652.txt

This complete matlab for neural network

发信人: GzLi (笑梨), 信区: DataMining
标  题: [转载] 张钹谈--神经元网络的回顾及应用（1）
发信站: 南京大学小百合站 (Fri Nov  1 22:39:34 2002), 站内信件

【 以下文字转载自 AI 讨论区 】
【 原文由 yinsoft 所发表 】

    神经元网络在四五十年代时很热门,到了六七十年代处于低潮,80年
代开始又有热潮,现在可能有些人对这个问题产生疑问。所以,我想在这
方面作些讨论,例如:为什么会产生这种情况?这种情况说明了什么?神经
元网络在未来计算中会遇到什么问题?我们应该向什么方向努力?
    什么是神经元网络?
    什么是神经元网络?它是一个计算模型,与传统的计算机的计算模型
不同。首先,它试图用一些简单的、大量的计算单元连接在一起,形成网
络来进行计算;而传统的计算模式则是只用一个计算单元来进行计算。所
以实际上它是一种分布的、并行计算的概念,代替了原来集中的计算方法
。这种结构化计算方式与大脑有点相像,它会不会比原来计算方式快,或
者比原来的更好?所有这些问题引起了业界人士的强烈兴趣,大家希望它
能够带来新的希望。其次,它与传统计算方式的不同还体现在模型的建立
方面。传统的计算方法,包括人工智能方法、数学模型计算,是采用从上
到下的方法。例如,对一个问题,系统对它进行全面分析,然后再全面分解
,最后为它建立一个计算模型,这个模型可能是数学的,可能是物理的,也
可能是推理的、逻辑的。而在神经元网络中,系统通过采集数据并进行学
习的方法来建立数据模型,即我们为系统提供样本,系统靠样本不断学习,
在此基础上建立计算模型,从而建立网络结构。我们可以看到,后一种方
法需要的经验知识比较少,即我们可以对这个问题不大了解,不知道它的
规律,只要有数据就可以对它进行训练,建立计算模型,并希望从中得出计
算结果。从这一角度来看,原来不能算的事,人们说不清楚的事,现在好像
能算了。综合地说,其特点是适应性比较强,并行速度比较快,对经验知识
的要求比较少。
    神经元网络在很多方面表现出一定的优势,特别在模式识别方面。比
如,即使我们对某问题本身了解甚少,只要我们给出比较全的数据,我就可
以训练出一个计算模型。神经元网络系统可以用大量的样本来训练,以达
到错误识别率很低。一般来讲规模比较小时效果不错。规模是用三个指标
来衡量的:特征的数量(通常在二三百个左右)、训练样本数(通常是几千或
几万)、分类数(通常是几十个)。当问题规模变大时,比如,特征数到几百,
训练的样本数达到了几万甚至几十万,特别是分类数到几百、上千,那么神
经元网络可能就有问题。比如我们国内也用它做了很多工作,如手写汉字
的识别,据我所知没有很成功的,因为手写汉字至少有3700个类,一个字里
如果有100个训练样本,总样本数就达几十万,特征数也在三五百范围内,这
样一个大规模的计算在神经元网络里很难做成功。
   

--
※ 来源:．南京大学小百合站 dii.nju.edu.cn．[FROM: aiake1.nju.edu.c]
--
※ 转载:．南京大学小百合站 bbs.nju.edu.cn．[FROM: 211.80.38.17]