机科学随着电子技术日新月异的发展虽然取得了巨大的成就但它对直接感知声音、文字、图像等外界信息则十分困难。因此需要以神经网络、人工智能为核心开辟新的研究领域来解决这一难题。作为一门活跃的边缘性交叉学科人工神经网络的研究与应用己成为人工智能、认识科学、非线性动力学等相关专业的热门课题。人工神经网络的应用涉及模式识别、联想一记忆、自动控制、信号处理、计算机图形、优化、诊断等众多方面取得了诸多令人瞩目的进步1。技术的进步包含两点内容概念和实现方式。首先必须有描述问题的概念并依据这些概念明确要解决的问题这要求概念包含一种简单的思想并能引入相应的数学描述。但仅仅
f靠概念及其数学描述还不足以使新技术变成熟除非能够通过某种方式来实现其基本思想。人工神经网络的发展就包含了概念创新与实现方式的进步尽管其历程并非一番风顺2。神经网络领域研究的背景工作始于19世纪末。它源于神经生理学、物理学、心理学的跨学科研究。代表人物有Herma
Vo
Hell
holtS、Er
estMath和Iva
Pavlov早期的研究工作主要注重于学习、视觉与条件反射等基础理论。现代人工神经网络的研究起源于上个世纪40年代初期从值甘e
McCuUo
和认值lterPittS从理论上证明了人工神经网络可以计算任何算术和逻辑函数他们还提出了M一P人工神经元数理模型人工神经网络的研究以此为标志拉开序幕。1949年Do
aldHebb从心理学的角度提出了连接权值强化的Hebb学习法则认为神经元之间突触的连接强度是可变的这种可变性是神经网络学习与记忆的基础该法则为构造具有学习能力的人工神经网络模型奠定了基础至今仍对神经网络有着相当重要影响。1952年Hodgld
和Huxley建立了长枪乌贼巨大轴索非线性动力学微分方程方程可以用来描述神经膜中发生的诸如自激振荡、混沌和多重稳定等非线性现象因此具有重大理论价值。人工神经网络的第一个实际应用于1958年实现。Fra
kRose
blatt提出了感知器网络及其联想学习规则他与同事构造了一个感知器网络并将其应用于模式识别。试验的成功激起了许多人对人工神经网络的研究兴趣掀起了研究人工神经网络的第一次高潮。1962年Ber
ardwidrow和TedH3提出了自适应线性网络模型ADALINE并提出了网络学习新知识的方法。神经网络的研究进入了一个新的高潮。遗憾的是Rose
blatt和Widrow的网络模型都存在固有局限性二人始终未能找到能训练更为复杂网络的新学习算法。文献3中提出的自适应线性元件网络模型就是为当时研究大脑的自适r