人工智能基礎(chǔ)

1、高等醫(yī)藥院校藥學(xué)類規(guī)劃教材計算機在藥學(xué)中的應(yīng)用沈沈陽陽藥藥科科大大學(xué)學(xué)計計算算中中心心沈沈陽陽藥藥科科大大學(xué)學(xué)計計算算中中心心大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)第第一一節(jié)節(jié) 人工智能基礎(chǔ)人工智能基礎(chǔ) 第一節(jié)第一節(jié) 人工智能基礎(chǔ)人工智能基礎(chǔ) 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)一、人工智能的概念和由來一、人工智能的概念和由來 生命科學(xué)群和信息科學(xué)群是當(dāng)今世界最具有發(fā)生命科學(xué)群和信息科學(xué)群是當(dāng)今世界最具有發(fā)展力的兩大學(xué)科群，而人工智能（展力的兩大學(xué)科群，而人工智能（Artificial Intelligence,

2、 AI）則是這兩個學(xué)科群中最重要、最）則是這兩個學(xué)科群中最重要、最具前景的交叉領(lǐng)域。人工智能是一門由計算機科學(xué)、具前景的交叉領(lǐng)域。人工智能是一門由計算機科學(xué)、控制論、信息論、語言學(xué)、神經(jīng)生理學(xué)、心理學(xué)、控制論、信息論、語言學(xué)、神經(jīng)生理學(xué)、心理學(xué)、數(shù)學(xué)、哲學(xué)等多種學(xué)科相互滲透而發(fā)展起來的綜合數(shù)學(xué)、哲學(xué)等多種學(xué)科相互滲透而發(fā)展起來的綜合性新學(xué)科。性新學(xué)科。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 人工智能的核心在于人工智能的核心在于“智能智能”，我們可以將智，我們可以將智能理解為記憶與思維的能力、感知的能力、行為能能理解為記憶與思維

3、的能力、感知的能力、行為能力和具有學(xué)習(xí)和適應(yīng)的能力。從力和具有學(xué)習(xí)和適應(yīng)的能力。從“能力能力”的角度上的角度上講，人工智能是相對于人的自然智能而言的，是指講，人工智能是相對于人的自然智能而言的，是指用人工的方法在計算機上實現(xiàn)的智能。從科學(xué)的角用人工的方法在計算機上實現(xiàn)的智能。從科學(xué)的角度來講，人工智能是一門研究如何構(gòu)造智能機器或度來講，人工智能是一門研究如何構(gòu)造智能機器或智能系統(tǒng)，使它能模擬，延伸和擴展人類智能的學(xué)智能系統(tǒng)，使它能模擬，延伸和擴展人類智能的學(xué)科。科。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)二、人工智能的發(fā)展歷程二

4、、人工智能的發(fā)展歷程 1.孕育期（孕育期（1956年以前）年以前） 1946年，在美國誕生了世界上第一臺電子數(shù)字計算機年，在美國誕生了世界上第一臺電子數(shù)字計算機ENIAC。在同一時代，控制論和信息論創(chuàng)立，生物學(xué)家設(shè)計。在同一時代，控制論和信息論創(chuàng)立，生物學(xué)家設(shè)計了腦模型。這些成果都為人工智能學(xué)科的誕生奠定了理論與了腦模型。這些成果都為人工智能學(xué)科的誕生奠定了理論與實驗基礎(chǔ)。實驗基礎(chǔ)。 2.形成期（形成期（1956年年1970年）年） 1956年，人工智能的研究取得了兩項重大突破。第一項是年，人工智能的研究取得了兩項重大突破。第一項是紐厄爾、肖（紐厄爾、肖（Shaw）和西蒙研究組編制的邏輯理論程

5、序）和西蒙研究組編制的邏輯理論程序LT（Logic Theory Machine），可以模擬人們用數(shù)理邏輯證），可以模擬人們用數(shù)理邏輯證明定理的思想。第二項是明定理的思想。第二項是IBM工程研究組的塞繆爾研制的西工程研究組的塞繆爾研制的西洋跳棋程序。這個程序可以像一個優(yōu)秀棋手那樣，向前看幾洋跳棋程序。這個程序可以像一個優(yōu)秀棋手那樣，向前看幾步來下棋，并且能在下棋過程中積累經(jīng)驗，不斷提高棋藝。步來下棋，并且能在下棋過程中積累經(jīng)驗，不斷提高棋藝。1959年，這個程序戰(zhàn)勝了設(shè)計者本人，年，這個程序戰(zhàn)勝了設(shè)計者本人，1962年它又擊敗了年它又擊敗了美國一個州的跳棋冠軍。美國一個州的跳棋冠軍。大學(xué)計算機

6、基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)3.知識應(yīng)用期（知識應(yīng)用期（1970年年20世紀世紀80年代末）年代末） 進入二十世紀進入二十世紀70年代后，人工智能轉(zhuǎn)向了以知識為年代后，人工智能轉(zhuǎn)向了以知識為中心的研究。專家系統(tǒng)實現(xiàn)了人工智能從理論研究中心的研究。專家系統(tǒng)實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用的突破。是人工智能發(fā)展歷程中的一走向?qū)嶋H應(yīng)用的突破。是人工智能發(fā)展歷程中的一次重大轉(zhuǎn)折。次重大轉(zhuǎn)折。 4.從學(xué)派分離走向綜合（從學(xué)派分離走向綜合（20世紀世紀80年代末年代末本世紀初本世紀初） 人工智能技術(shù)被更廣泛的應(yīng)用到各個領(lǐng)域并取得了人工智

