神经网络控制的特点分析_模糊神经网络发展进程 |电子通-应用新知，新电子的助推者电子通

前言

神经网络控制系统又成为模糊控制系统，是个新兴的控制方法，就象我们说小明学习很好，但是怎么个好法就是个很模糊的概念。模糊控制不同与经典控制理论的关键在于他有一套属于他自己的模糊算法，这个对数学的要求还是挺高的，模糊控制也成做为智能控制系统。

（1）神经网络的一般特点

作为一种正在兴起的新型技术神经网络有着自己的优势，他的主要特点如下：

① 由于神经网络模仿人的大脑，采用自适应算法。使它较之专家系统的固定的推理方式及传统计算机的指令程序方式更能够适应化环境的变化。总结规律，完成某种运算、推理、识别及控制任务。因而它具有更高的智能水平，更接近人的大脑。

② 较强的容错能力，使神经网络能够和人工视觉系统一样，根据对象的主要特征去识别对象。 ③ 自学习、自组织功能及归纳能力。

以上三个特点是神经网络能够对不确定的、非结构化的信息及图像进行识别处理。石油勘探中的大量信息就具有这种性质。因而，人工神经网络是十分适合石油勘探的信息处理的。

（2）自组织神经网络的特点

自组织特征映射神经网络作为神经网络的一种，既有神经网络的通用的上面所述的三个主要的特点又有自己的特色。

① 自组织神经网络共分两层即输入层和输出层。

② 采用竞争学记机制，胜者为王，但是同时近邻也享有特权，可以跟着竞争获胜的神经元一起调整权值，从而使得结果更加光滑，不想前面的那样粗糙。

③ 这一网络同时考虑拓扑结构的问题，即他不仅仅是对输入数据本身的分析，更考虑到数据的拓扑机构。

权值调整的过程中和最后的结果输出都考虑了这些，使得相似的神经元在相邻的位置，从而实现了与人脑类似的大脑分区响应处理不同类型的信号的功能。

④ 采用无导师学记机制，不需要教师信号，直接进行分类操作，使得网络的适应性更强，应用更加的广泛，尤其是那些对于现在的人来说结果还是未知的数据的分类。顽强的生命力使得神经网络的应用范围大大加大。

自组织神经网络相对传统方法的优点

自组织特征映射神经网络的固有特点决定了神经网络相对传统方法的优点：

（1）自组织特性，减少人为的干预，减少人的建模工作，这一点对于数学模型不清楚的物探数据处理尤为重要，减少不精确的甚至存在错误的模型给结果带来的负面影响。

（2）强大的自适应能力大大减少了工作人员的编程工作，使得被解放出来的处理人员有更多的精力去考虑参数的调整对结果的影响。使得更快的改进方法成为可能。

（3）网络工作过程中考虑数据和网络的拓扑结构的问题，更类似人类大脑思考问题的方式，问题的解决更符合人的特点，使得结果的可信程度加大。

（4）无导师学习机制，不需要教师信号。对于地球物理勘探这类的很少有准确的教师信号作为指导的问题而言，这一点很有优势，很好的模仿人脑，所得结果是其他方法处理结果的很好的参考。

关于人工神经网络

人工神经网络是近几年来循序发展的人工智能新技术，他比专家系统、模糊理论等人工智能技术具有更高水平。

人工神经网络在80年代中期得到了飞速的发展。1982年美国加州州立理工学院物理学家Hopfield教授提出了Hopfield人工神经网络模型，他将能量函数的概念引入人工神经网络，并给出了稳定性的判据，开拓了人工神经网络用于联想记忆和优化计算的新途径。

人工神经网络模拟人类部分形象思维的能力，是模拟人工智能的一条途径。特别是可以利用人工神经网络解决人工智能研究中所遇到的一些难题。人工神经网络理论的应用已经渗透到多个领域，在计算机视觉、模式识别、智能控制、非线性优化、自适应滤波相信息处理、机器人等方面取得了可喜的进展。