神经网络理论研究的国内外发展趋势。

简介：
1.1 神经网络理论研究的国内外发展现状，神经网络理论的研究历程经历了一个波澜壮阔的发展过程，大致可分为三个阶段：二十世纪五十至六十年代的鼎盛时期；六十年代末至七十年代的低谷时期；以及八十年代初至今的复兴时期。早在二十世纪四十年代初，神经生物学家McCulloch与年轻数学家Pitts携手合作，从人脑信息处理的角度出发，运用数理模型对脑细胞的行为和结构及其生物神经元的一些基本生理特性进行了研究，并提出了第一个神经网络计算模型——神经元的闽值元件模型（简称MP模型），从而为神经网络研究奠定了坚实的基础。作为人工智能领域的神经网络系统研究，则可以追溯到二十世纪五 decade末、六 decade初。1954年，人工智能的主要创始人之一Minsky对神经系统学习的能力进行了深入研究，并将这一思想融入博士论文中，随后他对计算机科学家Rosenblatt构建的感知器的学习模型进行了细致分析。同年1957年，Rosenblatt提出了感知器模型，旨在模拟动物和人脑的感知和学习能力，并提出了引入隐含层处理元件的三层感知器的概念。尽管该模型未能解决三层感知器的训练方法问题，但它为一大类神经网络模型的探索提供了重要的指导方向。1958年，Rosenblatt基于MP模型，进一步增加了学习机制并推广了MP模型，同时证明了两层感知器能够将输入数据划分为两类。1960年, Widrow和Hofr提出了自适应线性元件机（一种有效的学习方法），即Widrow-Hoff规则。七 decade末, Wcrbos 提出了BP理论及反向传播原理。八 decade初, Kohonen 提出了自组织映射网络模型C4-B]，从而引发了神经网络领域第二次的高潮。1987年, 在圣地雅哥举行的首届国际神经网络大会上宣告了国际神经网络联合会(INNS)的成立。1986年, 我国系统科学家钱学森主编的论文集《关于思维科学》3中有关于神经网络方面的研究成果。我国学术界大约在八 decade中期开始关注神经网络领域的研究动态, 如中科院生物物理所科学家汪云九、姚国正和齐翔林等⋯ 。 神经网络技术是近年来非线性科学领域取得的最为重要的研究成果之一。经过众多研究者的共同努力, 理论层面日益完善, 算法种类不断丰富多样化。目前, 关于神经网络的理论研究成果颇丰, 并出版了大量关于基础理论著作, 同时仍是全球性科学研究的热点领域之一. 此外, 神经网络技术已经与其它非线性科学领域实现了有机结合; 更重要的是, 神经网络技术已在各行各业中得到广泛应用并取得了显著的实际效果. 目前, 神经网络已被广泛应用于模式识别、系统辨识、参数匹配预测等多个关键领域. 近年来, 在国家“863”计划、“攻关”计划、“攀登”计划和“国家自然科学基金”等的有力支持下, 越来越多的科研人员投身于神经网络领域的研究工作之中 , 为我国在该领域取得世界领先地位贡献了重要力量.