神经计算

这学期开了一门课程，叫做计算智能。关于这门学科的一个分支——神经网络，谈谈我的想法。

基于计算的智能信息处理系统可以分为两大类: 即基于传统计算机的人工智能系统和基于神经计算机的人工智能系统.

基于计算机(包括高速信号处理器开发系统)和人工智能的智能信息处理系统仍在继续向高新技术发展, 但其发展速率已不太适应社会信息数量增长速率的需求, 因而促使人们注意到新型智能信息处理系统的研究.

人工神经网络是模仿延伸人脑认知功能的新型智能信息处理系统.由于大脑是人的智能、思维、意识等一切高级活动的物质基础, 构造具有脑智能的人工智能信息处理系统,可以解决传统方法所不能或难以解决的问题.以联接机制为基础的神经网络具有大量的并行性、巨量的互连性、存贮的分布性、高度的非线性、高度的容错性、结构的可变性、计算的非精确性等特点, 它是由大量的简单处理单元(人工神经元)广泛互连而成的一个具有自学习自适应和自组织性的非线性动力系统, 也是一个具有全新计算结构模型的智能信息处理系统.它可以模仿人脑处理不完整的、不准确的、甚至具有处理非常模糊的信息的能力.这种系统能联想记忆和从部分信息中获得全部信息.由于其非线性, 当不同模式在模式特征空间的分界面极为复杂时,仍能进行分类和识别.由于其自适应自学习功能, 系统能从环境及输入中获取信息来自动修改网络结构及其连接强度, 以适应各种需要而用于知识推广及知识分类.由于分布式存贮和自组织性, 而使系统连接线被破坏了50%,它仍能处在优化工作状态, 这在军事电子系统设备中有着特别重要的意义.因此, 基于神经计算的智能信息处理是模拟人类形象思维、联想记忆等高级精神活动的人工智能信息处理系统.

总的来说, 上述两类智能信息处理系统有何不同呢?  这可以由传统计算机与神经计算机( 即人工神经网络信息处理系统) 的主要特征来看出其本质上的区别.

(1)神经计算机由大量简单神经处理系统连成, 解剖学表明人脑有10个神经元,每个神经元相当于一个处理器, 神经网络是以网络形式进行计算的并行处理系统.而传统计算机是以冯.诺依曼计算机思想设计的,即使用并行机连接成超高速的信息处 理系统, 但每个分机仍按一系列指令串行计算工作的, 且并行机之间的信息运算很少有相互协作关系, 故在计算原理上两者有本质的差异.

(2)从存贮记忆功能来看, 冯.诺依曼计算机中信息与知识是存贮在与处理器分开的独立存贮器中的, 而神经计算机是以各处理器本身的状态与它们连接形式分布存贮信息的, 这使神经计算机具有强的自学习性、自组织性和高的鲁棒性.

(3)传统计算机和人工智能采取逻辑符号推理的途径去研究人类智能的机器化,其智能信息处理系统可具有人类的逻辑思维功能, 而神经网络计算机则以神经元连接机制为基础, 从网络结构上去直接地模拟人类的智能, 有人类的联想思维功能.其智能信息处理系统可具有形象思维、灵感, 当然也有推理意识诸功能.

(4)从知识处理来看, 在处理能明确定义的问题或运用能明确定义的概念作为知识时, 计算机一般具有极快的速度和很高的精度.但是对于无法将知识用明确的数学模型表达, 或者解决问题所需的信息是不完整的或局部的, 或者问题中许多概念的定义是非常模糊的, 例如从人群中迅速识别出一个熟人, 从车辆繁忙的马路上迅速决定自己能否通过等, 这类智能处理, 即使用超级计算机也显得无能为力或相当笨拙, 而模仿人脑功能的新型智能信息处理系统就能极快地处理.