2.3 人工神经网络

人工神经网络（Artificial Neural Network，ANN）是20世纪80年代兴起的研究热点，它从生物信息处理的角度对人脑神经网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。

1.人工神经元

人工神经网络的基本元素为“人工神经元”，它是根据生物自然神经元静息和动作电位的产生机制（如图2-6所示）而建立的一个运算模型。神经元通过树突接受外部刺激（输入），当信号足够强烈时（阈值限）神经元被激活，并通过轴突传递信号（输出）。

人工神经元模型是把自然神经元进行抽象以实现其基本功能的一种数学描述，如图2-7所示。人工神经元的输入代表自然神经元的接收信号过程，多个输入代表多突触，不同突触间对刺激的反应程度由权重表示，神经元的激活由激活函数代表。

2.人工神经网络模型

人工神经网络模型采用层（输入层、隐藏层或输出层）结构进行描述，每层由多个人工神经元组成。各层之间连接方式不同，可组成不同的网络结构。

（1）前向型神经网络

前向型神经网络将输入从最前端接收（输入层），再经中间层传递（隐藏层），最后从后端（输出层）输出，如图2-8所示。最简单的网络有两个输入单元和一个输出单元（感知器），可用于建立分类模型。如果只给它输入，让网络填充输出，称为非监督型学习；如果通过反向传播方法进行训练，则称为监督学习。

（2）Hopfield网络

Hopfield网络中的每个神经元（HN，见图2-9）都与其他神经元相连。每个节点在训练前输入，然后在训练中隐藏和输出。它的核心思想是通过将神经元的值设置为所需的模式来训练网络，在此之后，权值保持不变。一旦一个或多个模式被训练，网络将总是收敛到一个学习模式。

（3）卷积神经网络

卷积神经网络（Convolutional Neural Networks，CNN）与其他神经网络具有明显的不同，如图2-10所示，主要用于图像处理领域，但也可用于其他类型的输入，如音频。卷积神经网络的一个典型应用是将图像输入网络，由网络对其进行分类。例如，如果你输入一张猫的图片，它会输出“cat”；如果你输入一张狗的图片，它会输出“dog”。

（4）循环神经网络

循环神经网络是一种考虑时间的前向型神经网络（如图2-11所示），通道与通道的通过时间有一定的联系。神经元不仅接收来自神经网络上层的信息，还接收来自上一时间信道的信息。这意味着输入神经网络和用于训练的数据的顺序很重要：输入“milk”和“cookie”与输入“cookie”和“milk”得到的结果不同。

3.人工神经网络的应用

近十年来，人工神经网络的研究工作取得了很大的进展，在信息、医学、经济、交通等领域已经成功地解决了许多现代计算机难以解决的实际问题，表现出良好的智能化特点。

（1）信息领域

信息源不完整、存在着虚假表象和决策规则有时相互矛盾，这些都给传统的信息处理方法带来了很大的困难。而神经网络可以很好地处理这些问题，并给出合理的识别和判断，可以实现自动诊断和问题求解，解决传统方法无法解决的问题。现有的智能信息系统包括智能仪表、自动跟踪监控仪表系统、自动控制与引导系统、自动故障诊断与报警系统等，人工神经网络都有所涉及。

（2）医学领域

医疗检测通常以连续波形的形式输出数据，以此来作为诊断的基础。人工神经网络是由大量的简单处理单元连接而成的自适应动态系统，它可以用来解决生物医学信号分析和处理中传统方法难以或不可能解决的问题。神经网络在生物医学信号检测和处理上的应用主要集中在分析EEG信号、听觉诱发电位的提取信号、肌电图和胃肠道肌电图的识别、心电信号压缩、医学图像的识别和处理等方面。

（3）经济领域

商品价格变化的分析可以归结为对影响市场供求关系的许多因素的综合分析。传统的统计经济学方法由于其固有的局限性，难以对价格变化进行科学的预测，而人工神经网络容易处理不完整、模糊、不确定或不规则的数据，因此利用人工神经网络进行价格预测具有传统方法无法比拟的优势。从市场价格决定机制出发，根据影响商品价格的家庭数量、人均可支配收入、贷款利率、城镇化水平等复杂多变的因素，建立更加准确可靠的模型。该模型能够科学地预测商品价格的变化趋势，得到准确、客观的评价结果。

（4）交通领域

近年来，神经网络在交通运输系统中得到了广泛的应用。交通问题是一个高度非线性的问题，可用的数据往往庞大而复杂。神经网络的应用范围涉及汽车驾驶员行为建模、参数估计、道路养护、车辆检测与分类、交通模式分析、货运业务管理、交通流预测、交通自动导航与交通控制等。