文档库

最新最全的文档下载
当前位置:文档库 > 人工智能报告书——神经网络的应用

人工智能报告书——神经网络的应用

神经网络的应用

摘要:神经网络在国民经济和国防科技现代化建设中具有广阔的应用领域和应用前景。关于智能的模拟和机器再现,必须开始发展出一代新兴产业。因此,我们必须对这一领域的进展密切注意,同时积极加强研究和开拓应用。本文将首先对神经网络进行概述,然后回顾其研究发展的历史,以及说明神经网络研究的意义及应用前景。本文还将通过一个神经网络在工程中应用的例子探讨神经网络是否能在应用于工程实际以及怎样应用。

关键词:神经网络;工程应用;人工智能

APPLICATION OF NEURAL NETWORK

ABSTRACT:the neural network has a wide application field and application in the national economy and the national defense science and technologymodernization. Simulation and machine intelligent reproduction, must begin to develop a generation of emerging industries. Therefore, we must progress in the field of attention, at the same time, strengthen the research anddevelopment and application. This will be the first of the neural network are summarized, and then review the history of research and development, andexplains the research significance and application prospect of neural network.This paper also through the application of a neural network in the engineeringexample of neural network is applied to the engineering practice as well as inhow to use.

KEYWORDS: neural network; engineering application; artificial intelligence

1、神经网络概述

知识的海洋无边无沿,我们现有的知识犹如沧海一粟,而而庞大的工程问题无不错综复杂,现有知识是远不足以给出完备解答的。有很多复杂工程,还存在着许多“灰色地带”(即规律不清楚的领域),需要进一步的深入研究。

人工神经网络模型是生物神经系统的一种高度简化后的近似,属于自适应非线性动力学系统,具有学习、记忆、计算和各种智能处理功能。人工神经网络是一门新兴交叉科学。

从20世纪80年代以来,许多领域的科学家心气了研究人工神经元网络的新高潮,积极开展了大量研究工作,现已取得了不少突破性进展。工程界也对神经网络技术及其应用表现出极大的兴趣,在用传统理论和方法难以解决的工程问题方面,神经网络方法确实能发挥很大作用,取得良好效果。神经网络能较好地解决具有不确定性、严重非线性、时变滞后的复杂系统的建模。

2、神经网络研究的历史

从人脑的生理结构出发来研究人的智能行为,模拟人脑信息处理的功能,即人工神经网络的研究,始于本世纪40年代,但它的发展却经历了一条曲折的道路,至今经历了兴起、萧条、和兴盛三个时期。

早在1943年,心理学家McCulloch和数学家Pitts在数学生物物理学会刊《Bulletion of Mathematical Biophysics》上发表文章,总结了生物神经元的一些基本生理特性,提出了形式神经元的数学描述与结构方法,即M-P模型。M-P 模型的提出兴起了对神经网络的研究。

1949年心理学家Hebb提出神经元之间的突触联系强度可变的假设。根据这

一假设提出的学习率为神经网络的学习算法奠定了基础。期间还有Lazhley对记忆定位的研究,1960年Caianiello提出的神经记忆模型等等。

50年代末,Rosenblatt提出感知机,第一次把神经网络的研究付诸工程实践。这是一种学习和自组织的心理学模型,他基本上符合神经生理学的知识,模型的学习环境是有噪声的,网络构造中存在随机链接,这符合动物学习的自然环境。这种类型的及其显然有可能应用于模式识别、联想记忆等方面。因此当时有上百家实验室纷纷投入这项研究,美国军方也投入了巨额资金,当时神经网络在声呐信号识别等领域的应用取得了一定的成绩。

当时人们对神经网络研究过于乐观,认识只要将这种神经元互连成一个网络,就可解决人脑思维的模拟问题,以后碰到了理论上和实现技术上的困难,加上其他因素的影响,使得对神经网络的研究进入了低潮。

1969年,美国著名人工智能学者Minsky和Papert对Rosenblatt的工作进行了深入的研究,写了很具有影响力的《感知机》一书。他们的结论是悲观的。加之那时微电子技术的发展,使传统计算机能力有很大的提高,因而不必去寻找心的计算理论与实现方法。而且,当时的工艺水品还未能达到只做实用的具有足够规模的实用网络。这些因素共同作用,促使人们对神经网络研究的热情,从而使神经网络的研究进入萧条时期。

进入20世纪70年代,虽然神经网络研究相对处于低潮时期,担仍有不少科学家在极端困难的条件下致力于这一研究,提出了各种不同的网络模型。

1984年Hopfield设计与研制了他说提出的神经网络模型的电路,并指出网络中的每一个神经元可以用元算放大器实现,所有神经元的链接可以用电子线路来模拟,这一方案为神经网络的工程实现指明了方向。同时他也进行了神经网络应用的研究,成功地解决了复杂度为NP的旅行商计算难题,引起了人们的震惊。这些成果的取得有激发了越来越多的人投入到神经网络研究中来,从而使神经网络的研究进入了兴盛期。

