神经网络的发展篇1
[关键词]遗传算法灰色系统专家系统模糊控制小波分析
一、前言
神经网络最早的研究20世纪40年代心理学家mcculloch和数学家pitts合作提出的，他们提出的mp模型拉开了神经网络研究的序幕。神经网络的发展大致经过三个阶段：1947~1969年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如mp模型、HeBB学习规则和感知器等；1970~1986年为过渡期，这个期间神经网络研究经过了一个低潮，继续发展。在此期间，科学家们做了大量的工作，如Hopfield教授对网络引入能量函数的概念，给出了网络的稳定性判据，提出了用于联想记忆和优化计算的途径。1984年，Hiton教授提出Boltzman机模型。1986年Kumelhart等人提出误差反向传播神经网络，简称Bp网络。目前，Bp网络已成为广泛使用的网络；1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮。神经网络具有以下优点：
(1)具有很强的鲁棒性和容错性，因为信息是分布贮于网络内的神经元中。
(2)并行处理方法，使得计算快速。
(3)自学习、自组织、自适应性，使得网络可以处理不确定或不知道的系统。
(4)可以充分逼近任意复杂的非线性关系。
(5)具有很强的信息综合能力，能同时处理定量和定性的信息，能很好地协调多种输入信息关系，适用于多信息融合和多媒体技术。
二、神经网络应用现状
神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中取得了显著的成效，主要应用如下：
(1)图像处理。对图像进行边缘监测、图像分割、图像压缩和图像恢复。
(2)信号处理。能分别对通讯、语音、心电和脑电信号进行处理分类；可用于海底声纳信号的检测与分类，在反潜、扫雷等方面得到应用。
(3)模式识别。已成功应用于手写字符、汽车牌照、指纹和声音识别，还可用于目标的自动识别和定位、机器人传感器的图像识别以及地震信号的鉴别等。
(4)机器人控制。对机器人眼手系统位置进行协调控制，用于机械手的故障诊断及排除、智能自适应移动机器人的导航。
(5)卫生保健、医疗。比如通过训练自主组合的多层感知器可以区分正常心跳和非正常心跳、基于Bp网络的波形分类和特征提取在计算机临床诊断中的应用。
(6)焊接领域。国内外在参数选择、质量检验、质量预测和实时控制方面都有研究，部分成果已得到应用。
(7)经济。能对商品价格、股票价格和企业的可信度等进行短期预测。
(8)另外，在数据挖掘、电力系统、交通、军事、矿业、农业和气象等方面亦有应用。
三、神经网络发展趋势及研究热点
1.神经网络研究动向
神经网络虽已在许多领域应用中取得了广泛的成功，但其发展还不十分成熟，还有一些问题需进一步研究。
(1)神经计算的基础理论框架以及生理层面的研究仍需深入。这方面的工作虽然很困难，但为了神经计算的进一步发展却是非做不可的。
(2)除了传统的多层感知机、径向基函数网络、自组织特征映射网络、自适应谐振理论网络、模糊神经网络、循环神经网络之外，一些新的模型和结构很值得关注，例如最近兴起的脉冲神经网络(spikingneuralnetwork)和支持向量机(supportvectormachine)。
(3)神经计算技术与其他技术尤其是进化计算技术的结合以及由此而来的混合方法和混合系统，正成为一大研究热点。
(4)增强神经网络的可理解性是神经网络界需要解决的一个重要问题。这方面的工作在今后若干年中仍然会是神经计算和机器学习界的一个研究热点。
(5)神经网络的应用领域将不断扩大，在未来的几年中有望在一些领域取得更大的成功，特别是多媒体技术、医疗、金融、电力系统等领域。
2.研究热点
(1)神经网络与遗传算法的结合。遗传算法与神经网络的结合主要体现在以下几个方面：网络连接权重的进化训练；网络结构的进化计算；网络结构和连接权重的同时进化；训练算法的进化设计。基于进化计算的神经网络设计和实现已在众多领域得到应用，如模式识别、机器人控制、财政等，并取得了较传统神经网络更好的性能和结果。但从总体上看，这方面研究还处于初期阶段，理论方法有待于完善规范，应用研究有待于加强提高。神经网络与进化算法相结合的其他方式也有待于进一步研究和挖掘。
(2)神经网络与灰色系统的结合。灰色系统理论是一门极有生命力的系统科学理论，自1982年华中理工大学的邓聚龙教授提出灰色系统后迅速发展，以初步形成以灰色关联空间为基础的分析体系，以灰色模型为主体的模型体系，以灰色过程及其生存空间为基础与内的方法体系，以系统分析、建模、预测、决策、控制、评估为纲的技术体系。目前，国内外对灰色系统的理论和应用研究已经广泛开展，受到学者的普遍关注。灰色系统理论在在处理不确定性问题上有其独到之处，并能以系统的离散时序建立连续的时间模型，适合于解决无法用传统数字精确描述的复杂系统问题。
神经网络与灰色系统的结合方式有：(1)神经网络与灰色系统简单结合；(2)串联型结合；(3)用神经网络增强灰色系统；(4)用灰色网络辅助构造神经网络；(5)神经网络与灰色系统的完全融合。
(3)神经网络与专家系统的结合。基于神经网络与专家系统的混合系统的基本出发点立足于将复杂系统分解成各种功能子系统模块，各功能子系统模块分别由神经网络或专家系统实现。其研究的主要问题包括：混合专家系统的结构框架和选择实现功能子系统方式的准则两方面。由于该混合系统从根本上抛开了神经网络和专家系统的技术限制，是当前研究的热点。把粗集神经网络专家系统用于医学诊断，表明其相对于传统方法的优越性。
(4)神经网络与模糊逻辑的结合
模糊逻辑是一种处理不确定性、非线性问题的有力工具。它比较适合于表达那些模糊或定性的知识，其推理方式比较类似于人的思维方式，这都是模糊逻辑的优点。但它缺乏有效的自学习和自适应能力。
而将模糊逻辑与神经网络结合，则网络中的各个结点及所有参数均有明显的物理意义，因此这些参数的初值可以根据系统的模糊或定性的知识来加以确定，然后利用学习算法可以很快收敛到要求的输入输出关系，这是模糊神经网络比单纯的神经网络的优点所在。同时，由于它具有神经网络的结构，因而参数的学习和调整比较容易，这是它比单纯的模糊逻辑系统的优点所在。模糊神经网络控制已成为一种趋势，它能够提供更加有效的智能行为、学习能力、自适应特点、并行机制和高度灵活性，使其能够更成功地处理各种不确定的、复杂的、不精确的和近似的控制问题。
模糊神经控制的未来研究应集中于以下几个方面：
(1)研究模糊逻辑与神经网络的对应关系，将对模糊
控制器的调整转化为等价的神经网络的学习过程，用等价的模糊逻辑来初始化神经网络；
(2)完善模糊神经控制的学习算法，以提高控制算法的速度与性能，可引入遗传算法、BC算法中的模拟退火算法等，以提高控制性能；
(3)模糊控制规则的在线优化，可提高控制器的实时性与动态性能；
(4)需深入研究系统的稳定性、能控性、能观性以及平衡吸引子、混沌现象等非线性动力学特性。
关于神经网络与模糊逻辑相结合的研究已有很多，比如，用于氩弧焊、机器人控制等。
(5)神经网络与小波分析的结合
小波变换是对Fourier分析方法的突破。它不但在时域和频域同时具有良好的局部化性质，而且对低频信号在频域和对高频信号在时域里都有很好的分辨率，从而可以聚集到对象的任意细节。
利用小波变换的思想初始化小波网络，并对学习参数加以有效约束，采用通常的随机梯度法分别对一维分段函数、二维分段函数和实际系统中汽轮机压缩机的数据做了仿真试验，并与神经网络、小波分解的建模做了比较，说明了小波网络在非线性系统黑箱建模中的优越性。小波神经网络用于机器人的控制，表明其具有更快的收敛速度和更好的非线性逼近能力。
四、结论
经过半个多世纪的发展，神经网络理论在模式识别、自动控制、信号处理、辅助决策、人工智能等众多研究领域取得了广泛的成功，但其理论分析方法和设计方法还有待于进一步发展。相信随着神经网络的进一步发展，其将在工程应用中发挥越来越大的作用。
参考文献：
[1]张曾科.模糊数学在自动化技术中的应用[m].清华大学出版社，1997.
[2]李士勇.模糊控制・神经控制和智能控制论[m].哈尔滨工业大学出版，1996.250-387.
[3]谢联峻.模糊控制在列车自动驾驶中的应用[J].自动化与仪器仪表，1999，(4).
[4]CollierwC，weiland，RJSmartCarts，SmartHighways[J].ieeeSpec-trum，1994，31(4)：27-33.
[5]HatwalH，mikulcikeC.someinverseSolutionstoanautomobilepathtrackingproblemwithinputControlofSteeringandBreaks，Ve-hiclesystemDynamics，1986，(15)：61-71.
[6]KosugeK，Fukudat，asadaH.acquisitionifHumanSkillsforRoboticSystem[C].in：procieeeintSymponintelligenControl，1991.469-489.
[7]王小平，曹立明.遗传算法―理论、应用与软件实现.西安交通大学出版社，2002.
