密級： 論文編號： 中國農(nóng)業(yè)科學(xué)院 碩士學(xué)位論文 基于神經(jīng)網(wǎng)絡(luò)的水稻三化螟識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) of on he of on I 摘 要 本研究以數(shù)字圖像處理技術(shù)和神經(jīng)網(wǎng)絡(luò)等現(xiàn)代信息技術(shù)為研究方法，以在水稻病蟲害防治中常見的水稻三化螟害蟲為研究識別的對象，系統(tǒng)研究了關(guān)于識別水稻三化螟害蟲的神經(jīng)網(wǎng)絡(luò)理論，給出了一種基于圖像處理和人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行 水稻三化螟識別的方法，即利用數(shù)字圖像處理技術(shù)提取特征，利用 +開發(fā)的神經(jīng)網(wǎng)絡(luò)包進(jìn)行識別，初步建立起基于神經(jīng)網(wǎng)絡(luò)的水稻三化螟害蟲識別系統(tǒng)，并給出了系統(tǒng)的總體設(shè)計(jì)和實(shí)現(xiàn)方案。 本文的主要研究內(nèi)容及成果如下： （ 1）水稻三化螟害蟲圖像預(yù)處理，本文著重在圖像剪裁、色彩變換、圖像分割等方面進(jìn)行了研究，由于利用機(jī)器視覺較難區(qū)分水稻害蟲與周圍環(huán)境，所以用人工干預(yù)的方法進(jìn)行圖像剪裁；利用相應(yīng)的色彩變換最大限度地去除顏色的干擾信息，突出害蟲本身。在前期圖像預(yù)處理后，選用閥值法進(jìn)行圖像分割，由系統(tǒng)自動計(jì)算出推薦 閥值，用戶自主修改，以得到效果最好的二值圖像，以利于特征的提取。 （ 2）水稻三化螟害蟲的特征提取，本文根據(jù)實(shí)際情況和水稻植保專家的建議提取了水稻三化螟害蟲的幾何與顏色學(xué)兩大類特征。幾何特征包括害蟲的面積和周長；顏色學(xué)特征包括水稻三化螟身體上的紅色區(qū)域面積、綠色區(qū)域面積和黃色區(qū)域面積。 （ 3）水稻三化螟害蟲的神經(jīng)網(wǎng)絡(luò)識別，考慮到與傳統(tǒng)統(tǒng)計(jì)模式識別方法相比，利用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行模式識別具有自適應(yīng)性、并行性、魯棒性以及分類能力強(qiáng)等優(yōu)勢，因此，本文選用三層 經(jīng)網(wǎng)絡(luò)的方法自動識別水稻三化螟害蟲。試驗(yàn)結(jié)果表明： 利用 經(jīng)網(wǎng)絡(luò)來識別三化螟害蟲是有效的，結(jié)果比較令人滿意。 關(guān)鍵詞： 圖像處理，神經(jīng)網(wǎng)絡(luò)，害蟲識別 n is in as is on of of is of of + of In an (1) of in so As it to by is by by we by by In be of (2) of to in by of of (3) of by to as P is to is 錄 第一章 緒論 . 1 究目的及意義 . 1 文的主要工作 . 2 第二章 神經(jīng)網(wǎng)絡(luò)理論 . 4 經(jīng)網(wǎng)絡(luò)的發(fā)展歷史 . 4 起階段 . 4 展階段 . 5 興階段 . 5 工神經(jīng)網(wǎng)絡(luò)技術(shù)的現(xiàn)狀 . 6 工神經(jīng)網(wǎng)絡(luò)的基本理論及主要模型 . 6 經(jīng)網(wǎng)絡(luò)的概念 . 6 經(jīng)網(wǎng)絡(luò)的基本原理 . 7 工神經(jīng)網(wǎng)絡(luò)的模型 . 8 工神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用 . 9 型的神經(jīng)網(wǎng)絡(luò)的應(yīng)用 . 9 經(jīng)網(wǎng)絡(luò)在智 能診斷領(lǐng)域的應(yīng)用現(xiàn)狀 . 10 經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)病蟲害識別、診斷領(lǐng)域的應(yīng)用現(xiàn)狀 . 11 第三章 數(shù)字圖像處理理論 . 13 字圖像處理的發(fā)展及應(yīng)用 . 13 字圖像處理的基本理論 . 15 像處理的概念 . 15 像處理 的特點(diǎn) . 15 字圖像處理的內(nèi)容 . 16 字圖像處理的基本步驟和系統(tǒng)部件 . 17 像處理的基本步 驟 . 17 像處理系統(tǒng)的部件 . 