人工神經(jīng)網(wǎng)絡(luò)是由大量處理單元互聯(lián)組成的非線性、自適應(yīng)信息處理系統(tǒng),，其特色在于信息的分布式存儲和并行協(xié)同處理,。雖然單個神經(jīng)元的結(jié)構(gòu)極其簡單，功能有限,，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實現(xiàn)的行為卻是極其豐富多彩的,。

小時候，我們曾經(jīng)在包括父母或老師在內(nèi)的長者的幫助下學(xué)習(xí)這些東西,?？茖W(xué)家和研究人員還像人類一樣使機器變得智能化，并且由于以下原因,，人工神經(jīng)網(wǎng)絡(luò)在其中扮演著非常重要的角色-

借助神經(jīng)網(wǎng)絡(luò),，我們可以找到算法方法昂貴或不存在的此類問題的解決方案。

神經(jīng)網(wǎng)絡(luò)可以通過示例學(xué)習(xí),，因此我們不需要對其進(jìn)行大量編程,。

神經(jīng)網(wǎng)絡(luò)具有比常規(guī)速度更高的準(zhǔn)確性和更高的速度。

人工神經(jīng)網(wǎng)絡(luò)分類

人工神經(jīng)網(wǎng)絡(luò)模型主要考慮網(wǎng)絡(luò)連接的拓?fù)浣Y(jié)構(gòu),、神經(jīng)元的特征,、學(xué)習(xí)規(guī)則等。目前,，已有近40種神經(jīng)網(wǎng)絡(luò)模型,，其中有反傳網(wǎng)絡(luò),、感知器、自組織映射,、Hopfield網(wǎng)絡(luò),、波耳茲曼機、適應(yīng)諧振理論等,。根據(jù)連接的拓?fù)浣Y(jié)構(gòu),，神經(jīng)網(wǎng)絡(luò)模型可以分為：

前向網(wǎng)絡(luò)：網(wǎng)絡(luò)中各個神經(jīng)元接受前一級的輸入，并輸出到下一級,，網(wǎng)絡(luò)中沒有反饋,，可以用一個有向無環(huán)路圖表示。這種網(wǎng)絡(luò)實現(xiàn)信號從輸入空間到輸出空間的變換,，它的信息處理能力來自于簡單非線性函數(shù)的多次復(fù)合,。網(wǎng)絡(luò)結(jié)構(gòu)簡單，易于實現(xiàn),。反傳網(wǎng)絡(luò)是一種典型的前向網(wǎng)絡(luò),。

反饋網(wǎng)絡(luò)：網(wǎng)絡(luò)內(nèi)神經(jīng)元間有反饋，可以用一個無向的完備圖表示,。這種神經(jīng)網(wǎng)絡(luò)的信息處理是狀態(tài)的變換,，可以用動力學(xué)系統(tǒng)理論處理。系統(tǒng)的穩(wěn)定性與聯(lián)想記憶功能有密切關(guān)系,。Hopfield網(wǎng)絡(luò),、波耳茲曼機均屬于這種類型。

應(yīng)用領(lǐng)域

以下是一些使用ANN的領(lǐng)域,。它表明ANN在其開發(fā)和應(yīng)用中具有跨學(xué)科的方法,。

語音識別

言語在人與人的互動中占有重要地位。因此,，人們自然期望與計算機建立語音接口,。在當(dāng)前時代，為了與機器進(jìn)行通信,，人類仍然需要難以學(xué)習(xí)和使用的復(fù)雜語言,。為了緩解這種通信障礙，可以采用一種簡單的解決方案,，即使用機器可以理解的口頭語言進(jìn)行通信,。

在該領(lǐng)域已經(jīng)取得了很大的進(jìn)步，但是,，這類系統(tǒng)仍然面臨詞匯或語法有限的問題,，以及在不同條件下針對不同說話者對該系統(tǒng)進(jìn)行再培訓(xùn)的問題。人工神經(jīng)網(wǎng)絡(luò)在這一領(lǐng)域發(fā)揮著重要作用,。以下ANN已用于語音識別-

多層網(wǎng)絡(luò)

具有循環(huán)連接的多層網(wǎng)絡(luò)

Kohonen自組織特征圖

對此最有用的網(wǎng)絡(luò)是Kohonen自組織特征圖,，其輸入作為語音波形的短段。它將映射與輸出數(shù)組相同類型的音素,，稱為特征提取技術(shù),。提取特征后，借助一些聲學(xué)模型作為后端處理,，它將識別出話語,。

字符識別

這是一個有趣的問題，屬于模式識別的一般領(lǐng)域,。已經(jīng)開發(fā)了許多神經(jīng)網(wǎng)絡(luò)來自動識別手寫字符（字母或數(shù)字）,。以下是一些用于字符識別的ANN-

多層神經(jīng)網(wǎng)絡(luò)，例如反向傳播神經(jīng)網(wǎng)絡(luò),。

新認(rèn)知藥

盡管反向傳播神經(jīng)網(wǎng)絡(luò)具有多個隱藏層,，但是從一層到下一層的連接模式是局部的。同樣,，neocognitron也有幾個隱藏層,，并且針對此類應(yīng)用逐層進(jìn)行訓(xùn)練。

簽名驗證申請

簽名是在合法交易中對個人進(jìn)行授權(quán)和認(rèn)證的最有用方法之一,。簽名驗證技術(shù)是基于非視覺的技術(shù),。

對于此應(yīng)用程序，第一種方法是提取代表簽名的特征或幾何特征集,。通過這些功能集,，我們必須使用有效的神經(jīng)網(wǎng)絡(luò)算法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。這個經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)將在驗證階段將簽名分類為真實的或偽造的,。

人臉識別

這是識別給定面部的生物識別方法之一,。由于具有“非面部”圖像的特征，因此這是一項典型的任務(wù),。但是,，如果神經(jīng)網(wǎng)絡(luò)訓(xùn)練有素，則可以將其分為兩類,，即具有臉部的圖像和不具有臉部的圖像,。

首先，必須對所有輸入圖像進(jìn)行預(yù)處理,。然后,，必須減小該圖像的尺寸。并且,，最后必須使用神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法對其進(jìn)行分類,。以下神經(jīng)網(wǎng)絡(luò)用于預(yù)處理圖像的訓(xùn)練目的。