【模式识别与神经网络】殷勤业杨宗凯谈正等机械工业.pdf
模式识别与神经网络 殷勤业杨宗凯 编译 谈正陈陵(国家自然科学基金资助)
编译者的话 当前,信息处理、模式识别及人工智能等领域大多依赖 于冯诺曼结构原理的串行式计算。尽管数十年来,计算机 的迅速发展,使得它无论是在运算速度上,还是精度和可靠 程度等方面都是人工所无法比拟的。但在某些情况下,特别 是在人工智能和模式识别涉及的研究领域,计算机的形象思 维能力与人类相差甚远。人们对十分复杂的物体可以不加思 索,一目了然地予以识别,但即使较为简单的物体,用先进 的计算机来识别它也非常艰难,甚至显得无能为力.80年代以来,随着神经学家对大脑信息处理的深入了 解,以及计算机科学和人工智能发展的需要,以非线性大规 模并行分布式处理为主流的神经网络系统得到了迅速发展,用神经网
前言 世纪50年代起步的共同历史。现代神经计算技术是属于信 息科学的范畴,这个领域的模型来自生物神经系统。传统的 数字计算机是利用高精度的数值算法,反复执行明确定义的 各种功能。而与此不同,神经网络将计算功能植入其物理网 络本身之中,在这里每个基本运算都由神经元或连接突触来 实现及完成。在这一意义上讲,神经网络与模拟计算机更为 类似。在模拟计算机中,我们利用了积分器、累加器和乘法 器等模拟计算元件,将问题结构(常常是动态或最优化性质 的)一一对应地转移到计算机硬件中去。