19 第四章 特征提取和選擇 . 21 征提取和選擇的要求 . 21 像色彩特征的提取 . 22 像顏色系統(tǒng)的分析 . 22 字圖像的結(jié)構(gòu) . 26 顏色特征的提取 . 27 像形態(tài)學(xué)特征的提取 . 28 態(tài)學(xué)特征提取的準(zhǔn)備 . 29 態(tài)學(xué)特征的提取 . 34 結(jié) . 35 第五章 神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計(jì) . 36 P 算法的研究 . 36 P 算法的概念和基本理論 . 36 P 算法的學(xué)習(xí)過程 . 37 P 算法在智能診斷領(lǐng)域的應(yīng)用 . 38 P 算法的不足及改進(jìn) . 39 別系統(tǒng)分類器的設(shè)計(jì) . 40 經(jīng)網(wǎng)絡(luò)分類器的設(shè)計(jì)原則和方法 . 41 件設(shè)計(jì)中考慮的幾個(gè)問題 . 43 果與總結(jié) . 44 類器實(shí)驗(yàn)過程與結(jié)果 . 44 結(jié) . 45 第六章 水稻三化螟識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) . 47 統(tǒng)結(jié)構(gòu)和運(yùn)行環(huán)境 . 47 統(tǒng)功能和運(yùn)行示例 . 49 統(tǒng)功能 . 49 統(tǒng)操作實(shí)例 . 51 結(jié) . 55 第七章 結(jié)論與展望 . 56 文所做的工作 . 56 統(tǒng)特點(diǎn)與結(jié)論 . 56 后要做的工作 . 57 參考文獻(xiàn) . 59 致謝 . 64 作者簡歷 . 65 V 英文縮略表 英文縮寫 英文全稱 中文名稱 經(jīng)網(wǎng)絡(luò) R 色 G 色 Y 色 A 積 P 長 中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 1 第一章 緒論 究目的及意義 我國是農(nóng)業(yè)大國，搞好農(nóng)業(yè)生產(chǎn)是關(guān)系到國家長治久安的大事。水稻作為主要的糧食作物之一，在我國的農(nóng)業(yè)生產(chǎn)中占有舉足輕重的地位：據(jù)統(tǒng)計(jì)， 1996 年 水稻種植面積約 全國谷物種植面積的 34，世界水稻種植面積的 稻谷總產(chǎn) 噸 ，占全國糧食總產(chǎn)的 43，世界稻谷總產(chǎn)的 居世界第 1 位；稻谷平均單產(chǎn) /我國糧食作物中單產(chǎn)最高的作物， 由此可見，水稻生產(chǎn) 的好壞直接關(guān)系到我國農(nóng)業(yè)的糧食的產(chǎn)量，因此探討如何使水稻高產(chǎn)、穩(wěn)產(chǎn)具有重要的意義。但是，由于品種、栽培制度、生態(tài)環(huán)境等變化及作物生長環(huán)境日趨惡化，水稻病蟲的危害有不斷加重的趨勢。有關(guān)資料顯示，僅上海地區(qū)，自 1999年以來，水稻病蟲害的危害程度呈明顯的上升趨勢。其中，稻縱卷葉螟在 2003 年、 2004 年連續(xù)大暴發(fā)，自然白葉率達(dá)到 50%以上，產(chǎn)量損失達(dá) 30%。自 2001 年起，上海市植保部門雖然加大了病蟲監(jiān)測力度，調(diào)整了防治策略，開展了對水稻主要病蟲防治技術(shù)的研究工作，解決了很多生產(chǎn)上的難題，但當(dāng)年損失糧食仍高達(dá) 10000 噸 1。因此，有效地防治水稻害蟲是一項(xiàng)艱巨而迫切的任務(wù)。 在這種嚴(yán)峻的形式下，我國目前的防治水稻病蟲的方法是使用各種農(nóng)藥，如 世紀(jì)樂 、 閃擊螟等，殺死害蟲，割斷害蟲的傳播途徑，從而有效地減少由病蟲害所造成的損失。據(jù)統(tǒng)計(jì)，如果不用農(nóng)藥，水稻等糧食作物有一半左右將被各種病、蟲、草害所吞噬。目前，全世界農(nóng)藥產(chǎn)量已達(dá)1000 萬噸以上，并且以每年 5的速度增長，農(nóng)藥品種已達(dá)到了一千三百多種。我國目前農(nóng)藥進(jìn)口量和年生產(chǎn)量達(dá) 100 萬噸以上，使用農(nóng)藥產(chǎn)品品種也有二百多種，但仍因病、蟲、草害引起的減產(chǎn)約 15，損失相當(dāng) 大。且因過多使用農(nóng)藥等產(chǎn)品造成的環(huán)境污染，極大的威脅到我國的糧食安全。目前，盲目大量使用農(nóng)藥的現(xiàn)象十分嚴(yán)重，由此造成的污染土壤、污染農(nóng)產(chǎn)品、污染水體的事件非常普遍。