[8]maniezzoV.Geneticevolutionofthetopologhandweightdistribution
ofneuralnetwork[J].ieeetransonneuralnetwork，1994，5(1)35-67.
[9]HarraldpG，Kamstram.evolvingartificialneuralnetworkstocombinefinancialforecase[J].ieeetransonevolComputer，1997，1(1)：39-54.
[10]邓聚龙.灰色系统理论教程.华中理工大学出版社，1990.
[11]吕宏辉，钟珞，夏红霞.灰色系统与神经网络融合技术探索.微机发展，2000，23(4)：67-109.
神经网络的发展篇2
关键词：灌溉人工神经网络预测粮食发展需求计算机
近年来国内外兴起的人工神经网络研究方法能对信息进行大规模并行处理；具有很强的鲁棒性和容错性；善于联想、概括、类比和推理；而且具有很强的自学习能力，善于从大量统计资料中分析提取宏观统计规律，很适合灌溉宏观发展战略的定量研究.因此，本文引入人工神经网络原理，来建立全国粮食总产与影响因子间的定量关系模型.
1 模型的建立
在其它条件不变的情况下，粮食总产主要取决于播种面积、灌溉面积、农田成灾面积、渍涝盐碱地面积、粮食价格、良种覆盖率、化肥使用量、科技贡献率8个主要因素.为确定粮食总产与影响因子间的定量关系，根据人工神经网络基本原理，设计相应的神经网络：
网络共分四层，一个输入层，二个隐含层，一个输出层.输入层8个节点，输出层1个节点.
令Qm，Hi，wj，o分别为第1、2、3、4层的输出；Ui，Vj，S分别为第2、3、4层的输入；aim，Bji，Cj分别为第1～2层，2～3层，和3～4层单元的连接权值；Xi，Yj，Z分别为第2、3、4层单元的偏置值；Di，Jj，G分别为第2、3、4层的误差信号.
神经网络的发展篇3
【关键词】计算机网络模型神经网络算法
计算机网络在人们日常生活越来越重要，被广泛应用到各个行业。随着社会不断发展，人们需求不断加高，使计算机得到良好改善，目前，计算机网络运用集线式服务器来实现网络互连，促进网络发展。但是也有很大弊端，过多的联想信息虽然满足人们需求，但是对技术的要求也更加苛刻，现有的技术满足不了计算机网络运行，使人们日常操作不方便。为了解决这一问题，研究人员需要全面优化计算机网络，提高运行能力和性能，运用神经网络算法，使计算机更加适合现代社会发展，储存更多信息。
1神经网络算法概论分析
1.1神经网络算法整体概论
神经网络算法是按照人体大脑的思维方式进行模拟，根据逻辑思维进行推理，将信息概念化形成人们认知的符号，呈现在显示屏前。根据逻辑符号按照一定模式进行指令构造，使计算机执行。目前，神经网络被广泛使用，使直观性的思维方式分布式存储信息，建立理论模型。
优化网络的神经网络主要是Hopfield神经网络，是1982年由美国物理学家提出的，它能够模拟神经网络的记忆机理，是全连接的神经网络。Hopfield神经网络中的每个神经元都能够信号输出，还能够将信号通过其他神经元为自己反馈，那么其也称之为反馈性神经网络。
1.2优化神经网络基本基础
Hopfield神经网络是通过能量函数分析系统，结合储存系统和二元系统的神经网络，Hopfield神经网络能收敛到稳定的平衡状态，并以其认为样本信息，具备联想记忆能力，使某种残缺信息进行回想还原，回忆成完整信息。但是Hopfield神经网络记忆储存量有限，而且大多数信息是不稳定的，合理优化计算机联想问题，使Hopfield神经网络能够建设模型。
1.3神经网络算法优化步骤简述
人工神经网络是模拟思维，大多是根据逻辑思维进行简化，创造指令使计算机执行。神经网络算法是按照人体思维进行建设，通过反应问题的方法来表述神经思维的解；利用有效条件和能量参数来构造网络系统，使神经网络算法更加可靠；大多数动态信息需要神经网络来根据动态方程计算，得出数据参数来进行储存。
2神经网络算法的特点与应用
2.1神经网络主要特点
神经网络是根据不同组件来模拟生物体思维的功能，而神经网络算法是其中一种程序，⑿畔⒏拍罨，按照一定人们认知的符号来编程指令，使计算机执行，应用于不同研究和工程领域。
神经网络在结构上是由处理单元组成，模拟人体大脑神经单元，虽然每个单元处理问题比较简单，但是单元进行组合可以对复杂问题进行预知和处理的能力，还可以进行计算，解决问题能力突出，能够运用在计算机上，可以提高计算机运算准确度，从而保障计算机运行能力。而且一般神经网络有较强容错性，不同单元的微小损伤并不阻碍整体网络运行，如果有部分单元受到损伤，只会制约运算速度，并不妨碍准确度，神经网络在整体性能上能够正常工作。同时，神经网络主干部分受到损伤，部分单元会进行独立计算，依然能够正常工作。
2.2神经网络信息记忆能力
神经网络信息存储能力非常强，整体单元组合进行分布式存储。目前，神经网络算法是单元互相连接，形成非线性动态系统，每个单元存储信息较少，大量单元互相结合存储信息大量增加。神经网络具备学习能力，通过学习可以得到神经网络连接结构，在进行日常图像识别时，神经网络会根据输入的识别功能进行自主学习，过后在输入相同图像，神经网络会自动识别。自主学习能力给神经网络带来重要意义，能够使神经网络不断成长，对人们未来日常工作能够很好预测，满足人们的需求。
2.3神经网络的突出优点
近年来，人工神经网络得到越来越多人重视，使神经网络得到足够资源进行良好创新。人工神经网络是由大量基本元件构成，对人脑功能的部分特性进行模仿和简化，人工神经网络具备复杂线性关系，与一般计算机相比，在构成原理和功能特点更加先进，人工神经网络并不是按照程序来进行层次运算，而是能够适应环境，根据人们提供的数据进行模拟和分析，完成某种运算。
人工神经系统具备优良容错性，由于大量信息存储在神经单元中，进行分布式存储，当信息受到损害时，人工神经系统也可以正常运行。人工神经网络必须要有学习准则制约来能够自主学习，然后进行工作。目前，人工神经网络已经逐步具备自适应和自组织能力，在学习或训练过程中改变突触权重值，以适应周围环境的要求。通过一定学习方式和某些规则，人工神经网络可以自动发现环境特征和规律性，更贴近人脑某些特征。
采用并行分布处理方法，使得快速进行大量运算成为可能。神经网络的一个很大的优点是很容易在并行计算机上实现，可以把神经的节点分配到不同的CpU上并行计算。钱艺等提出了一种神经网络并行处理器的体系结构，能以较高的并行度实现典型的前馈网络如Bp网络和典型的反馈网络（如Hopfield网络）的算法。该算法以SimD（SingleinstructionmultipleData）为主要计算结构，结合这两种网络算法的特点设计了一维脉动阵列和全连通的互连网络，能够方便灵活地实现处理单元之间的数据共享。结合粒子群优化算法和个体网络的并行学习机制，提出了一种基于粒子群优化的并行学习神经网络集成构造方法。
3结束语
全球化的发展，信息交流不断加快，促使各个行业相互融合。神经网络算法具备简单、稳定等不同优势，神经网络研究内容相当广泛，神经网络算法能够与其它算法相互结合，在一定程度提高计算机网络模型运算能力。但是计算机网络模型中神经网络算法学习能力比较低下，梯度下降法不准确，所以需要有关人员进行深度研究，探索神经网络算法，使其更加完善，从而保证计算机整体性能的提高。
参考文献
[1]陈竺.计算机网络连接增强优化中的神经网络算法[J].电子技术与软件工程，2014（19）.
[2]史望聪.神经网络在计算机网络安全评价中的应用分析[J].自动化与仪器仪表，2016（06）.
