2。2  人工神经网络理论概述

    神经网络概述:

    上世纪四十年代初期，欧美著名心理学家 McCulloch 和数学家 Pitts 创造性的构造了一个简单的神经元模型，即MP模型。该模型通过把神经元看作是一个可进行功能编辑的器件，从而揭开了关于神经网络模型的各项理论研究的序幕。此后，神经网络技术才真正的获得了一个十分迅速的发展时期。

神经网络在物理结构上由若干的简单部分(如神经元、模拟电路元件、光学元件等)相连构成一个庞大的网络系统。对这一系统的探索旨在寻找人脑加工、储存和信息搜寻的相关机制，从而寻找、探索此原理运用于多种多样人工智能的可能性方法，以此来解决我们实际生活中很多的工程实际问题。来*自~优|尔^论:文+网www.chuibin.com +QQ752018766*

通过研究可以看出，神经网络模型一般都具有着如下四个特点：

    1）自学习、自组织性。该特点表明神经网络能够通过对给出的训练样本的学习训练，显示出神经网络自身较强的学习和自适应能力。这是神经网络的一个重要表现。

    2）并行性。每个神经网络中的各神经元在进行数据信息处理时常常是相互独立的，它们各自接收数据样本的输入，然后通过计算后产生输出，由此可以看出，神经网络是一个单独的并行处理机制。

3）容错性。在每个神经网络中，神经网络的各权值上存储着分布排布的数据信息，而每一个权值也同时记录着不同的信息，即表明信息在神经网络中的储存方式是分布式的。这种储存方式确定了神经网络是能够拥有一定容错性能的。

4）非线性。输入空间到输出空间是存在着非线性映射的，并可以通过神经网络有效地进行实现。所以对非线性系统的研究，神经网络是其继续发展进步的重要使用工具。

从以上四大特点可知，神经网络的诸多优点表明神经网络受到重视是一个必然的结果，也是模拟电路故障诊断所正需要的。