目前，在我國土壤中農(nóng)藥殘留量非常驚人。如有關(guān)人員統(tǒng)計(jì)，我國目前農(nóng)業(yè)用地由于濫用農(nóng)藥而遭受的污染的面積已達(dá) 1300 多萬公頃，由此所造成的出口農(nóng)產(chǎn)品因農(nóng)藥殘留超標(biāo)而遭國外拒收、扣留、退貨、索賠、撤銷合同等問題時(shí)有發(fā)生，這樣既在經(jīng)濟(jì)上造成了極大地?fù)p失，而且又影響到了我國的國際聲譽(yù) 107。 造成這種問題的的原因主要有以下幾點(diǎn)： （ 1）我國從事農(nóng)業(yè)生產(chǎn) 人員科技、文化水平偏低，無法掌握比較高的病蟲害防治知識，加上各種農(nóng)作物病蟲害癥狀千差萬別，早期癥狀又不明顯，不能準(zhǔn)確的識別和掌握病蟲害的發(fā)生和發(fā)展過程，錯(cuò)過了最佳防治時(shí)期，在病蟲害發(fā)生非常嚴(yán)重時(shí)才開始防治，這樣不但造成作物的損失，引起減產(chǎn)，而且還嚴(yán)重污染了環(huán)境。更有甚者，部分農(nóng)戶為了保證不受病蟲害侵染而造成損失，從作物的幼苗期到成熟期，無論是否有病蟲害，不分輕重，都一概噴灑“放心”農(nóng)藥，致使農(nóng)產(chǎn)品農(nóng)藥殘留超標(biāo) 107。 （ 2）作為擁有農(nóng)作物病蟲害知識的植保專家和植保科研機(jī)構(gòu)，一般都在大城市中，距離農(nóng)業(yè)中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 2 生產(chǎn) 地區(qū)比較遠(yuǎn)，這樣一來，他們既無時(shí)間也無精力經(jīng)常下到田間地頭去為廣大農(nóng)戶診斷作物病蟲害，以及培訓(xùn)有關(guān)人員，使其學(xué)會有關(guān)病蟲害的知識。同時(shí)受一定社會經(jīng)濟(jì)條件的限制，廣大農(nóng)村不可能編制太多植?？萍既藛T，所以遠(yuǎn)遠(yuǎn)不能滿足我國農(nóng)村廣大農(nóng)戶對植保技術(shù)的需求 107。 （ 3）目前計(jì)算機(jī)已經(jīng)進(jìn)入廣大農(nóng)村，利用計(jì)算機(jī)技術(shù)對廣大農(nóng)民進(jìn)行各種咨詢服務(wù)已經(jīng)不是一件很困難的事了，對各種農(nóng)作物病蟲害進(jìn)行診斷的專家系統(tǒng)的出現(xiàn)，又進(jìn)一步促進(jìn)了農(nóng)業(yè)植保知識進(jìn)入千家萬戶，這樣對指導(dǎo)農(nóng)民科學(xué)種田起了積極的促進(jìn)作用。但是這些專家系統(tǒng)在實(shí)際上的操 作中還存在著一些問題，主要表現(xiàn)在： 一般的農(nóng)作物病蟲害診斷的專家系統(tǒng)都需要用戶把病蟲害的發(fā)生原因與危害程度，以及病蟲害的各種表現(xiàn)的最為原始的數(shù)據(jù)錄入系統(tǒng)，廣大農(nóng)戶在使用時(shí)往往依據(jù)看到的癥狀估計(jì)病蟲害的原因和受害程度，但由于農(nóng)戶個(gè)體素質(zhì)的差異，以及一些主觀因素的影響，或者不能提供，或者提供的數(shù)據(jù)不準(zhǔn)確，這樣使這些專家系統(tǒng)不能結(jié)合作物的實(shí)際受害情況，做出定量、正確的分析與判斷。這也是這些專家系統(tǒng)不能廣泛使用或使用不完全的原因之一。 由于作物病蟲害癥狀的復(fù)雜性、模糊性，加之植保專家對病蟲害癥狀的文字描述也帶有模糊 性，不能精確、定量地對癥狀進(jìn)行描述，因此形成了作物病蟲害的診斷標(biāo)準(zhǔn)的模糊性，從而影響農(nóng)民依據(jù)專家系統(tǒng)對作物病蟲害做出正確的判斷。 已見報(bào)道的病蟲害診斷的專家系統(tǒng)多是針對經(jīng)濟(jì)價(jià)值較高的果蔬類產(chǎn)品而設(shè)計(jì)的，所涉及的病蟲害范圍太小，不能滿足廣大農(nóng)戶在實(shí)際生產(chǎn)中的需要 107。 因此，開發(fā)設(shè)計(jì)出一套行之有效的、能夠讓廣大農(nóng)戶方便使用的病蟲害診斷系統(tǒng)則變得非常必要。事實(shí)上，對病蟲害綜合防治的前提是準(zhǔn)確地識別害蟲。只有準(zhǔn)確的識別，才能做到有目的的防治，把害蟲種群控制在經(jīng)濟(jì)損害水平以下，既不會因害蟲造成損失，也不會因盲 目防治造成浪費(fèi)、加重對糧食和環(huán)境的污染。而現(xiàn)階段我國最廣泛使用的依靠黑光燈引誘捕獲，人工計(jì)數(shù)、識別的方法，存在著準(zhǔn)確率低，識別效果不好，對專家依賴性大等弊端，極大地降低了測報(bào)的準(zhǔn)確性和時(shí)效性 2。