神经网络的发展篇4
【关键词】模糊系统；神经网络；结合；现状
中图分类号：Q189文献标识码：a文章编号：
一、前言
随着我国经济的快速发展，我国的各项事业都取得了巨大的成就。其中模糊系统与神经网络的结合就是重要的体现，模糊系统与神经网络的结合在很多方面都得到了应用，同时也引起了更多学者研究其的愿望。相信模糊系统与神经网络的结合在未来会发展的更好。
二、模糊系统与神经网络概述
1、模糊系统与神经网络的概念
（1）、模糊系统概念
模糊系统(FuzzySystem,简称FS)是仿效人的模糊逻辑思维方法设计的系统,方法本身明确地说明了系统在工作过程中允许数值量的不精确性存在。
（2）、神经网络概念
神经网络(neuralnetwork,简称nn)是由众多简单的神经元连接而成的网络。尽管每个神经元结构、功能都不复杂,但网络的整体动态行为极为复杂,可组成高度非线性动力学系统,从而可表达许多复杂的物理系统。神经网络的研究从上世纪40年代初开始,目前,在世界范围已形成了研究神经网络前所未有的热潮。它已在控制、模式识别、图像和视频信号处理、金融证券、人工智能、军事、计算机视觉、优化计算、自适应滤波和a/D变换等方面获得了应用。
2、模糊系统与神经网络的异同
（1）映射集及映度
神经网络是用点到点的映射得到输入与输出的关系,它的训练是确定量,因而它的映射关系也是一一对应的;模糊系统的输入、输出都是经过模糊化的量,不是用明确的数来表示的,其输入输出已模糊为一个隶属度的值,因此它是区域与区域间的映射,可像神经网络一样映射一个非线性函数。
（2）知识存储方式
神经网络的基本单元是神经元,对映射所用的多层网络间是用权连接的,因此学习的知识是分布在存储的权中间的,而模糊系统则以规则的方式来存储知识,因此在隶属函数形式上,区域的划分大小和规则的制定上人为因素较多。
（3）联结方式
神经网络的联结,以前馈式网络为例,一旦输出的隐层确定了,则联结结构就定了,通过学习后,几乎每一个神经元与前一层神经元都有联系,因此,在控制迭代中,每迭代一次,各权都要学习。而在模糊系统中,每次输入可能只与几条规则有关,因此联结不固定,每次输入输出联系的规则都在变动,而每次联结的规则少,运算简单方便。
（4）计算量的比较
人工神经网络的计算方法需要乘法、累加和指数运算,而模糊系统的计算只需两个量的比较和累加,又由于每次迭代的规则不多,因此在实时处理时,模糊系统的速度比神经网络快。但是当模糊输入与输出变量很多的时候,模糊规则仅靠一张表已不能描述多变量间的关系,且规则的控制存在一定困难,此时人为的先验指数变得较少,那么隶属函数、规则本身都要通过学习得到,因此它的计算量也会增加。
三、模糊和神经网络的结合形式
目前,模糊和神经网络技术从简单结合到完全融合主要体现在四个方面(见图1)。由于模糊系统和神经网络的结合方式目前还处于不断发展的进程中,所以,还没有更科学的分类方法,下述结合方式是从不同应用中综合分析的结果。
1、模糊系统和神经网络系统的简单结合(见图1(a))
模糊系统和神经网络系统各自以其独立的方式存在,并起着一定的作用。¹松散型结合在一系统中,对于可用“if-then”规则来表示的部分,用模糊系统描述;而对很难用“if-then”规则表示的部分,则用神经网络,两者之间没有直接联系。
（1）并联型结合模糊系统和神经网络在系统中按并联方式连接,即享用共同的输入。按照两系统所起作用的轻重程度,还可分为等同型和补助型。
（2）串联型结合模糊系统和神经网络在系统中按串联方式连接,即一方的输出成为另一方的输入。
图表1模糊系统与神经网络结合形式分类
2、用模糊逻辑增强的神经网络。这种结合的主要目的是用模糊神经系统作为辅助工具,增强神经网络的学习能力,克服传统神经网络容易陷入局部极小值的弱点。
3、用神经网络增强的模糊逻辑
这种类型的模糊神经网络是用神经网络作为辅助工具,更好地设计模糊系统。
（1）网络学习型的结合模糊系统设计的关键是知识的获取,传统方法难于有效地获取规则和调整隶属度函数,而神经网络的学习能力能够克服这些问题,故用神经网络增强的模糊系统。
（2）基于知识扩展型的结合神经网络和模糊系统的结合是为了扩展知识库和不费时地对知识库进行修正,增强系统的自学习能力,这种自学习能力是靠神经网络和模糊系统之间进行双向。
4、模糊系统与神经网络的等价
（1）函数通近
模糊系统与神经网络除了都是无模型系统外,它们都是函数的全局逼近器.模糊系统以其插值机理来逼近任意的连续函数。不但传统的模糊系统模型是任意连续函数的全局逼近器,而且神经网络与模糊系统的不同结合能逼近不同的函数,如模糊神经网络可以逼近模糊函数，神经网络也是任意连续函数的全局逼近器。设任意连续函数h(x),对于紧空间X和任意小的正数,总能找到一个三层的前向神经网络n(x)满足:
在前向神经网络家族中,RBF神经网络是最优的函数逼近器,即对于任意的神经网络n(x)总存在一个RBF神经网络n‘(x),满足:
（2）神经网络与模糊系统的等价性
模糊系统和神经网络的等价性主要有两个方面:模型的等价性和madani模型的等价性。对于tS模型.首先Jang〔,5〕给出了标准的Gauss,anRBF神经网络等价于限制的ts一型模糊系统。Hunt指出推广的GaussianRBF神经网络等价于tS一型模糊系统。Benitez证明了若一个三层的神经网络,隐含单元的激发函数为对数函数(loglst1C),输出层的激发函数为单元函数.设n(x),则存在一个模糊系统的输出也为n(x)。
四、模糊系统与神经网络结合的现状
目前,FS和nn的结合主要有模糊神经网络和神经模糊系统。神经模糊系统是以nn为主,结合模糊集理论。它将nn作为实现FS模型的工具,即在nn的框架下实现FS或其一部分功能。神经模糊系统虽具有一些自己所具有而nn不具备的特性,但它没有跳出nn的框架。神经模糊系统从结构上来看,一般是四层或五层的前向神经网络。模糊神经网络是神经网络的模糊化。即以模糊集、模糊逻辑为主,结合nn方法,利用nn的自组织性,达到柔性信息处理的目的。目前,FS理论和nn结合主要应用于商业及经济估算、自动检测和监视、机器人及自动控制、计算机视觉、专家系统、语音处理、优化问题、医疗应用等方面,并可推广到工程、科技、信息技术和经济等领域。
五、模糊神经网络的发展方向及存在问题
然模糊神经网络得到了突飞猛进的发展,但目前还存在很多问题:（1）多变量、复杂控制系统中,很难确定网络的结构和规则点的组合“爆炸”问题；（2）传统的Bp学习方法昜陷入局部极小值,并切学习速度较慢。
发展方向主要集中于:（1）模糊逻辑和神经网络的对应关系,将模糊控制器的调整转化为等价的神经元网络学习,利用等价的模糊逻辑来初始化神经元网络；（2）寻找一般模糊集的模糊神经网络的学习算法
七、结束语
近年来随着信息技术的发展，模糊理论和人工神经网络近年来取得了引人注目的进展,模糊理论和人工神经网络的各个方面都取得了越来越多的成果。通过不断的努力，我们一定可以进一步的推进模糊理论和神经网络将会在发展新理论,完善各自体系。相信在未来的研究中，模糊和神经网络的结合
将会为研究更高智能系统开创一条成功之路，造福人类。
参考文献
[1]刘增良.模糊技术与应用选篇[J].京航空航天大学出版社,1997.
[2]庄镇泉,章劲松.神经网络与智能信息处理[J].中国科学技术大学,2000.
神经网络的发展篇5
目前，卷积神经网络（Convolutionalneuralnetworks，Cnn）已成为图像、文本、语音识别等领域的研究热点之一。20世纪60年代，Hubel和wiesel在研究猫脑皮层中发现了用于局部敏感和方向选择的神经元结构，卷积神经网络就是在此生物学的基础上发展而来的。
二、卷积神经网络的发展历程
按照时间顺序，可以将卷积神经网络的发展可以分为三个阶段：初步探索阶段；全面兴起阶段；跃进试发展阶段。
2.1初步探索阶段
这一阶段只是在初步探索卷积神经网络的结构。197开始，福岛邦彦成功开发出了一种浅层自组织神经网络认知机[1]。随后，更多的科研工作者对该网络进行了改进。认知机及其变种并不是真正意义上的深度学习模型，因为的网络层数少，并不能进行深度学习特征。
2.2全面兴起阶段
这一阶段以Lenet-5的出现为开始。1Lecun等[2]提出的Lenet-5采用了基于梯度的反向传播算法对网络进行有监督的训练，Lenet-5在手写字符识别领域的成功应用引起了学术界对于卷积神经网络的关注。同一时期，卷积神经网络在语音识别、物体检测、人脸识别等方面的研究也逐渐开展起来。
2.3跃进试发展阶段
这一阶段以alexnet的出现为起点，它的出现是卷积神经网络的一个历史性的时刻，在此后卷积神经网络在alexnet的基础上衍生出许多变种。2012年，Krizhevsky等[3]提出了alexnet，使得卷积神经网络成为了学术界的焦点。alexnet之后，不断有新的卷积神经网络模型被提出，。并且，卷积神经网络不断与一些传统算法相融合，加上迁移学习方法的引入，使得卷积神经网络的应用领域获得了快速的扩展。
三、卷积神经网络的结构
Cnn基础的结构是卷积层，池化层，最后为全连接层，所有的卷积神经网络模型都是在此结构上搭建而来。
3.1卷积层
图像经过卷积层及提取出其输入特征。卷积层的运算由特征提取阶段和特征映射阶段构成。
