人工神经网络技术[外文翻译].rar

附件C：译文

人工神经网络技术

4.0详细描述神经网络组件以及他们如何工作
现在，人们对人工神经网络有了全面的认识，这便于我们更加详细地探讨它们。但是将其融入各种网络之前，我们必须全面理解神经网络的内部运作。如前所述，人工神经网络是一个用于特定复杂问题并行处理的大型体系。我们不应将这一体系与常见的用许多串行处理单元构成的标准计算拓扑结构相混淆。相反神经网络与粗略模仿人脑基本原理的传统工具—冯。诺依曼体系截然不同。
如前所述，人工神经网络并非完全基于生物学原理。最新研究表明：人脑生理学对神经元怎样工作或者通常所说的智力由什么组成的了解也非常有限。研究人员通过对生物学和工程领域的研究进一步解释了让人类日常经验的学习和反应的关键机制。在神经系统中进行知识改良有助于创造更好，更简洁的人工神经网络，以有助于创造一个富于创新，永远进化的体系。日本高级研究科学家Kunihko Fukushima,在描述建立一个神经网络模型的输入和输出的时候说，“我们试图尽可能的遵循生物学原理。对于尚不能理解的部分，我们将构造假设，并根据假设构建一个模型。然后在分析或者模拟这一个模型的行为，并将其行为和大脑的行为作比较。如果发现模型与大脑之间有行为偏差，我们将改变最初的设想并修正模型。最后，我们重复这个程序，直到其行为模式与大脑一至为止。”通过这一不同的方法，人们创造了数以千计的网络拓扑。
神经系统的处理单元相当于机器，而非人脑。这个方法借鉴非常成功的自然生理学试图来建立起加工系统。但其与生理学连接有一个前提：有一共同的体系思维贯穿当今的人工神经网络。图4.0.1显示了一个人造神经元或者处理单元的模型，体现了各种各样的网络结构。（图4.0.1见原文）
这张结构图是根据NeuralWare的被用于NeuralWorks ProfessionⅡ/Plus的仿真模型改写得到的。NeuralWare绘制了一张人工神经网络结构图并开发了软件包。其处理单与模型显示：网络预测与网络分级或者网络其他范畴都非常相似。随后我们将讨论网络预测，分级和其他范畴。关键点就是：所有的人工神经系统的处理单元都包含共同的组件。