因此，能否找到一種實(shí)時(shí)的、高效的識別害蟲的方法，是我們每個(gè)農(nóng)業(yè)科技工作者所肩負(fù)的重要使命之一。 隨著計(jì)算機(jī)科技和人工神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，利用人工神經(jīng)網(wǎng)絡(luò)和數(shù)字圖像處理技術(shù)進(jìn)行模式識別在實(shí)際應(yīng)用中取得了良好的效果。因此，借助此方法為農(nóng)業(yè)生產(chǎn)中的病蟲害識別開創(chuàng)了一條全新的途徑。本文的研究正是探索利用人工神經(jīng)網(wǎng)絡(luò)技 術(shù)和數(shù)字圖像處理方法來進(jìn)行水稻害蟲的識別，為了降低難度，本文僅對一種主要的水稻害蟲 水稻三化螟進(jìn)行識別研究，由此積累有益的經(jīng)驗(yàn)，為將來開發(fā)可以識別更多種類的害蟲的識別系統(tǒng)打下基礎(chǔ)。 文的主要工作 模式識別的成功與否，在于識別對象的特征提取。因此本文將研究重點(diǎn)放在利用各種信息技術(shù)，進(jìn)行圖像處理和水稻三化螟的特征提取上，并在此基礎(chǔ)上利用人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)出分類器。主要內(nèi)容介紹如下： 1、人工神經(jīng)網(wǎng)絡(luò)的理論，分析了它的歷史、發(fā)展、現(xiàn)狀，國內(nèi)外相關(guān)技術(shù)的研究進(jìn)展，以及技術(shù)發(fā)展方向。分析比較幾類不同的人工神 經(jīng)網(wǎng)絡(luò)模型的特點(diǎn)。 中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第一章 緒論 3 2、數(shù)字圖像處理的理論，主要介紹了國內(nèi)外主要數(shù)字圖像處理技術(shù)應(yīng)用的領(lǐng)域，相關(guān)的圖像處理技術(shù)。根據(jù)水稻三化螟的圖像的特點(diǎn)，提出適合此類圖像處理的方法，改進(jìn)圖像的處理效果，以突出顯示害蟲各種特征以利于進(jìn)行特征提取。 3、對水稻三化螟圖像顏色特征進(jìn)行研究，提出水稻三化螟識別的顏色特征選擇方案，實(shí)現(xiàn)其識別功能，并分析這種方案實(shí)現(xiàn)的可能性，研究并給出運(yùn)用這種方法的效果，總結(jié)方案的優(yōu)、缺點(diǎn)。 4、對水稻三化螟圖像的幾何特征進(jìn)行分析，提出水稻三化螟幾何特征提取方法，說明其實(shí)現(xiàn)步驟，研究幾何特征在識別系 統(tǒng)中的主要作用，以及和其他相關(guān)特征（顏色特征）相結(jié)合的方法。 5、神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)，介紹了 經(jīng)網(wǎng)絡(luò)的基本概念和理論，分析了 絡(luò)和 法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練的原理，設(shè)計(jì)網(wǎng)絡(luò)的結(jié)構(gòu)，設(shè)置參數(shù)，并對測試樣本進(jìn)行識別分類。 6、綜合所提取的水稻三化螟的顏色、幾何等特征，建立水稻三化螟的識別系統(tǒng)，設(shè)計(jì) 經(jīng)網(wǎng)絡(luò)分類器對所得的特征進(jìn)行識別，進(jìn)行水稻三化螟圖像識別的仿真試驗(yàn)，并進(jìn)行相應(yīng)的基于人工神經(jīng)網(wǎng)絡(luò)的水稻三化螟識別系統(tǒng)的系統(tǒng)集成。 7、結(jié)論與展望，對全文工作進(jìn)行總結(jié)，并對進(jìn)一步的研究工作進(jìn)行展望。 本文是國家 863 項(xiàng)目“網(wǎng)絡(luò)化實(shí)時(shí)農(nóng)業(yè)遠(yuǎn)程診斷模型與交互式關(guān)鍵平臺技術(shù)研究”（ 2002一部分。 中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第 二章 神經(jīng)網(wǎng)絡(luò)理論 4 第二章 神經(jīng)網(wǎng)絡(luò)理論 人工神經(jīng)網(wǎng)絡(luò)技術(shù)是 20 世紀(jì)三、四十年代提出，并在 80 年代中后期發(fā)展起來的人工智能應(yīng)用的分支。