第6章 神经网络理论基础 模糊控制从人的经验出发，解决了智能控 制中人类语言的描述和推理问题，尤其是一些 不确定性语言的描述和推理问题，从而在机器 模拟人脑的感知、推理等智能行为方面迈出了 重大的一步
模糊控制在处理数值数据、自学习能力等方 面还远没有达到人脑的境界。人工神经网络从另 一个角度出发，即从人恼的生理学和心理学着手， 通过人工模拟人脑的工作机理来实现机器的部分 智能行为
模糊控制在处理数值数据、自学习能力等方 面还远没有达到人脑的境界。人工神经网络从另 一个角度出发，即从人恼的生理学和心理学着手， 通过人工模拟人脑的工作机理来实现机器的部分 智能行为
人工神经网络（简称神经网络，Neural Network) 是模拟人脑思维方式的数学模型。 神经网络是在现代生物学研究人脑组织成果的基础上 提出的，用来模拟人类大脑神经网络的结构和行为。神经网 络反映了人脑功能的基本特征，如并行信息处理、学习、联 想、模式分类、记忆等
20世纪80年代以来，人工神经网络(ANN,Artificial Neural Network)研究所取得的突破性进展。神经网络控 制是将神经网络与控制理论相结合而发展起来的智能控制 方法。它已成为智能控制的一个新的分支，为解决复杂的 非线性、不确定、未知系统的控制问题开辟了新途径
6.1神经网络发展历史 神经网络的发展历程经过4个阶段。 1启蒙期(1890-1969年) 1890年，W.James.发表专著《心理学》，讨论了脑的结构 和功能。 1943年，心理学家W.S.cCulloch和数学家W.Pitts提出了 描述脑神经细胞动作的数学模型，即M-P模型（第一个神经网 络模型)
1949年，心理学家Hebb实现了对脑细胞之间相互影响的 数学描述，从心理学的角度提出了至今仍对神经网络理论有着 重要影响的Hebb学习法则。 1958年，E.Rosenblatt提出了描述信息在人脑中贮存和记 忆的数学模型，即著名的感知机模型(Perceptron)
1962年，Widrow和Hoff提出了自适应线性神经网络，即 Adaline网络，并提出了网络学习新知识的方法，即Vidrowi和 Hof学习规则（即δ学习规则），并用电路进行了硬件设计。 2低潮期（1969-1982) 受当时神经网络理论研究水平的限制及冯·诺依曼式计算 机发展的冲击等因素的影响，神经网络的研究陷入低谷
在美、日等国有少数学者继续着神经网络模型和学习算 法的研究，提出了许多有意义的理论和方法。例如，1969年 ,S.Groisbergi和A.Carpentet提出了至今为止最复杂的ART网 络，该网络可以对任意复杂的二维模式进行自组织、自稳定 和大规模并行处理。1972年，Kohonen提出了自组织映射的 SOM模型。 3复兴期(1982-1986)
1982年，物理学家Hoppield提出了Hoppield神经网络模型 ,该模型通过引入能量函数，实现了问题优化求解，1984年他 用此模型成功地解决了旅行商路径优化问题(TSP)。 在1986年，在Rumelhart和McCelland等出版《Parallel Distributed Processing》一书，提出了一种著名的多层神经网络 模型，即BP网络。该网络是迄今为止应用最普遍的神经网络
4新连接机制时期（1986-现在) 神经网络从理论走向应用领域，出现了神经网络芯片和 神经计算机。 神经网络主要应用领域有：模式识别与图象处理（语音 、指纹、故障检测和图象压缩等)、控制与优化、预测与管 理（市场预测、风险分析）、通信等