（1）特征提取阶段。在特征提取阶段，每个神经元的输入与前一层的局部接受域相连，使用卷积滤波器做卷积操作，提取出该局部的特征。设一个n*n的局部区域内第i个像素的输入值是Xi（i=1，2，..n*n），与n*n大小滤波器相对应的值为wi，这个滤波器的有个固定的偏置量为b，这个区域最后经过卷积操作变成了一个值y，卷积操作如公式（3-1）
全连接层一般放在最后，经过全连接层后得到特征向量，可将这个特征向量用于分类或者检索。全连接层其实就是一个卷积层，只不过最后得到的是一个向量。当选择的卷积核大小与输入的大小一样大时，经过征提取和特征映射阶段后。输出大小为1*1的区域。这样不同的卷积核卷积进过此层得到的是向量，1*1的区域值即是向量的一个值。
四、结语
卷积神经网络经过这些年的发展，对图像、语言、文本等二S数据的识别可以达到90%，远远高于传统的浅层特征学习的方法。目前，有学者将此方法迁移到了三维模型检索领域，并且取得了不错的结果。未来的卷积神经网络这一深层学习结构一定大有可为。
参考文献
[1]K.福岛（Fukushima）.neocognitron：一个自组织的神经网络模型为了一个不受位置平移影响的模式识别的机能.生物控制论，36，193-202，1980
神经网络的发展篇6
［关键词］Bp神经网络农业工程农业管理农业决策
一、引言
采用神经网络算法的信息处理技术，以其较强的计算性和学习性，现如今已经在各工程领域内得到了广泛应用。随着科技不断的发展和研究的不断深入，农业系统中采用的传统分析和管理的方法已经不能满足农业工程领域快速发展的需要。在农业系统中采用神经网络技术可在一定程度上可弥补传统方法的不足，现已成为实现农业现代化的一个重要途径。神经网络现已在农业生产的各个环节得到广泛的应用，从作物营养控制、作物疾病诊断、产量预测到产品分级，显示了巨大的潜力，并正以很快的速度与生产实际相结合。目前应用比较多的Bp神经网络，可通过学习以任意精度逼近任何连续映射，在农业生产与科研中展示出了广阔的应用前景。
Bp人工神经网络方法。人工神经网络是对生物神经网络的简化和模拟的一种信息处理系统，具有很强的信息存贮能力和计算能力，属于一种非经典的数值算法。通常可分为前向神经网络、反馈神经网络和自组织映射神经网络。Bp神经网络(Backpropugationneura1network)是一种单向传播的多层前向神经网络，可通过连续不断的在相对于误差函数斜率下降的方向上计算网络权值以及偏差的变化而逐渐逼近目标值，每一次数字和偏差的变化都与网络误差的影响成正比，并以反向传播的方式传递到每一层，从而实现了神经网络的学习过程。Bp人工神经网络的结构如图所示，Bp神经网络可分为输入层、中间层(隐含层)和输出层，其中输入和输出都只有一层，中间层可有一层或多层。同层的网络结点之间没有连接。每个网络结点表示一个神经元，其传递函数通常采用Sigmoid型函数。Bp神经网络相当于从输入到输出的高度非线性映射，对于样本输入和输出，可以认为存在某一映射函数g，使得y0=g(xi)，i＝1，2，3，…，m，其中m为样本数，xi为输入样本，yo为输出结果。
Bp神经网络的一个显著优点就是其可进行自学习，能够通过训练得到预期的效果。其学习过程由正向传播和反向传播组成，神经网络的输入值经过非线性变换从输入层经隐含层神经元的逐层处理传向输出层，此为正向传播过程。每一层神经元的状态将影响到下一层神经元状态。如果输出层得到的数值与期望输出有一定的偏差，则转入反向传播过程。神经网络通过对输入值和希望的输出值(教师值)进行比较，根据两者之间的差的函数来调整神经网络的各层的连接权值和各个神经元的阈值，最终使误差函数达到最小。其调整的过程是由后向前进行的，称为误差反向传播Bp算法。具体学习过程如下：
（1)随机给各个权值赋一个初始权值，要求各个权值互不相等，且均为较小的非零数。
（2)输入样本集中每一个样本值，确定相应的网络实际输出值。
（3)计算实际的输出值与相应的样本集中的相应输出值的差值。
（4)按极小误差方式调整权值矩阵。
（5)判断网络误差是否小于训练前人为设定的一个较小的值，若小于，则跳出运算，此时的结果为神经网络的最终训练结果；若大于，则继续计算。
（6）判断最大迭代次数是否大于预先设定的数，若小于，返回（2）;若大于，则中止运算，其结果为神经网络的最终训练结果。
上述的计算过程循环进行，直到完成给定的训练次数或达到设定的误差终止值。
二、Bp神经网络在农业工程领域中的应用
1.在农业生产管理与农业决策中的应用
农业生产管理受地域、环境、季节等影响较大，用产生式规则完整描述实际系统，可能会因组合规则过多而无法实现。神经网络的一个显著的优点就是其具有较强的自学习、自适应、自组织能力，通过对有代表性的样本的学习可以掌握学习对象的内在规律，从而可以在一定程度上克服上述信息量大的问题。神经网络在农业生产管理方面可用于农作物生长过程中对农作物生长需求进行预测，从而通过对养分、水分、温度、以及pH值的优化控制达到最优的生长状况。采用神经网络预测算法的主要思想可描述为：（1）收集一定规模的样本集，采用Bp算法进行训练，使网络收敛到预定的精度；（2）将网络权值矩阵保存到一存储介质中，例如文本文件或数据库中；（3）对于待预测数据的输入部分，从存储介质中读出网络连接权值矩阵，然后通过Bp神经网络的前向传播算法计算网络输出，输出结果既是预测出来的数值向量。如霍再林等针对油葵不同阶段的相对土壤含盐浓度对其产量的影响有一定的规律的现象，以油葵的6个成长阶段的土壤溶液含盐的相对浓度为输入样本，相对产量为输出样本，通过比较发现，训练后的神经网络能较好预测油葵产量，采用此方法可补充传统模型的不足，为今后进一步的研究开辟了新路。
在农业决策方面，主要将农业专家面对各种问题时所采取的方法的经验，作为神经网络的学习样本，从而采用神经网络建立的专家系统将从一定程度上弥补了传统方法的不足，将农业决策智能化。如何勇、宋海燕针对传统专家系统自学习能力差的缺点，利用神经网络可自我训练的优点，将神经网络引入专家系统中。将小麦缺素时的田间宏观表现，叶部、茎部、果实症状及引起缺素的原因这五个方面的可信度值作为神经网络的输入量，将农业专家诊断的结论作为输出量，将这些数据作为神经网络的训练数据。实际应用表明此系统自动诊断的结果与专家现场诊断的结果基本一致，从而采用该系统能够取代专家，实现作物的自我诊断，为农业管理方面提供了极大的帮助。如马成林等针对于传统施肥决策方法中非线性关系描述不足的问题，基于数据包分析和Bp神经网络，建立了施肥决策模型，应用表明，在有限的范围内，模型预测结果较为合理，可以反映玉米的需肥特性。刘铖等人提出采用神经网络应用在农业生产决策中，以莜麦播种方式决策为例，通过对产生式规则的分析导出神经网络输入、输出单元数，并通过多次试验确定隐层单元数，用matLaB方针结果表明，采用神经网络作为农业生产决策的方法，取得了较好的效果。谭宗琨提出将基于互联网环境下的神经网络应用在玉米智能农业专家系统中，根据农作物发育进程分成若干个发育期，分别对各个发育期建立管理模型，依照作物各发育期进程时间间隔，由计算机系统自动选取相应的模型进行决策。应用分析的结果表明采用神经网络的玉米智能专家系统已初步接近农业生产的实际。
2.在农产品外观分析和品质评判
农产品的外观，如形状、大小、色泽等在生产过程中是不断变化的，并且受人为和自然等复杂因素的影响较大。农产品的外观直接影响到农产品的销售，研究出农作物外观受人为和自然的影响因素，通过神经网络进行生产预测，可解决农产品由于不良外观而造成的损失。如murase等针对西红柿表皮破裂的现象，西红柿表皮应力的增长与西红柿果肉靠近表皮部分水分的增加有关，当表皮应力超过最大表皮强度时，将导致表皮破裂。用人工神经网络系统，预测在环境温度下的表皮应力，可通过控制环境变量来减少西红柿表皮破裂所造成的损失。
在农业科研和生产中，农产品的品质评判大多是依赖于对农产品外观的辨识。例如对果形尺寸和颜色等外观判别果实的成熟度，作物与杂草的辨别，种子的外观质量检测。由于农业环境的复杂性和生物的多样性，农产品的外观不具有较确定的规律性和可描述性，单一采用图像处理技术辨识农产品的外观时不宜过多采取失真处理和变换，否则则增加图像处理的复杂性，特征判别也相对困难。人工神经网络由于其具有自学习、自组织的能力，比较适宜解决农业领域中许多难以用常规数学方法表达的复杂问题，与图像处理技术相结合后，可根据图像特征进行选择性判别。采用此方法可以部分替代人工识别的工作，提高了生产效率，也有利于实现农业现代化。如Liao等将玉米籽粒图像用34个特征参数作为神经网络的输入变量，将输出的种粒形态分为5类，经过学习的神经网络对完整籽粒分类的准确率达到93％，破籽粒分类的准确率达91％。
3.蔬菜、果实、谷物等农产品的分级和鉴定
在农业生产中，蔬菜、果实、谷物等农产品的分级和鉴定是通过对农产品外观的辨识进行的。传统的农产品外观的辨识方法费时费力、预测可靠度很低，而且多采用人工操作，评价受到操作者主观因素的影响，评判的精度难以保证。利用人工神经网络技术结合图像处理技术可部分代替以往这些主要依靠人工识别的工作，从而大大提高生产效率，实现农业生产与管理的自动化和智能化。