這項(xiàng)技術(shù) 模擬了生物的神經(jīng)結(jié)構(gòu)，以各種工程和數(shù)學(xué)的神經(jīng)元為模型，通過學(xué)習(xí)獲取知識，并且具有一定的自適應(yīng)與自學(xué)習(xí)能力。人工神經(jīng)網(wǎng)絡(luò)技術(shù)目前己被廣泛地應(yīng)用于預(yù)測、圖像處理和分析、模式識別、語音識別、公路監(jiān)控等領(lǐng)域。本章闡述了神經(jīng)網(wǎng)絡(luò)的基本原理、發(fā)展歷史以及神經(jīng)網(wǎng)絡(luò)方法中的幾種比較成熟的模型。 經(jīng)網(wǎng)絡(luò)的發(fā)展歷史 起階段 人工神經(jīng)網(wǎng)絡(luò)的研究可追溯到四十年代信息科學(xué)的開創(chuàng)時(shí)期。 1943年， 經(jīng)活動中蘊(yùn)含著的思想的邏輯運(yùn)算一文中，綜合利用了有限狀態(tài)自動機(jī)、線性閾值單元、各種形式的生物行為與記憶和邏輯表示等一些新的思想，首次系統(tǒng)地討論了“神經(jīng) 邏輯網(wǎng)絡(luò)”。這種網(wǎng)絡(luò)的基本組成單元（人工神經(jīng)元）是通過研究生物的神經(jīng)細(xì)胞的行為而抽象出來的。整個(gè)網(wǎng)絡(luò)就是把這些簡單的處理單元相互連接起來而構(gòu)成的 22。 這一時(shí)期出現(xiàn)了許多構(gòu)造具有識別、記憶等功能 的人工神經(jīng)網(wǎng)絡(luò)模型。 1949 年， 研究人腦神經(jīng)元的連接方式時(shí)，提出了著名的突觸修正律（即 則）。其基本思想是，各種網(wǎng)絡(luò)以 “細(xì)胞團(tuán)”（一組可以通過學(xué)習(xí)而對其行為相互支持的神經(jīng)元）的形式通過對概念建立內(nèi)部表達(dá)而進(jìn)行學(xué)習(xí)。這就使人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)成為可能。 到了五十年代，此時(shí)學(xué)習(xí)的概念還沒有很好的定義，因?yàn)樵诤唵蔚挠洃浶问胶蛯π碌氖虑檫M(jìn)行預(yù)測和推廣這一復(fù)雜的過程之間并沒有明確的區(qū)別。許多早期的研究都是基于對以前成功的行為進(jìn)行“加深印象”這一思想。也許第一個(gè)基于加深印象的網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)是 1951 年構(gòu)造的。該系統(tǒng)由 40 個(gè)互連成網(wǎng)的電子單元組成，每一單元都能接收到作用信號并把它傳播到其它單元，而且這些單元之間的連接是可調(diào)整的。網(wǎng)絡(luò)通過這樣的加深來進(jìn)行學(xué)習(xí)，即：對其行為的任一正的或負(fù)的調(diào)整都轉(zhuǎn)變?yōu)閷谟行盘杺鞑サ倪B線的權(quán)的一個(gè)小的變化。五十年代出現(xiàn)了許多應(yīng)用這種簡單的學(xué)習(xí)形式的系統(tǒng)，而且導(dǎo)致了稱為自適應(yīng)控制這一專門領(lǐng)域的出現(xiàn)。 到五十年代末期，有關(guān)人工神經(jīng)網(wǎng)絡(luò)的研究幾乎停滯了，一部分原因是在很長時(shí)間內(nèi)并沒有很多重要的發(fā)現(xiàn)，但也部分地因?yàn)橥ㄟ^利用基于符號表示的線性處理這一新的模型，人工 智能取得了重大的進(jìn)展，這種進(jìn)展表現(xiàn)在通過編程使計(jì)算機(jī)解決一些相當(dāng)困難的問題（如下棋）。隨之而來的是人們認(rèn)為基于符號的表示更為合適。同時(shí)還導(dǎo)致了兩種表達(dá)方法前沿概念之間的分界，如并行處理與串行處理、學(xué)習(xí)與編程等 22。 中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第 二章 神經(jīng)網(wǎng)絡(luò)理論 5 展階段 隨著 1962 年 神經(jīng)動力學(xué)原理一書出版，人們對連結(jié)機(jī)制的興趣出現(xiàn)了戲劇性的恢復(fù)， 書中定義了稱為感知機(jī)的一種神經(jīng)網(wǎng)絡(luò)，并證明了與之相關(guān)的許多定理，其中一個(gè)重要的定理說明感知機(jī)能夠?qū)W習(xí)做任何能夠?yàn)槠湟?guī)劃的事情。 人們對感知機(jī) 作了大量的試驗(yàn)，很快發(fā)現(xiàn)雖然感知機(jī)確實(shí)能夠?qū)W習(xí)做一些事情，但卻不能做其他事情。在失敗出現(xiàn)時(shí)，通常延長訓(xùn)練時(shí)間或構(gòu)造更大的網(wǎng)絡(luò)都沒有作用。