3、神经网络研究的意义及应用前景

神经网络与符号处理相结合,可能会使人们对人的认知过程有一个较全面的理解,也就是说,不仅对左脑(主要基于逻辑思维)的功能有所认识,而且对右脑(基于形象思维)的认识规律也有所研究。在这一领域内的任何一项基础理论上的进展,必将对计算机科学和智能产业产生世纪的影响。

神经网络是在许多学科基础上发展起来的,它的研究的深入必然会带动其他学科的发展。许多现代科学理论的创导者对脑的功能和神经网络都有着强烈的兴趣,并从中得到了不少启示,创导或发展了许多新理论。

同时,神经网络理论也会对非线性科学提出新课题。神经网络研究的对象视神经系统,这是高度进化的复杂系统,也是系统科学中一个重要的具体领域。神经网络研究不仅重视系统的动态特性,而且强调事件和信息在系统内部的表达和产生。

神经网络在国民经济和国防科技现代化建设中具有广阔的应用领域和应用前景。

神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力,特别适用于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。主要应用领域有:语音识别、图像识别与理解、计算机视觉、智能机器人、故障检测、实时语言翻译、企业管理、市场分析、决策优物资调运、自适应控制、

专家系统、智能接口、神经生理学、心理学和认知科学研究等等。

4、探讨使用神经网络方法预测公路软土地基的沉降

4.1、背景

随着我国经济的腾飞,基础设施建设也迅猛发展。在建公路越来越多,如高等级公路、“村村通工程等”。在建设公路过程中我们必须保证公路的质量,尤其是高等级公路造价高昂,技术高,对路基变形与稳定性的要求十分严格。而软土在我国分布十分广泛,它的强度低,透水性差,压缩性大,灵敏度高,变形稳定时间长,其工程特性给公路设计与施工带来许多困难。因此,软基沉降预测一直是工程界关注的热点问题。

常用的计算地集沉降量的方法主要有分层总和法、理论公式法、数值分析法和经验公式法等。但这些方法都在实际操作过程中存在一定的缺陷,不能很好地预测地基的沉降。而神经网络方法在处理非线性问题上,具有其独特的优势。充分运用其较强的非线性映射能力,利用实测资料来对复杂的非线性的土工结构进行直接建模。

4.2、思路

应用神经网络建立沉降影响参数与沉降之间的非线性关系,再将待测点的实测影响沉降参数输入到已训练好的网络中,即可得到预测的沉降量。

4.3、收集资料、采集数据

软土地区高等级公路建设中,路基沉降预测成了一大技术难题。因此,各地展开了大规模的沉降观测,留下大量的沉降资料。我们将利用这些公开的工程建设资料总结出影响软土路基沉降的因素,并从中选取一些数据用来进行网络训练和检验。

4.4、构建神经网络

4.4.1、影响因素

根据收集到的资料,总结路基沉降的影响因素主要有以下几个方面:软土的强度、压缩性、渗透性等,加载方式和速度、地基处理方法、土壤结构、工期、路堤倾角、填充料、路面结构等。

4.4.2、神经网络模型结构

我们可以从上面可以看出路基沉降是由多种因素综合作用的结果。我们将选取几个具有一定代表性的指标作为网络的输入:路堤的宽度和高度之比(H)、施工期(J)、地表硬壳层厚度(D)、硬壳层的压缩模量(G)、软土层厚度(S)、软土层的压缩模量(F)、处理方式(A)、竣工时的沉降量(K)。然后我们在选用路堤中线下地表最终沉降量(L)为网络的输出。再取一个隐含层,节点数取17,即2N+1,N为输入层神经元节点的个数。那么BP网络结构最后确定为8X17X1。

4.4.3、神经网络的训练

将选取8组数据作为神经网络的学习样本,采用BP算法进行学习和检验。

对输入变量进行整理,对一些定性变量,将参照专家经验知识进行赋值,如处理方式A变量进行如下赋值:1为不处理;2为砂垫层;3为排水板;4为喷粉装;5为袋装沙井;6为土工布。这样就可以再进行归一化处理啦。然后不断的进行网络迭代运算直至误差函数小于预先给定的ε,就跳出了循环,训练也到此结束。学习样本的输入和输出结果参见表1。

4.4.4、神经网络的检验

经过神经网络的训练,现在已经建立起了输入与输出之间的非线性关系。那它是否正确哪?接下来我们要对它进行一轮检验。我们将在选取实际工程中的4组数据,将其输入我们已经建好的神经网络模型中去。输入输出结果参见表2。由表中的数据我们可以看出,此神经网络拟合效果和预测性能都很好。

4.5、结论

人工神经网络方法可以预测公路软土地基的沉降量。

一定要收集真实的工程建设与测量资料,在源头保证它的真实性,这样你的总结因素、模型结构和模型训练才有可能正确,而且你还有从这些真实材料的数据中选择合适的数据,这样才能构建成功的神经网络。

增加学习样本,可以进一步提高神经网络模型的可靠度。

表1

序号处

A

软土

层厚

S/m

软土

压缩

模量

F/MPa

硬层

厚度

D/m

硬层

压缩

模量

G/MPa

路堤

宽度

比H

施工

工期

J/月

竣工

时沉

降量

K/mm

期望

输出

沉降

O/mm

实际

输出

沉降

L/mm

1 1 15.0 2.00 2.40 4.20 6.50 9.0 360 690 688.2

2 2 5.0 1.11 1.96 4.81 7.65 5.