利用Bp神经网络技术对农产品果形尺寸和颜色等外观评判，目前国内外已有不少成果用于实际生产中。何东健等以计算机视觉技术进行果实颜色自动分级为目的，研究了用人工神经网络进行颜色分级的方法。分别用120个着色不同的红星和红富士苹果作为训练样本集对网络进行离线训练。两个品种的苹果先由人工依据标准按着色度分成4级，对每一个品种分别求出7个模式特征值作为Bp网络的输入，用训练好的神经网络进行分级。结果表明红富士和红星果实的平均分级一致率分别为94.2％和94.4％。刘禾等用对称特征、长宽特征、宽度特征、比值特征等一系列特征值来描述果形。采用Bp网络与人工智能相结合，建立果形判别人工神经网络专家系统。试验水果品种为富士和国光。试验表明系统对富士学习率为80％，对非学习样本的富士苹果的果形判别推确率为75％，系统对国光学习率为89％，对非学习样本的国光苹果果形判别系统的难确率为82％。
三、未来的发展方向
人工神经网络的信息处理技术现已在农业工程领域内得到了迅速的应用，采用人工神经网络算法的农业系统能够从一定程度上改善控制效果，但此技术在农业范围内还不够成熟，有待于进一步的研究。今后科研的方向大体上可以从以下几方面着手：
1.人工神经网络算法的改进
人工神经网络算法由于本身具有一定的缺点，从而采用人工神经网络的算法的信息处理技术在应用过程中具有一定的局限性。在今后的研究中，可以从人工神经网络方向着手，改进人工神经网络算法，从而实现其在农业领域内更好的应用。近年来随着模糊算法、蚁群算法等算法的相继出现，将神经网络与其他算法结合在一起已经成为了研究的热门话题，也是未来算法研究的主要方向之一。
2.应用领域的扩展
人工神经网络算法在农业工程方面现已得到了迅速的发展，扩展其在农业工程领域的应用范围是未来的一个主要研究方向。人工神经网络由于其具有自学习能力，可对农业系统的非线形特性进行较好的描述，采用人工神经网络可解决传统方法的不足，从而实现农业现代化。如何将神经网络较好地引入到农业系统，解决农业工程中的部分问题，已是今后农业科研中的一个方向。
四、结束语
神经网络作为一种人工智能范畴的计算方法，具有良好的自学习与数学计算的能力，可通过计算机程序进行模拟运算，现已广泛用于模式识别、管理决策等方面。随着计算机硬件和软件的不断发展与农业工程方面的研究的不断深入，神经网络将在农业管理、农业决策、农作物外观分类、品质评判等方面充分发挥其自学习能力强，计算能力强的优势，通过对样本数据的学习，神经网络可较好地解决农作物生长过程中的作物分类、预测等非线形的问题。在农业工程领域内，神经网络拥有广阔的科研前景。
参考文献:
[1]余英林李海洲:神经网络与信号分析[m].广州:华南理工大学出版社,1996:45
[2]霍再林史海滨孔东等:基于人工神经网络的作物水―盐响应初步研究[J].内蒙古农业大学学报，2003，24（3）：66～70
[3]何勇宋海燕:基于神经网络的作物营养诊断专家系统[J].农业工程学报,2005,21（1）:110～113
[4]马成林吴才聪张书慧等:基与数据包络分析和人工神经网络的变量施肥决策方法研究[J].农业工程学报,2006，20（2）:152～155
[5]刘铖杨盘洪:莜麦播种方式决策的Bp神经网络模型[J].太原理工大学学报，2006,37(5):119～121
[6]谭宗琨:Bp人工神经网络在玉米智能农业专家系统中的应用[J].农业网络信息，2004(10):9～1
[7]LiaoK,LiZ,ReidJF,etal.Knoledge-basedcolordiscriminationofcornkernels[J].aSaepaper[C].92～3579
神经网络的发展篇7
【关键词】网络安全；神经网络；入侵检测
1.引言
随着internet在社会各个领域的广泛应用，人们对internet的依赖性越来越强，而网络安全问题在很大程度上决定着人们对网络的信任程度，这对网络应用的实施和普及造成了巨大的威胁。因此，面对日益严重的网络信息安全问题，如何保障计算机系统、网络系统及整个信息基础设施的安全已经成为急需解决的重要问题。
网络入侵是威胁网络安全的重要途径之一。针对入侵检测，国外早已开展了一系列的研究，特别是对一些重要的政治、军事和经济网络进行非法入侵实时监控。这些系统能及时的检测出网络中的异常，并对管理人员发出警报，以避免异常所带来的危害，因此，及时、准确的网络入侵检测技术能保障网络信息安全，对提高网络的可靠性和可用性有着重要的意义。
2.基于神经网络的入侵检测技术
网络入侵检测系统作为一种主动型的网络安全防护工具，它能够根据网络入侵数据的特征来判断是否存在入侵以及入侵的分类，现有的入侵检测技术大多是采用模式识别的方式进行检测，即通过比对已知的攻击数据的模式特征来判断入侵是否存在[1]。虽然这种技术具有较高的检测率，但它只能针对现有的入侵进行检测，对于未知的入侵则无法检出。所以，存在着漏报率高的缺点。
为解决以上问题，人们把神经网络技术应用到入侵检测的研究当中，取得了一些积极的进展。基于神经网络的入侵检测技术包括：基于模糊聚类的Bp神经网络的入侵检测技术、基于SoFm网的入侵检测技术、基于支持向量机（SVm）的入侵检测技术和等。
2.1基于Bp神经网络模糊聚类的入侵检测
虽然模糊聚类能对数据进行聚类挖掘，但由于网络是一个复杂的非线性动力学系统，其入侵数据特征维数较多，不同的入侵类别间数据差别不明显，不能对入侵模式进行准确的分类。采用基于Bp神经网络的模糊聚类算法[2]能较好的解决以上问题。
该算法首先用模糊聚类算法把对入侵数据进行分类，并得到每类的聚类中心和个体模糊隶属度矩阵，Bp神经网络的初始训练数据选择最靠近每类中心的样本作为训练样本。Bp神经网络训练模块用训练数据训练网络，Bp神经网络预测模块根据预测输出将入侵数据重新进行分类，并从中找出最靠近每类中心值的样本作为训练样本，这样就再次得到了网络训练数据，其输入数据为网络入侵检测数据，而输出则为该数据所属的入侵类别。按该方法反复迭代聚类，则能有效的对入侵数据进行分类。
2.2基于SoFm网的入侵检测
Bp神经网络具有较好的模式识别能力，被广泛的应用于入侵检测，但由于Bp算法本身存在一定的局限性，如存在局部极小值、学习速度慢，甚至会在极值点附近出现振荡现象，因此，可将无师自组织自学习的SoFm网和Bp神经网络结合起来，从而克服Bp算法的弊端[3]。
采用SoFm和Bp混合神经网络的算法，首先进行数据的预处理，提取能够表示网络流量特征的特征量，作为SoFm网络的输入；然后利用SoFm网络的自组织自学习特性，保存在竞争中取得胜利的神经元的连接权值矢量，并将其作为Bp神经网络的输入，最后利用Bp神经网络的预测模块进行入侵识别。
2.3基于支持向量机的入侵检测
基于支持向量机的机器学习已成为神经网络研究的前沿领域。迄今为止支持向量机技术已在图像识别、手写数字识别、生物信息学方面取得了积极的进展。基于支持向量机入侵检测技术[4，5]首先需要对数据进行预处理，将具有高维、小样本和不可分等特性的网络数据处理成支持向量机可以接受的向量；然后将该向量作为SVm数据训练模块的输入，经过训练之后的数据会生成一组支持向量SV，最后利用SVm数据检测模块对经过预处理之后的网络数据进行检测，通过对经SVm数据训练模块得到的模型与实际需要检测的网络数据进行比对，判断是否有入侵发生。
2.4基于小波神经网络的入侵检测
小波神经网络是一种广泛应用的神经网络模型，它在Bp神经网络的基础上，把小波基函数作为隐含节点的传递函数，将信号向前传播的同时将误差反向传播。基于小波神经网络的入侵检测技术[6]首先将网络数据进行预处理分析，提取能表示网络特性的特征量，然后经小波神经网络检测模块进行处理，小波神经网络不仅可以检测出已知的网络入侵，对未知的网络入侵也具有很好的检测能力。这说明小波神经网络不仅具有识别能力，还具有很强的学习能力，与传统的基于规则的入侵检测技术相比，基于小波神经网络的入侵检测技术误报率低，实用性更强，更具有研究价值。
3.神经网络在入侵检测中的发展趋势与研究方向
虽然将神经网络应用于入侵检测有一定的时间积累，但它在入侵检测中的应用还存在一定的缺陷，至少离商用系统的要求还有很大的差距从整体上来讲存在的主要问题是系统的误报率和漏报率均较高。随着计算机与网络技术的发展，新的入侵手段将层出不穷，采用单一的入侵检测技术无法满足入侵检测的需要。在深入研究神经网络的原理以及将神经网络应用到入侵检测中的同时应重点研究以下几个问题。
（1）应综合各种神经网络的优点进行入侵检测系统的设计，针对特定的检测领域，采用不同的方法，有目的地把各种神经网络检测技术融合在一起，同时把滥用检测与误用检测并用。
（2）随着分布式入侵检测的出现与发展，网络环境日趋复杂，在使用神经网络技术的同时，要注重整合智能化agent技术加强各种安全部件之间与安全工具之间协作的研究。
（3）随着黑客攻击网络的技术的复杂化，提取的攻击者攻击特征量很难与网络流量特征库中的提取的特征量相匹配，靠单一的模式匹配来进行入侵检测越来越困难。如果采用神经网络对黑客攻击网络的步骤进行训练，提取出黑客攻击网络的模式，而不是单纯的依靠入侵检测系统从海量数据中提取特征去进行模式匹配，将会进一步提高入侵检测的效率。
4.结束语
计算机网络诞生以来，就有了网络入侵与入侵检测两者间的斗争，并且这一对矛盾会随着网络发展一直存在。随着入侵手段的发展，入侵检测技术也在不断完善。采用神经网络技术进行入侵检测使检测具有很好的适应性和一定的智能性，但入侵检测系统是由技术、人和工具三方面因素构成的一个整体。安全重在防范，要有效的保障网络安全，需要从提高人对网络入侵的防范意识，改进网络基础设施和提高网络入侵检测技术等多方面努力。
参考文献：
[1]李钢.基于神经网络的入侵检测研究与实现[D].上海：华东师范大学，2008.
