神经网络计算机原理及实现方法

　1 引言
　　很长时间以来,在我们生活中所接触到的大部分计算机,都是一种被称为&ldqu;电脑&rdqu;的冯诺依曼型计算机。这种计算论文联盟.Ll.机在运算等很多方面确实超越了人类大脑的水平,但是基于串行控制机构的冯诺依曼型计算机在图像处理、语音识别等方面远不如大脑的处理能力。于是,在人类对大脑的不断探索中,一种更接近人脑思维方式的神经网络计算机走进人们的视线。
　　
　　2 大脑的研究
　　大脑活动是由大脑皮质许许多多脑神经细胞的活动构成。
　　神经细胞由一个细胞体、一些树突 、和轴突组成,如图1所示。神经细胞体是一颗星状球形物,里面有一个核。树突由细胞体向各个方向长出,本身可有分支,是用来接收信号的。轴突也有许多的分支。轴突通过分支的末梢和其他神经细胞的树突相接触,形成所谓的突触,一个神经细胞通过轴突和突触把产生的信号送到其他的神经细胞。每个神经细胞通过它的树突和大约10,000个其他的神经细胞相连。这就使得人脑中所有神经细胞之间连接总计可能有1,000,000,000,000,000个。
　　神经细胞利用电-化学过程交换信号。输入信号来自另一些神经细胞。这些神经细胞的轴突末梢(也就是终端)和本神经细胞的树突相遇形成突触,信号就从树突上的突触进入本细胞。信号在大脑中实际怎样传输是一个相当复杂的过程,但就我们而言,重要的是把它看成和现代的计算机一样,利用一系列的0和1来进行操作。就是说,大脑的神经细胞也只有两种状态:兴奋和不兴奋。发射信号的强度不变,变化的仅仅是频率。神经细胞利用一种我们还不知道的方法,把所有从树突上突触进来的信号进行相加,如果全部信号的总和超过某个阀值,就会激发神经细胞进入兴奋状态,这时就会有一个电信号通过轴突发送出去给其他神经细胞。如果信号总和没有达到阀值,神经细胞就不会兴奋起来。
　　尽管这是类似0和1的操作方式,由于数量巨大的连接,使得大脑具备难以置信的能力。尽管每一个神经细胞仅仅工作于大约100Hz的频率,但因各个神经细胞都以独立处理单元的形式并行工作着,使人类的大脑具有非常明显的特点:
　　1) 能实现无监督的学习。
　　2) 对损伤有冗余性
　　3) 善于归纳推广。
　　4) 处理信息的效率极高:神经细胞之间电-化学信号的传递,与一台数字计算机中PU的数据传输相比,速度是非常慢的,但因神经细胞采用了并行的工作方式,使得大脑能够同时处理大量的数据。这个特点也是神经网络计算机在处理方法上最应该体现的一点。
　　
　　3 人工神经网络基础
　　对于脑细胞的活动原理,用简单数学语言来说, 一次乘法和累加就相当于一个神经突触接受一次信息的活动。许许多多简单的乘法和累加计算, 就形成了脑细胞决定是激活状态还是抑制状态的简单数学模型。从这种模型出发, 任何复杂的大量的脑神经细胞活动与只是大量乘法、累加和判别是否达到激活值的简单运算的并行与重复而已。因此用这种大量并行的简单运算就可以来模拟大脑的活动, 这就是人工神经网络。
　　神经网络的基本单元是人工神经元,它是根据人脑的工作原理提出的。图2所示为一个人工神经元,可由以下方程描述
　　&siga;i =ijXj + Si2θi , Ui = f(&siga;i) ,Yi = g(Ui)
　　Xi 为输入信号;
　　Yi 为输出信号;
　　Ui 为神经元的内部状态;
　　θi 为阈值;
　　Si 为外部控制信号输入(控制神经元的内部状态Ui ,使之保持一定的状态);
　　ij 为神经元的连接权值。
　　其中,可通过学习改变连接权ij ,使得神经元满足或接近一定的非线性输入输出关系。
　　
　　4 神经网络计算机的实现
　　对于神经网络计算机实现,目前主要有以下三种实现途径:
　　4.1 用软件在通用计算机上模拟神经网络

未完...点击下方链接下载完整文档