-Huxley方程、感知器模型與自適應(yīng)濾波器,再到60年代的自組織映射網(wǎng)絡(luò)、神經(jīng)認(rèn)知機、自適應(yīng)共振網(wǎng)絡(luò),許多神經(jīng)計算模型都發(fā)展成為信號處理、計算機視覺、自然語言處理與優(yōu)化計算等領(lǐng)域的經(jīng)典方法,為該領(lǐng)域帶來了里程碑式的影響.目前,模擬人腦復(fù)雜的層次化認(rèn)知特點的深度學(xué)習(xí)已經(jīng)成為類腦智能中的一個重要研究方向.通過增加網(wǎng)絡(luò)層數(shù)所構(gòu)造的"深層神經(jīng)網(wǎng)絡(luò)"使機器能夠獲得"抽象概念"能力,在諸多領(lǐng)域都取得了巨大的成功,又掀起了神經(jīng)網(wǎng)絡(luò)研究的一個新高潮.文中回顧了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程,綜述了其當(dāng)前研究進展以及存在的問題,展望了未來神經(jīng)網(wǎng)絡(luò)的發(fā)展方向.
[Abstract]:As an example of intelligent realization of connectionism, neural network is an important method in the development of artificial intelligence, which uses extensive interconnected structure and effective learning mechanism to simulate the process of human brain information processing. It is also an effective tool in the research of brain-like intelligence. In the development of 70 years, neural networks have been questioned, criticized and ignored, but also several times prosperity and made a lot of achievements. From M-P neurons and Hebb learning rules in the 1940s to Hodykin-Huxley equations in the 1950s, perceptron models and adaptive filters, to self-organizing mapping networks, neural cognitive machines, adaptive resonance networks in the 1960s, Many neural computing models have developed into classical methods in the fields of signal processing, computer vision, natural language processing and optimization computing, which have brought about a milestone impact in this field. At present, deep learning, which simulates the complex and hierarchical cognitive characteristics of the human brain, has become an important research direction in brain-like intelligence. The "deep neural network", which is constructed by increasing the number of network layers, enables the machine to acquire the "abstract concept" capability. It has achieved great success in many fields and set off a new climax in the research of neural networks. This paper reviews the development of neural networks, summarizes their current research progress and existing problems, and looks forward to the future development of neural networks.
【作者單位】： 西安電子科技大學(xué)智能感知與圖像理解教育部重點實驗室智能感知與計算國際聯(lián)合研究中心智能感知與計算國際合作聯(lián)合實驗室;西安電子科技大學(xué)計算機學(xué)院;
【基金】：國家“九七三”重點基礎(chǔ)研究發(fā)展計劃項目基金(2013CB329402) 國家自然科學(xué)基金重大研究計劃(91438201,91438103) 教育部“長江學(xué)者和創(chuàng)新團隊發(fā)展計劃”(IRT_15R53)資助
【分類號】：TP183

【參考文獻】

相關(guān)期刊論文 前6條

1 王守覺;曹文明;;半導(dǎo)體神經(jīng)計算機的硬件實現(xiàn)及其在連續(xù)語音識別中的應(yīng)用[J];電子學(xué)報;2006年02期

2 王守覺;仿生模式識別(拓?fù)淠Ｊ阶R別)——一種模式識別新模型的理論與應(yīng)用[J];電子學(xué)報;2002年10期

3 王海龍,戚飛虎,任慶生;協(xié)同神經(jīng)網(wǎng)絡(luò)中參數(shù)的優(yōu)化[J];紅外與毫米波學(xué)報;2001年03期

4 趙同,戚飛虎,馮炯;協(xié)同式神經(jīng)網(wǎng)絡(luò)的識別性能分析[J];電子學(xué)報;2000年01期

5 陳國良,熊焰,方祥;通用并行神經(jīng)網(wǎng)絡(luò)模擬系統(tǒng)GP~2N~2S~2[J];小型微型計算機系統(tǒng);1992年12期

6 陳國良,宋松純,秦小鷗;主從通用神經(jīng)網(wǎng)絡(luò)模型[J];電子學(xué)報;1992年10期

【共引文獻】

相關(guān)期刊論文 前10條

1 陳陽;覃鴻;李衛(wèi)軍;周新奇;董肖莉;張麗萍;李浩光;;仿生模式識別技術(shù)研究與應(yīng)用進展[J];智能系統(tǒng)學(xué)報;2016年01期

2 劉合;楊清海;裴曉含;鄭立臣;付濤;石白茹;魏松波;陳琳;;石油工程仿生學(xué)應(yīng)用現(xiàn)狀及展望[J];石油學(xué)報;2016年02期

3 胡凱旋;劉利強;李昌陵;車傳強;呂超;;基于仿生模式識別的GIS局部放電類型辨識[J];高壓電器;2016年02期

4 焦李成;楊淑媛;劉芳;王士剛;馮志璽;;神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J];計算機學(xué)報;2016年08期

5 郝勇智;;基于流形判別分析的半監(jiān)督支持向量機[J];山西電子技術(shù);2015年06期

6 嚴(yán)晨;李凡長;;覆蓋學(xué)習(xí)的道路優(yōu)化算法[J];軟件學(xué)報;2015年11期

7 曹倩倩;;模式識別理論及其在圖像處理中的應(yīng)用[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2015年20期

8 路宗強;王建平;雷鵬娟;;車牌字符特征提取與識別應(yīng)用[J];承德石油高等�？茖W(xué)校學(xué)報;2015年04期

9 錢夔;宋愛國;;一種改進型機器人仿生認(rèn)知神經(jīng)網(wǎng)絡(luò)[J];電子學(xué)報;2015年06期

10 陳陽;董肖莉;李衛(wèi)軍;張麗萍;覃鴻;;基于仿生形象思維方法的圖像檢索算法的改進[J];智能系統(tǒng)學(xué)報;2015年02期

【二級參考文獻】

相關(guān)期刊論文 前7條

1 王守覺,王柏南;人工神經(jīng)網(wǎng)絡(luò)的多維空間幾何分析及其理論[J];電子學(xué)報;2002年01期

2 王守覺,李兆洲,陳向東,王柏南;通用神經(jīng)網(wǎng)絡(luò)硬件中神經(jīng)元基本數(shù)學(xué)模型的討論[J];電子學(xué)報;2001年05期

3 黃海，

本文編號：1873798