[2]王小军.模糊聚类在入侵检测中的应用研究[D].南京：南京师范大学，2006.
[3]林永菁.基于SoFm的入侵检测技术研究[J].长春工程学院学报（自然科学版）2011，12（3）：93-96.
[4]叶琳.基于SVm的网络流量异常检测系统研究[D].云南：云南大学，2010.
[5]肖海军，王小非，洪帆，等.基于特征选择和支持向量机的异常检测[J].华中科技大学学报（自然科学版），2008，36（003）：99-102.
神经网络的发展篇8
党的十七届六中全会明确指出要“发展积极健康的网络文化”，并就加强网络文化建设和管理作了专门部署，“加强网上思想文化阵地建设，是社会主义文化建设的迫切任务。要认真贯彻积极利用、科学发展、依法管理、确保安全的方针，加强和改进网络文化建设和管理，加强网上舆论引导，唱响网上思想文化主旋律”。[1]这充分体现了中国共产党高度的文化自觉意识和在信息化条件下对文化发展趋势的准确把握。在新的时代条件下进一步加强网络文化建设和管理，笔者认为要特别主要以下几个方面。一、要充分认识到发展积极健康的网络文化的重要意义当前，网络已经日益成为人们精神生活的新空间、信息传播的主要渠道之一。据相关统计，截至2011年上半年，我国网民人数已达4.85亿并呈现继续加速上升趋势。人们已经把网络作为了解信息、浏览新闻、学习知识、休闲娱乐的主要渠道，如果不注重引导这个庞大群体的文化价值取向，社会主义核心价值体系就难以成为社会共识；如果不注重满足他们的精神文化需求，社会主义文化建设的目的就不能完全达到。因此，加强和改进网络文化建设关系深远。当前，我国的网络文化建设在满足人民群众精神需要等方面还存在诸多问题，如当前网上优秀文化产品供给不足、公共文化信息服务不到位等。网络文化建设与社会主义先进文化的发展要求不相适应，与人民群众日益增长的精神文化需求还有较大差距，繁荣发展丰富多彩、积极健康网络文化的任务繁重而紧迫。发展积极健康的网络文化是增强国家文化软实力的迫切需要。文化软实力是一个国家的文化所体现出来的凝聚力、吸引力和影响力。提升国家文化软实力，是我国经济社会发展到一定阶段的历史任务，也是我国提高国际影响力、塑造良好国际形象、营造和平发展国际环境的必然要求。在这一时代背景下，我们就更要密切跟踪网络文化的发展趋势，创新网络文化商业模式，提高网络文化传播力，不断增强国家文化软实力。发展积极健康的网络文化是进一步净化网络文化环境的现实需要。由于各种原因，当前我国的网络文化良莠不齐、内容复杂，各种低级文化、黑色文化等充斥着各大网站，网络暴力、网络诈骗等违法犯罪活动不断改头换面，严重扰乱了社会秩序，直接危害了青少年身心的健康成长。从一定意义上说，净化网络文化环境已经到了刻不容缓的地步。二、进一步发展和繁荣网络文化的实现途径（一）要坚持正确的舆论导向发展积极健康的网络文化必须坚持正确的舆论导向。当前，发展积极健康的网络文化就是要坚持社会主义核心价值体系的指导地位，一是要坚持以马克思主义中国化的最新理论成果为指导，保证网络文化发展的正确方向。由于网络自身的特点，网络文化内容呈现出了多元化的特征。因此，我们必须以马克思主义中国化的最新理论成果为指导，坚持用马克思主义的基本立场、基本观点和基本方法分析、研究和引领网络文化的发展，不断增强用马克思主义占领网络文化阵地的政治意识，真正把网络建设成为传播马克思主义理论和先进文化的思想阵地，使网民在享受快捷方便、丰富多彩的网络文化的同时，增强政治敏锐性和政治鉴别力，切实牢牢把握网络文化建设主动权。二是要坚持以中国特色社会主义共同理想为核心，增强网络文化的凝聚力。当前，我们的改革正处于攻坚阶段，各种社会矛盾日益凸显，各种利益关系错综复杂。在这一背景下，如何用共同理想凝聚全社会的智慧和力量就显得尤为重要。当前，必须坚持将中国特色社会主义共同理想作为网络文化建设的核心，充分利用现代技术手段，通过网络视频、音频、图片、文字等形式广泛而深入地开展专题宣传普及活动，营造浓厚的网络正面舆论氛围，借此增强网民对中国特色社会主义事业的认知、认同感，坚定其对实现中华民族伟大复兴的理想信念。三是坚持以弘扬民族精神和时代精神为灵魂，提升网络文化的精神内涵。当前，以西方意识形态为主要特征的网络霸权主义甚嚣尘上。“网络霸权主义是指计算机网络技术发达的国家或组织利用其资金、网络技术、网络管理、语言和网络文化等方面的优势，控制国际互联网，把符合本国或自己集团利益的意志、价值观念、意识形态等通过网络强加于其他国家及其公民，妨碍、干涉或有意压制其他国家及其公民对网络信息的自由运用，以谋求和扩大自身的经济、政治、文化和军事等方面的利益。当今世界，搞网络霸权主义的主要是以美国为首的少数西方发达国家”。[2]网络霸权主义打着“网络自由”、“文化多元”的幌子，大肆宣传和植入西方的价值观念和意识形态，严重干扰了人们的认识视角和社会的和谐稳定。要抵制西方网络霸权主义的文化影响，就必须加紧打造彰显我国民族精神和时代精神的网络文化精品，坚持把弘扬以爱国主义为核心的民族精神和以改革创新为核心的时代精神作为灵魂，提升网络文化的精神内涵。四是要坚持以社会主义荣辱观为道德评判标准，营造健康向上的网络文化氛围。面对日益严重的网络道德失范现象，必须大力倡导社会主义荣辱观，坚持以社会主义荣辱观作为网络道德的评判标准，用社会主义荣辱观教育和规范网民的行为，强化其道德责任意识和判断能力，教育和引导网民知荣辱、明是非，自觉抵制网络低俗之风。（二）要坚持发展为先的原则一是坚持发展一批以先进文化为主要内容的网络文化产业，要用一批优秀的先进网络文化产品来占领和巩固网络阵地。这就要求我们必须要以强大的民族网络文化产业为支撑，不断提高优秀网络文化产品和服务的供给能力，要以市场为依托，不断提高网络文化产业的规模化、专业化、国际化水平，努力形成一批“立足中国、放眼世界、社会责任感强”的网络文化骨干企业；要以产品为基础，不断增强我国网络文化产业的自主创新能力，努力推动网络文化产品的创作和生产向原创为主转型升级；要以中华文化为重点，创新文化服务方式，大力加强数字图书馆、博物馆、文化馆、艺术馆建设，努力形成一批具有中国气派、体现时代精神、品位高雅的网络文化品牌；要加强战略研究，制定产业发展中长期规划，建立网络文化产业协调机制，优化网络文化产业企业发展的基础环境，指导规范网络文化产业健康发展；要建立网络文化产业高端交流平台，展示、交流网络文化产业新进展、新成就，提高网上公共文化服务水平，引领网络文化产业良性运行。#p#分页标题#e#二是要大力发展网络文化技术，拓宽网络文化发展空间。网络文化是以网络技术为物质基础的，要保证我国网络文化的积极健康快速地发展，必须要大力发展网络文化技术。要瞄准世界文化科技发展的战略前沿，加强数字技术、数字内容等核心技术的研发和应用，掌握自主知识产权，提高文化装备制造技术水平；要进一步加大新一代网络、“防火墙”、“电脑密码”等重点领域的技术攻关和研究开发力度，着力构筑政治经济文化等领域的过滤网站；要加快建设中文域名服务器，开发集思想性、知识性、教育性、艺术性、娱乐性和易操作性于一体的宣传教育软件，占领网络文化前沿阵地，改进传播民族优秀文化的手段；要大力建设互联网接入基础设施，在继续推进东部和城市地区建设的同时，以西部地区和农村地区为重点，以卫星网、移动网、电视网等宽带业务为方向，通过多元化投资打破垄断，不断降低上网费用、提高上网速度；要积极开展与各国政府及相关国际组织在互联网技术、标准规范、资源分配、网络接入、互联网治理等方面的交流与合作，建立有效的沟通协商机制，促进互联网快速健康发展。（三）要进一步加强网络文化管理一是要进一步积极实施网络文化管理的监督职能、引导职能、规范职能、惩戒职能，加快建立法律规范、行政监督、行业自律、技术保障相结合的网格文化管理体制和机制，推动网络文化健康发展。1.要健全法律法规，提高依法管理水平。要进一步提高立法质量，把网络管理的立法工作纳入到国家整个法制建设的框架中思考设计；要跟踪网络文化的最新动态，加快立法进程，使网络文化建设尽可能做到有法可依；要严格执法，对网络上的违规违法、经济犯罪、民事犯罪等做到执法必严、违法必究，从而保障国家的网络文化安全。