动态神经网络综述摘要
动态神经网络DNN由于具有很强的学习能力和逼近任意非线性函数的特点而被广泛应用。本文系统介绍了该网络的几种常见模型，并在此基础之上介绍它的基本学习算法、功能、应用领域、实际推广。
关键词：动态神经网络，模型，功能，算法，应用
Abstract
Dy
amicNeuralNetworkDNNhasbee
widelyappliedbymea
softhestro
gabilityoflear
i
ga
dthecharacteristicofapproximati
ga
y
o
li
earfu
ctio
Thepapermai
lyi
troducesseveralmodelsofcommo
dy
amic
eural
etworka
ddy
amic
eural
etworksfu
ctio
basicalgorithmapplicatio
a
dpromotio
KeywordsDNNModelsFu
ctio
AlgorithmApplicatio
1
f1、绪论
人工神经网络（ArtificialNeuralNetworks，简写为ANNs）是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activatio
fu
ctio
）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达1。
神经网络按是否含有延迟或反馈环节，以及与时间是否相关分为静态神经网络和动态神经网络其中含有延迟或反馈环节，与时间直接有关的神经网络称为动态神经网络2。动态神经网络具有很强的学习能力和逼近任意非线性函数的特点自20世纪80年代末以来将动态神经网络作为一种新的方法引入复杂非线性系统建模中引起了工程控制领域许多学者的关注3。动态神经网络现在已经广泛地用于模式识别、语音识别、图象处理、信号处理、系统控制、AUV自适应航向和机器人控制、故障检测、变形预报、最优化决策及求解非线性代数问题等方面。
本文第二章主要介绍了动态神经网络的分类，基本模型和算法；第三章主要介绍了动态神经网络的应用；第四章简要介绍了神经网络的改进方法。
2、DNN网络的基本模型和算法
根据结构特点，可以将动态神经网络分为3类全反馈网络结构部分反馈网络结构以及无反馈的网络结构。
反馈网络Recurre
tNetwork又称自联想记忆网络如下图所示
图21反馈网络模型
反馈网络的目的是为了设计一个网络，储存一组平衡点，使得当给网络一组初始值时，网络通过自行运行而最终收敛到这个设计的平衡点上。
反馈网络能够表现出非线r