為此，在 1969 年， 他們的感知機(jī)一書里，深入地分析了為什么感知機(jī)所用的這一策略在一些情況下是成功的而在另一些情況下則不然。他們得到的結(jié)論是：感知機(jī)只能解決所謂低“價(jià)”的問題，對于這樣的問題，我們有時(shí)確實(shí)能夠通過隨機(jī)地收集一些樣本，然后選取有用的來解決問題。然而，對于高“價(jià)”的問題，這樣的樣本數(shù)量太多，因而這種方法就不適用了。要解決這類 高“價(jià)”問題必須要引入隱單元。但是，感知機(jī)一書沒有找到一種學(xué)習(xí)算法來訓(xùn)練這樣的網(wǎng)絡(luò)。這使得連結(jié)機(jī)制的研究步入低潮。這表明，只研究學(xué)習(xí)本身是不夠的，而必須理解所要學(xué)習(xí)的事情的實(shí)質(zhì)，這一思想可以表示為適合于一切學(xué)習(xí)機(jī)的一個(gè)原理，即：沒有一個(gè)機(jī)器可以學(xué)習(xí)識別 X，除非它已有或至少存在一些表示 X 的方案。 到了七十年代，研究知識表達(dá)成為這一新領(lǐng)域的熱點(diǎn)，知識表達(dá)不僅是連接機(jī)制中的學(xué)習(xí)的立足點(diǎn)，而且也是人工智能中的學(xué)習(xí)的立足點(diǎn)。同時(shí)，在其它幾個(gè)相關(guān)的領(lǐng)域，許多研究者把對學(xué)習(xí)的研究興趣放在一邊而討論在各個(gè)不同的背景和形 式下知識的表達(dá)。這些關(guān)于知識的分析與表達(dá)的思想，反過來，不僅對人工智能有強(qiáng)烈的影響，而且對心理學(xué)、腦科學(xué)和應(yīng)用專家系統(tǒng)等許多領(lǐng)域也有影響。事實(shí)上今天我們做的許多工作，都是在七十年代進(jìn)行的知識表達(dá)的研究基礎(chǔ)上進(jìn)行的。 與此同時(shí)，在六十年代后期與整個(gè)七十年代，仍有 人在聯(lián)想可尋址記憶方面對經(jīng)典的相關(guān)矩陣記憶模型進(jìn)行了長期的研究。這些研究對于八十年代人工神經(jīng)網(wǎng)絡(luò)的復(fù)興有著重要的意義 22。 興 階段 八十年代初， 神經(jīng)網(wǎng)絡(luò)的理論分析與平衡態(tài)統(tǒng)計(jì)力學(xué)與動力系統(tǒng)穩(wěn)定性分析方法相結(jié)合，在 1982 年提出了具有聯(lián)想記憶、分類、誤差自動校正等智能功能的神經(jīng)網(wǎng)絡(luò)模型，這一杰出工作，直接激發(fā)起人們對神經(jīng)網(wǎng)絡(luò)的研究熱情。在這一期間，許多具有奉獻(xiàn)和開拓精神的科學(xué)家，如 人，他們提出了許多功能較強(qiáng)的非線性多層網(wǎng)以及各種行之有效的學(xué)習(xí)算法，正是由于他們的不懈努力，使人工神經(jīng)網(wǎng)絡(luò)的研究很快走出沉寂。隨后， 型加以推廣，形成 了 ，這實(shí)際上是帶有隱節(jié)點(diǎn)的適應(yīng)性絡(luò)。之后，更多的人投入到這一研究中， 1986 年， 提出了廣義 則，為多層感知機(jī)找到了一個(gè)有效的學(xué)習(xí)算法，從而把人工神經(jīng)網(wǎng)絡(luò)的研究盡一步推向深入 22。 中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第 二章 神經(jīng)網(wǎng)絡(luò)理論 6 工神經(jīng)網(wǎng)絡(luò)技術(shù)的現(xiàn)狀 20 世紀(jì) 90 年代中后期，神經(jīng)網(wǎng)絡(luò)研究步入了一個(gè)新的發(fā)展時(shí)期，一方面已有理論在不斷深化，另一方面，新的理論和方法也從未停止過其不斷開拓的步伐。 出的 型在 20 世紀(jì) 90 年代初產(chǎn)生了很大的影響，他 建立了一種神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論，以 例，其組成包括輸入陣列、 絡(luò)和 絡(luò)，而這兩個(gè)網(wǎng)絡(luò)又包含一些功能不同的子網(wǎng)絡(luò)等； 1991 年， 協(xié)同學(xué)引入神經(jīng)網(wǎng)絡(luò)，在他的理論框架中認(rèn)為，認(rèn)知過程是自發(fā)的，并斷言模式識別過程也是模式形成過程；后來，中國學(xué)者吳佑壽等人提出了一種激勵(lì)函數(shù)可調(diào)的神經(jīng)網(wǎng)絡(luò)模型，試圖對先驗(yàn)知識加以利用。 