2.要以技术突破带动网络文化管理水平的提高。技术的发展既有可能给网络文化带来某种威胁，也一定可以运用它来消除这种威胁。以技术手段对网络文化进行管理，一方面要进一步加强对信息技术产品的监控与管理，另一方面要加强网络安全体系建设，通过研制和开发先进的防范病毒传播和破坏计算机系统的软硬件技术，对网上内容进行甄别，将危害国家安全、破坏社会稳定以及色情等有害信息的网站予以屏蔽、过滤。3.要以行业自律为重点，积极推进网络文化健康发展。推进网络行业自律，就是要做到自觉维护主流思想、自觉传播先进文化、自觉抵制低俗之风、自觉维护公平竞争。这当中，要充分发挥行业自律组织的作用，充分发挥专业人士在行业自律中的作用，互联网企业要切实肩负起自己的社会责任，加强自律，文明办网。网民也要自律。要通过思想政治工作和网络伦理教育，促使人们自觉树立起网络自律意识，遵守网络道德，不断巩固网上社会主义思想阵地。二是要进一步改革健全网络文化管理的模式，充分释放网络文化生产力。网络文化管理是网络文化发展的一项重要内容，要坚持“在发展中管理，在管理中发展”的建设原则，切实改进网络文化管理的模式。网络文化管理模式是网络文化管理的主体、客体和环境关系的集中反映。客观来说，我国现阶段网络文化的管理模式比较混乱，相关管理的制度规章也不健全，条块分割、片区管理的管理模式比较突出，政府、产业和用户在网络文化建设中的职责和作用未能很好的厘定，导致了在网络文化发展过程中出现的问题无法得到有效地解决。在这一管理模式下，网络文化的发展尤其是网络文化产业的发展出现的问题尤为突出，直接阻碍了网络文化产业的发展和壮大。现阶段，进一步健全完善网络文化管理的模式必须厘定政府、企业以及网络用户的自身的定位，政府要做好文化发展的主持者、管理人，要坚持从宏观、间接的角度对网络文化发展提供方向性引导和政策机制的支持。网络企业要坚持自身的行业特性，把自律、规范、发展与公益有机结合起来，形成文化发展的内部动力，以保障文化发展的经济特性与社会效益的有机结合。网络用户要立足于文化自觉地视角，从提高自身素质出发，提高文化消费的品位，积极转变角色意识，参与文化建设的管理与互动。三是要进一步建设好网络文化队伍，为网络文化发展提供人才支撑。网络文化队伍既包括网络文化的建设人才，也包括网络文化的管理人才。繁荣网络文化，造就网络文化产业人才，一是要着力培育网络文化创意、技术、管理、营销等专业人才，努力形成一支与市场相适应、与品牌相适应、与经济规模相适应的网络文化队伍。二要优化人才成长的体制机制，从政策、环境等方面，为网络文化产业人才创业发展提供良好条件，同时要建设互联网信息服务从业人员的准入机制，积极引进在国内外文化产业运作方面有经验、有水平的高端人才，投身我国网络文化建设。
神经网络的发展篇9
论文摘要：网络思想政治教育管理的原则，是在网络思想政治教育管理实践中形成的、体现了网络思想政治教育管理客观规律的、思想政治教育管理活动必须遵循的准则。数字化技术是支撑网络思想政治教育改革发展的关键网络思想政治教育应包含人文精神教育。网络思想政治教育管理要坚持数字化技术与人文精神相结合的原则。
本文所说的网络是指以计算机和信息技术为基础，以实现便捷通讯和资源共享为目的，发展人的本质的虚拟世界。它主要是指互联网。网络思想政治教育是指以认清网络本质和影响为前提，利用网络促使网民形成符合一定社会发展所需要的思想政治品德和信息素养的虚拟实践活动。in原则是指人们在既定目标和特定条件下，观察和处理问题时必须遵循的准则和标准。网络思想政治教育管理的原则，是在网络思想政治教育管理实践中形成的、体现了网络思想政治教育管理客观规律的、思想政治教育管理活动必须遵循的准则。网络思想政治教育管理要坚持数字化技术与人文精神有机统一的原则。
一、网络思想政治教育具有使科学精神与人文精神在网上和谐发展的可能性
由计算机和信息技术构成的互联网诱发的数字化及其运用已渗透到经济、政治、军事和文化教育等领域，涌现出数字经济、数字农业、数字军事、数字教育等。数字化是网络的一个主要特征。网络可以集文字、图片、音频、视频于一体，是地地道道的多媒体。虽然目前仍存在如电视、广播等远距离教学的模拟教学手段，但这些都将迅速被数字化电视、广播等所取代。
数字化技术是支撑网络思想政治教育改革发展的关键。数字化思想政治教育技术是由数字化思想政治教育资源库、思想政治教育资源传输网络、思想政治教育资源检索浏览前端平台组成的用于人们教学的现代思想政治教育技术。数字化将是一切思想政治教育技术的核心。离开了数字化，现代与未来的思想政治教育技术将成为无本之木。数字化思想政治教育技术无论是在课堂教学还是在课外网络教学或其他教学活动中都起着重要作用。当然，数字化思想政治教育不纯粹是数字化技术在教育领域的简单应用，它是建立在数字化技术基础之上的现代思想政治教育思想、思想政治教育理论、思想政治教育方法、思想政治教育模式等一整套思想政治教育体系。丰富的数字化教学资源与传输快速的通讯网络和效果良好、操作方便的前端平台是数字化教育技术发展的核心，而数字化思想政治教育体系的确立，则是数字化思想政治教育技术得以广泛应用的可靠保证
网络思想政治教育运用网络技术使得其外延有了无限扩展的可能，如果从网络思想政治教育内涵角度思考，我们就会发现忽略了人文精神的培养。高科技飞速发展与人文科学被冷落，正是我们当前思想政治教育的二律背反。这些问题的原因在于我们没有处理好网络思想政治教育与人文精神的关系。
第一，网络思想政治教育信息的多元化并由此带来人文精神的散乱化。客观事物形态多样化带来人们主观思维模式的多样化，这是现实世界网络信息多元化的必然结果。网络世界是一个广裹的虚拟世界，是一个无视国界、无视种族、无视地域、无视权威、无视等级的世界。网络文化新观念诱导着人们多角度、多层次、多方位、多侧面地审视社会，审视周围一切环境，而行为方式也表现为千变万化。网络新观念的特点是:非线性的网络思维、信息传递的多感觉通道、时空无限放大或缩小、中心消解的边缘化、信息无终极的流动、将抽象变为现实的虚拟手段等。在这种观念支配下，人们的精神世界多了一些散乱，少了一些凝聚，行为就缺少人文精神。
第二，知识资本、数字化技术产业化显得红红火火，人文精神却变得异常冷落。网络思想政治教育最根本的价值在于培养特定网民的品格和精神，唤醒他们的心灵良知来支撑自己的一切行动。网络思想政治教育的数字化技术水平的迅速提高，使它的知识传播和知识应用功能加大加强，但人文精神欠缺所造成的社会不良后果是不堪设想的。数字化技术竞争式的网络思想政治教育发展越快，往往越是不能很有效地培育人的真善美，反而把人性中好的因素压抑了或是扼杀了。我们应该认识到:在充分发挥和利用数字化技术为人类造福的优势的前提下，必须注意抑制数字化技术发展给人们带来的负面效应，认真处理好信息技术发展与人文思想教育的矛盾，克服网络思想政治教育的形式大于内容的劣势，积极培育网络思想政治教育中的人文精神，努力创建网络思想政治教育与人文教育的协调发展模式，把人文精神作为网络思想政治教育的重要组成部分。
二、网络思想政治教育管理要坚持数字化技术与人文精神相结合的原则
1.网络的双刃剑作用要求网络思想政治教育管理坚持数字化技术与人文精神相结合的原则。数字化技术突飞猛进的发展是柄双刃剑，它在给人类带来福音的同时，也带来了诸如网络信息污染等危害人类的不利因素。网络信息中的黄色信息和黑色信息对沉溺其中的青少年的思想观念和道德行为会产生极大的影响。至于那些利用网络从事数字破坏、盗窃、诈骗和洗钱的行为，则会引发更为严重的社会问题。由此观之，数字化技术必须与人文精神相结合，在提高产品的数字化技术含量的同时必须与高度的人文精神结合起来，即现代社会所追求的人才，不仅仅具有高度的科学素质，而且还必须具备高度的人文素质，是一种科学素质与人文素质的整合类型。