3 100 490 492.9

3 3 15.0 2.73 1.90 9.95 3.25 6.9 957 1790 1752.8

4 4 13.0 2.84 1.9

5 8.85 4.72 7.0 25

6 402 403.6

5 5 41.O 3.00 3.10 4.55 7.03 1.

6 318 755 755.8

6 6 48.4 2.04 2.60 4.55 8.00 3.3 386 821 823.1

7 6 4.5 2.32 2.00 8.35 7.22 5.4 130 426 428.5

8 3 10.0 2.41 1.90 9.95 4.26 7.0 819 1106 1103.9

表2

参考文献:

[1]胡守仁,余少波,戴葵.神经网络导论[M].长沙:国防科技大学出版社出版者,

1993:1-36.

[2]A.N.米歇尔,刘德荣.递归人工神经网络的定性分析和综合[M].北京:科学出版社,2004:21-72.

[3]徐宗本.计算智能(一)[M].北京:高等教育出版社,2004:8-24.

[4]谷萩隆嗣.人工神经网络与模糊信号处理[M].北京:科学出版社,2003:109-137. [5]沈世镒.神经网络系统理论及其应用[M].北京:科学出版社,2000:11-24. [6]徐丽娜.神经网络控制[M].北京:电子工业出版社,2003:18-21.

[7]罗晓曙.人工神经网络理论[M].桂林:广西师范大学出版社,2005:18-26. [8]胡伍生.神经网络理论及其工程应用[M].北京:测绘出版社,2006:1-129.

[9]魏海坤.神经网络结构设计的理论与方法[M].北京:国防工业出版社,2005:1-36. [10]张代远.神经网络新理论与方法[M].北京:清华大学出版社,2006:14-32. [11]吴微.神经网络计算[M].北京:高等教育出版社,2004:1-15.

[12]韩丽.神经网络结构优化方法及其应用[M].北京:机械工业出版社,2012:114-120.

序 号 处 理 方

式 A 软土 层厚 S/m

软土 压缩 模量 F/MPa 硬层 厚度 D/m

硬层 压缩 模量 G/MPa 路堤 宽度 比H 施工 工期 J/月

竣工 时沉 降量 K/mm 实测 沉降 量 O/mm 网络 预测 沉降 量 L/mm 1 1 8.0 1.60 2.00 4.10 5.60 2.4 57 482 483.4 2 6 14.6 2.66 1.43 4.55 4.82 7.4 268 931 939.0 3 5 16.0 2.66 3.00 4.55 4.32 4.6 752 1857 1854.8 4 3

46.0 2.04

2.12 4.55

5.72 2.4

815

1566

1561.1

第二部分课程学习体会:

1、学习本课程的体会和意义:

我认为人工智能这门课很重要,因为智能应用技术的开发,制造具有人类智能活动能力的智能机器是当前人类重大的科学技术研究任务之一。它也代表了未来机器和技术的发展方向。我对人工智能的课程也很感兴趣,因为出于好奇心和对智能机器的向往,自己也很想了解人工智能,想拨开它的面纱。如果人类能开发出能够会学习和思考的机器,那将是划时代的人类的又一次壮举,世界将发生翻天覆地的变化。它将能够解决现行计算机的瓶颈问题,大大推动科学技术发展和人类生活的改变。要想学习好这门课程必须要刻苦努力,要有发散的思维,还要多查看相关书籍和资料,不断地丰富自己,提高自己的能力。还要结合实际的工程实例进行实践,训练自己的实际运用能力,将自己学到的知识转化为可行的技术操作,这样才可能学好这门课程。

人工智能这门课程将我引导到了人工智能世界的门口,让我见识到了科学的伟大和不可思议。它使我开阔了眼界,让我了解到了机器的发展方向,打破了原有对机器的传统认识,也了解了智能机器和传统机器的区别。这门课程还让我对智能机器和智能技术应用产生了很大的兴趣,以后我将关注人工智能领域的研究和应用进展,也将努力学习人工智能这方面的知识,争取也能做出自己的贡献。

2、对该课程教学的意见及建议:

应该加大对这种代表未来方向的课程的关注和投入,使同学们能够充分重视并学习这门课,所以应该增加这门课程的学时。并且为了让学生更容易学懂课程内容,提高学生的学习兴趣,增加学生的实际应用能力,应该增设与这门课程配套的实验课,实验课要本着实用、基础和培养学生智能开发能力的原则进行。为了增强学生的学习兴趣和对知识的理解,可以增设讨论课,也可在上课期间增多互动。

人工智能报告书

姓名:

学号:

班级:

指导老师:

完成时间:

四川大学电气信息学院