1994 年，廖曉昕關(guān)于細(xì)胞神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理論與基礎(chǔ)的提出，帶來了這個(gè)領(lǐng)域新的進(jìn)展 26。這一時(shí)期，另一些新的發(fā)展方向也非常的引人關(guān)注。主要有： 以光學(xué)方法來實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)，即光學(xué)神經(jīng)網(wǎng)絡(luò)。如 1995 年， 人研究了光學(xué)神經(jīng)網(wǎng)絡(luò)（ 建立了光學(xué)二維并行互連與電子學(xué)混合的光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng) 26。 通過神經(jīng)網(wǎng)絡(luò)方法來解決非線性系統(tǒng)控制問題。如 1990 年 出了一種推廣的動態(tài)神經(jīng)網(wǎng)絡(luò)系統(tǒng)，即帶連接權(quán)的學(xué)習(xí)算法 26。 混沌神經(jīng)網(wǎng)絡(luò)理論。在這一領(lǐng)域中的典型代表是 1991 年 在前人推導(dǎo)和實(shí)驗(yàn)的基礎(chǔ)上，給出了一個(gè)混沌神經(jīng)元模型。 模糊神經(jīng)網(wǎng)絡(luò)。這是由 人提出的由 3 種不同類型節(jié)點(diǎn)構(gòu)成的模糊神經(jīng)網(wǎng)絡(luò)模型，該網(wǎng)絡(luò)具有能夠?qū)W(xué)習(xí)樣本快速記憶，不需要領(lǐng)域?qū)＜抑R指導(dǎo)等優(yōu)點(diǎn)。但在學(xué)習(xí)樣本較多、規(guī)則數(shù)量較大時(shí)應(yīng)用不理想。模糊神經(jīng)網(wǎng)絡(luò)在工業(yè)控制、金融時(shí)間序列分析、風(fēng)險(xiǎn)評估等方面預(yù)計(jì)將有較大的應(yīng)用潛力 26。 我國于 1989 年在北京召開了一個(gè)非正式的神經(jīng)網(wǎng)絡(luò)的會議； 1990 年 12 月，在北京召開了中國神經(jīng)網(wǎng)絡(luò)大會； 1991 年在南京成立了中國神經(jīng)網(wǎng)絡(luò)學(xué)會，國內(nèi)十五個(gè)團(tuán)體以及學(xué)會共同發(fā)起了“攜手探智能，聯(lián)盟攻大關(guān)”的 863 高新技術(shù)研究計(jì)劃；自然科學(xué)基金、國防科技預(yù)研基金也都列入了神經(jīng)網(wǎng)絡(luò) 這一研究內(nèi)容。 工神經(jīng)網(wǎng)絡(luò)的基本理論及主要模型 經(jīng)網(wǎng)絡(luò)的概念 人工神經(jīng)網(wǎng)絡(luò)技術(shù)是計(jì)算機(jī)技術(shù)的研究和應(yīng)用發(fā)展到一定階段的產(chǎn)物，自從上世紀(jì)五十年代以來，隨著控制論的大發(fā)展，人們第一次有機(jī)會將神經(jīng)系統(tǒng)的工作原理與信息理論、控制理論、邏輯推理及計(jì)算機(jī)聯(lián)系起來，這對于神經(jīng)網(wǎng)絡(luò)的大發(fā)展有了極大的影響，使得人工神經(jīng)網(wǎng)絡(luò)技術(shù)成為目前國際上迅速發(fā)展的人工智能的前沿交叉學(xué)科。人工神經(jīng)網(wǎng)絡(luò)技術(shù)模擬了生物的神經(jīng)結(jié)構(gòu)，以各種工程和數(shù)學(xué)的神經(jīng)元為模型，通過學(xué)習(xí)獲取知識，并且具有一定的自適應(yīng)與自學(xué)習(xí)能力。長期以來， 人們一直在追求一種能夠在更深層次上模仿人腦工作，從而用機(jī)器代替部分人腦勞動。中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第 二章 神經(jīng)網(wǎng)絡(luò)理論 7 而人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展恰恰為此目標(biāo)開辟了新途徑，從而引起了人們廣泛的關(guān)注 23。 人工神經(jīng)網(wǎng)絡(luò)是采用物理可實(shí)現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能。從人腦的結(jié)構(gòu)來看，人腦神經(jīng)解剖學(xué)研究表明，人腦大約含有 1010 1011 神經(jīng)細(xì)胞，每個(gè)神經(jīng)細(xì)胞都是一個(gè)活動信息處理單元，故亦稱為神經(jīng)元。