2.网络人文精神所具有的独特时代意蕴要求网络思想政治教育坚持数字化技术与人文精神相结合的原则。人文精神，是人文文化的核心。人文文化一般而言是在一定时代一个民族认识人、对待人的思想观念、文化艺术、伦理道德，以及关于人的学说，这使人文精神带有时代的印记、民族的特色。但在网络时代，人文精神具有了不同于以往时代的意蕴、普遍的价值。网络技术第一次使人文精神的传播获得了超越时空的普遍意义。网络的开放性、互动性，为不同民族的文化、不同民族的人文精神的交流，奠定了广泛的基础。网络的即时性和共享性，为人文科学的研究，为共享人类思想文化成果提供了普遍现实的条件。但是，我们站在网络时代，发掘网络人文精神的时代意蕴，并不否认网络给人文精神带来的消极影响。问题的关键是我们在看到网络给人文精神弘扬造成消极影响的同时，要采取各种手段和方法，弘扬人文精神，提升人文精神的境界。网络为人的主体性的发展、科学人文精神的弘扬提供了史无前例的广阔舞台。我们要在“网络世界”的新舞台上，清扫各种思想垃圾，清除各种不利于人的全面发展的因素，以技术与知识的创新促进网络人文精神，以网络道德与网络法的建设保障网络人文精神，从一个境界走向一个更高的境界。izl网络给我们带来了全新的虚拟空间，没有人文精神支持的网络虚拟空间恐怕要变成虚无空间。思想政治教育要沉重地思考这些问题，如果思想政治教育能够在协调发展科学技术精神与人文精神方面迈出一步，哪怕是一小步，我们的思想政治教育就会显示出不可估量的价值。[3]
我们要立足于数字化技术时代，倡导人文精神。如果只在网络上生活，人就会被工具化、数字化，网络思想政治教育必须引导上网者提高自己的人文素质。但如果只讲人文精神，就会忽视隐含在网络里的科学精神，忽视教育手段的进步。因此，网络思想政治教育要把人文精神融人到网络里面去。f41
3.网络思想政治教育坚持数字化技术与人文精神相结合的原则是全面建设小康社会的要求。全面建设小康社会的关键是走新型工业化的道路。所谓新型工业化的道路，就是把发展信息技术及其集中表现的数字化，作为加快我国实现工业化和现代化的重大抉择，坚持以信息化带动工业化，以工业化促进信息化，走出一条科技含量高，经济效益好，资源消耗低，环境污染少，人力资源优势得到充分发挥，与其他国家相区别的具有中国特色的工业化的新路子。走新型工业化道路的核心是实现数字化，其中的关键是要把数字化与人文精神结合起来。全面建设小康社会既是一个经济目标，也是一个政治、文化和可持续发展的目标，包括人文精神及其指导下的各项制度。在我国全面建设小康社会的目标中，民主更加健全，文化更加繁荣，社会更加和谐，以及生活更加殷实，无不包含着人文精神，即使是经济更加发展，科技更加进步等，也包含着丰富的人文内容，所以关键是要把人文精神与数字化结合起来。!习因此网络思想政治教育要发挥人文精神在数字化中的作用，在现代化中实现人文精神与数字化的结合，也就是说，网络思想政治教育在时间上要把时代性和传统性结合起来;在空间上要把引进世界各国特别是发达国家先进的东西与本土化结合起来;在时间和空间的关系上要把现代化和社会主义初级阶段结合起来。
三、网络思想政治教育坚持科学素质教育与人文素质教育的有机统一的主要途径
第一，对学生网民实现人文关怀。在现实物理空间，思想政治教育是直观的，它的有效性几乎全依赖于热情的思想政治教育氛围和思想政治教育者的关怀情结。到了陌生的网络虚拟空间，网络思想政治教育能否保持有效性的关键在于能否使受教育者在冷冰冰的网络空间感受到彼端传来的温暖和人文的关怀。在许多网络交流比较发达的高校中，流传一种网友现象，其重要程度超过了10年以前人们津津乐道的笔友。在网友圈中形成的相互关怀要比许多现实生活中的朋友关系还要凝重得多。许多网络爱好者认为纯粹的网友之间交流并没有特殊之处，其交往形式和程度几乎雷同物理空间的知己好友。不少网友认为在网络空间得到的关怀和帮助并不亚于在现实空间得到的一切，两者之间没有什么差异。如果说有的话，那就是他们认为在网友圈中更容易得到关怀和帮助。网络思想政治教育者要敏锐地抓住这些细枝末节，构筑网络思想政治教育的氛围。i61
网络生活并不是生活的全部。在网络时代到来的时候，遨游在“虚拟化”的网络空间中又生活在真实的物理空间的上网学生，既需要网络技术给他们带来物的福扯，同时也需要获得一种人文的关怀，让他们寻找到一个精神上的家园。在网络时代，对上网学生进行人文关怀的方式多种多样，其内容主要着眼于提高上网学生的网络素质，使上网学生在思想、技术、道德、法制和心理上有承受、控制网络的能力，能适应虚拟社会并能安全地回到真实社会中来。要教育他们用一种非常健康的心态来进行网络活动，教育他们既能上网也能下网。阴网络思想政治教育者要清醒地认识到自然的浩大和精妙，看到网络领域人类太多的空白和无知，要教育网民学会谦虚，学会自律。
第二，构建具有人文精神的网络思想政治教育人才培养模式。首先，人文精神应作为检测网络思想政治教育过程是否有效的准则。网络思想政治教育中的人文教育目的就是运用信息多媒体传播人文知识，通过学习者的解读、领悟、思考，培养学习者的人文精神。比如电脑网络传播出来的精美画面、音乐、文字、语言、图表等都是代表着一定思想意识观念的物质载体，能使学习者的情感熏陶和体验锻炼得到有效升华，唤醒他们的善意心理良知，变为他们追求美好生活的精神动力。
神经网络的发展篇10
目前，无线传感器网络已广泛应用于交通领域、农业领域、家居智能化、状态监测等方向。可见，无线传感器网络的发展，将物理世界和信息技术联系起来，同时也引起了国内外科技界和工业界的重视。从人力到机械，从有线网络到无线网络，科技的发展都在深刻改变着人们的思维和生活方式。可以预见在不远的将来，无线传感器网络会逐步进入人们的现实生活。无线传感器网络是由大量传感器节点，通过自组织多跳路由的无线通信方式联接构成的网络。网络中各节点能够相互协作地采集、处理与传输覆盖区域内的各种信息。所以说，无线传感器网络不仅具有传统无线网络的数据传输功能，还可以进行数据采集与处理。目前，无线传感器网络以其自组网、多跳路由、分布式、低功耗和低成本的特点，给信息感知领域带来了一场巨大的变革。
1问题描述
结合粗糙集与神经网络的理论方法，描述的wSn故障诊断的模型如图1所示，具体流程如下：（1）故障信息集的构建。通过传感器网络以及相应的信号处理技术采集系统故障信息。（2）故障信息集的约简处理。采用粗糙集中的约简算法去除冗余相关的故障信息。（3）将约简故障征兆输入神经网络，输出得到相应的故障类型。Bp神经网络具有从输入到输出的任意非线性映射以及泛化能力，是目前广泛应用的人工神经网络。Bp神经网络属于多层次处理系统。通常由一个或多个隐层组成。采用S型传递函数作为Bp神经网络神经元的隐层，线性传递函数作为输出层。隐含层到输出层的权值、方差以及基函数的中心是RBF神经网络算法实现要求解的参数。由于径向基函数中心选取方法的差异性，RBF网络的学习方法各异，例如：自组织选取中心法、有监督选取中心法、随机选取中心法、以及正交最小二乘法。下面给出自组织选取中心的RBF神经网络学习算法，算法由自组织学习和有导师学习阶段组成，自组织学习阶段为无导师的学习过程，求解隐含层基函数的中心与方差，有导师学习阶段求解隐含层到输出层之间的权值。
2故障诊断算法设计
通常采用的径向基函数是高斯函数，RBF神经网络的激活函数表示为。
3仿真分析
从无线传感器网络节点的系统组成来看，主要包括四个部分：传感器部件、CpU部件、无线通信部件和电源部件。因此，传感器节点故障可相应的分为传感器部件故障、CpU部件故障、无线通信部件故障和电源部件故障。无线传感器网络主要用来对所处环境中某些信息进行感应和监测，在仿真实验中，传感器节点对所处环境的温度进行感测。利用matlab建立RBF神经网络和Bp神经网络。Bp神经网络为隐含层含有10个神经元的三层网络，训练函数为traingdx（），输入层的传递函数是logsig（），输出层的传递函数是purelin（）。设定RBF和Bp网络的训练精度是0.01，利用约简后的训练样本分别对RBF和Bp网络进行训练，得出训练误差曲线如图3，图4所示。由图可知，在同样的误差精度要求下，RBF网络训练只需要7epochs，而Bp网络训练需要107epochs，可见RBF网络的训练速度远高于Bp网络。通过比较RBF神经网络与Bp神经网络的故障诊断准确率与训练速度，可得出两种算法对于无线传感器网络故障诊断的故障诊断准确率。
4结语