它主要是由細(xì)胞體、樹突、軸突組成。其中樹突是神經(jīng)元的信息輸入器，起感受作用，它接受來自其他神經(jīng)元的信息。軸突在每個(gè)神經(jīng)元中只有一個(gè)，用來傳遞和輸出信 息。神經(jīng)元通過樹突、軸突的連接構(gòu)成縱橫交錯(cuò)的生物神經(jīng)網(wǎng)絡(luò)，組成了一個(gè)結(jié)構(gòu)極其復(fù)雜，功能極其完善的系統(tǒng)，實(shí)現(xiàn)從感知、認(rèn)知、語言、記憶、思維到運(yùn)動控制等功能。 人工神經(jīng)網(wǎng)絡(luò)技術(shù)就是在對人腦生理研究的基礎(chǔ)上，從模擬生物神經(jīng)元的基本性質(zhì)出發(fā)，建立起了人工神經(jīng)元的數(shù)學(xué)模型及結(jié)構(gòu)模型。這種結(jié)構(gòu)模型的特點(diǎn)是，利用大量的計(jì)算元（即神經(jīng)元）結(jié)成網(wǎng)絡(luò)，并實(shí)現(xiàn)大規(guī)模的并行計(jì)算。神經(jīng)網(wǎng)絡(luò)的工作機(jī)理是：通過學(xué)習(xí)改變神經(jīng)元的連接強(qiáng)度，不斷地改變神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及算法，優(yōu)化網(wǎng)絡(luò)性能，最終實(shí)現(xiàn)網(wǎng)絡(luò)的各種應(yīng)用目標(biāo) 23。 經(jīng)網(wǎng)絡(luò) 的基本原理 人工神經(jīng)網(wǎng)絡(luò)是近幾年得到迅速發(fā)展的國際前沿研究領(lǐng)域，它的發(fā)展對于計(jì)算機(jī)科學(xué)、人工智能、認(rèn)知科學(xué)、腦神經(jīng)科學(xué)、數(shù)理科學(xué)、信息科學(xué)、微電子學(xué)、自動控制及機(jī)器人、系統(tǒng)工程等領(lǐng)域具有重要影響。傳統(tǒng)的馮諾伊曼型計(jì)算機(jī)是以算術(shù)和邏輯運(yùn)算、存儲與運(yùn)算相分離、串行的執(zhí)行指令為特征的，而神經(jīng)網(wǎng)絡(luò)則迥然不同，他以分布式存儲和并行協(xié)同處理為特征，其組成單位是神經(jīng)元，也稱節(jié)點(diǎn)。處理單元用來模擬生物的神經(jīng)元，但只模擬了其中三個(gè)功能：（ 1）對每個(gè)信號的輸入進(jìn)行處理，以確定其的強(qiáng)度（權(quán)值），這象神經(jīng)元中突觸的可變強(qiáng)度；（ 2）確定所有的輸入信號的組合效果（加權(quán)和）；（ 3）確定其輸出（轉(zhuǎn)移特性） 42。 圖 2處理單元的示意圖。輸入信號來自外部或其他處理單元的輸出，分別為： ， 中， n 為輸入數(shù)目。 連接到節(jié)點(diǎn) j 的權(quán)值相應(yīng)為： 中 示節(jié)點(diǎn) i（或輸入 i）到節(jié)點(diǎn) j 的權(quán)值或 i 和 j 的節(jié)點(diǎn)間連接強(qiáng)度。 以是正也可以是負(fù)，分別表示為興奮型突觸或抑制型突觸。 處理單元的內(nèi)部門限為 j ，若用 固定偏置輸入表示，其連接強(qiáng)度取0，于是，輸入加權(quán)和（激勵(lì)電平 表示為 01 (如果用向量表示則 f 2j x1 x2 ij 1 Sj 2經(jīng)網(wǎng)絡(luò)處理單元 中國農(nóng)業(yè)科學(xué)院碩士學(xué)位論文 第 二章 神經(jīng)網(wǎng)絡(luò)理論 8 X=(x0,x1, , ； ,.,.,( 210)ex p (1 1)( (或雙曲正切函數(shù) )21(21)( 42 (人工神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)最基本的組成部分，它是對生物神經(jīng)元的一種近似，它在模擬生物神經(jīng)網(wǎng)絡(luò)時(shí)，已具備了生物神經(jīng)元的一些基本特性，人工神經(jīng)網(wǎng)絡(luò)就是利用大量的神經(jīng)元互連，以及多個(gè)連接權(quán)值的分布來表示特定概念或知識。在進(jìn)行知識獲取時(shí) ，它只要求輸入范例和相應(yīng)的解，通過特定的學(xué)習(xí)算法對樣本進(jìn)行學(xué)習(xí)。經(jīng)過網(wǎng)絡(luò)內(nèi)部的自適應(yīng)算法不斷進(jìn)行修改權(quán)值分布以達(dá)到要求，把求解問題所需的知識分布到網(wǎng)絡(luò)的互連及權(quán)值的