7、能技術(shù)被更廣泛的應(yīng)用到各個領(lǐng)域并取得了卓越的成績。人工智能技術(shù)開始被用于導(dǎo)彈系統(tǒng)和卓越的成績。人工智能技術(shù)開始被用于導(dǎo)彈系統(tǒng)和其它先進武器，同時它也進入了我們的個人計算機，其它先進武器，同時它也進入了我們的個人計算機，能夠進行自然語言處理，機器翻譯和語音識別的智能夠進行自然語言處理，機器翻譯和語音識別的智能電腦的增加吸引了公眾的興趣。能電腦的增加吸引了公眾的興趣。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)三、人工智能的主要研究學(xué)派三、人工智能的主要研究學(xué)派 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算

8、機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)四、我國人工智能研究的歷史四、我國人工智能研究的歷史 人工智能研究在我國起步相對較晚，納入國家人工智能研究在我國起步相對較晚，納入國家計劃的計劃的“智能模擬智能模擬”研究始于研究始于1978年；年；1984年召年召開了智能計算機及其系統(tǒng)的全國學(xué)術(shù)討論會；開了智能計算機及其系統(tǒng)的全國學(xué)術(shù)討論會；1986年起把智能計算機系統(tǒng)、智能機器人和智能信息處年起把智能計算機系統(tǒng)、智能機器人和智能信息處理等重大項目列入國家高技術(shù)研究計劃；理等重大項目列入國家高技術(shù)研究計劃； 1981年年起，相繼成立了中國人工智能學(xué)會（起，相繼成立了中國人工智能學(xué)會（CAAI）等學(xué)）等學(xué)術(shù)團體；術(shù)

9、團體；1989年首次召開的中國人工智能聯(lián)合會議年首次召開的中國人工智能聯(lián)合會議（CJCAI）；）；1993年起，又把智能控制和智能自動年起，又把智能控制和智能自動化等項目列入國家科技攀登計劃。進入化等項目列入國家科技攀登計劃。進入21世紀后，世紀后，已有更多的人工智能與智能系統(tǒng)研究獲得各種基金已有更多的人工智能與智能系統(tǒng)研究獲得各種基金計劃支持。計劃支持。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)五、人工智能技術(shù)與實現(xiàn)方法五、人工智能技術(shù)與實現(xiàn)方法 人工智能在計算機上實現(xiàn)時有人工智能在計算機上實現(xiàn)時有2種不同的方式。種不同的方式。

10、 一種是工程學(xué)方法（一種是工程學(xué)方法（Engineering approach），它采用傳），它采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。工程學(xué)方法已在一些是否與人或動物機體所用的方法相同。工程學(xué)方法已在一些領(lǐng)域取得了一定的成果，如文字識別、領(lǐng)域取得了一定的成果，如文字識別、 電腦下棋等。采用電腦下棋等。采用這種方法，需要我們詳細規(guī)定程序邏輯，邏輯簡單的時候很這種方法，需要我們詳細規(guī)定程序邏輯，邏輯簡單的時候很容易實現(xiàn)，一旦程序邏輯復(fù)雜繁瑣，就很容易出現(xiàn)錯誤。容易實現(xiàn)，一旦程序邏輯復(fù)雜繁瑣，就

11、很容易出現(xiàn)錯誤。 另一種是模擬法（另一種是模擬法（Modeling approach），它不僅要看效果，），它不僅要看效果，還要求實現(xiàn)方法也和人類或生物機體所用的方法相同或相類還要求實現(xiàn)方法也和人類或生物機體所用的方法相同或相類似。遺傳算法（似。遺傳算法（Generic Algorithm，簡稱，簡稱GA）和人工神）和人工神經(jīng)網(wǎng)絡(luò)（經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡稱，簡稱ANN）都屬于這）都屬于這種方法。種方法。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)六、人工智能的主要研究方向六、人工智能的主要研究

12、方向 人工智能的研究包括智能機器人、模式識別、自然人工智能的研究包括智能機器人、模式識別、自然語言處理和專家系統(tǒng)等方向。語言處理和專家系統(tǒng)等方向。1.問題求解：我們通過對人們求解問題的一般規(guī)律、問題求解：我們通過對人們求解問題的一般規(guī)律、求解問題的思路的研究，編制一個智能程序，讓它求解問題的思路的研究，編制一個智能程序，讓它依照人類解決問題的方法與思維模式去解決問題。依照人類解決問題的方法與思維模式去解決問題。 2.自然語言處理：自然語言處理（自然語言處理：自然語言處理（Natural Language Processing，NLP）也是人工智能的早期研究領(lǐng)域）也是人工智能的早期研究領(lǐng)域之一，

13、自然語言處理主要研究如何使計算機能夠理之一，自然語言處理主要研究如何使計算機能夠理解和生成自然語言。自然語言處理通常與模式識別，解和生成自然語言。自然語言處理通常與模式識別，計算機視覺等技術(shù)相結(jié)合，應(yīng)用在文字識別和語音計算機視覺等技術(shù)相結(jié)合，應(yīng)用在文字識別和語音識別等系統(tǒng)中。識別等系統(tǒng)中。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)3.模式識別：模式識別是研究如何從龐大的信息中提模式識別：模式識別是研究如何從龐大的信息中提取特征，應(yīng)用計算機對某一范疇內(nèi)的事物依據(jù)特征取特征，應(yīng)用計算機對某一范疇內(nèi)的事物依據(jù)特征進行自動的識別和分類。模式

14、識別是人工智能的重進行自動的識別和分類。模式識別是人工智能的重要組成部分，它本身又分為文字識別、語音識別、要組成部分，它本身又分為文字識別、語音識別、生物特征識別、圖像分析等許多分支。生物特征識別、圖像分析等許多分支。 4.智能數(shù)據(jù)庫：智能數(shù)據(jù)庫是研究利用人的推理、想智能數(shù)據(jù)庫：智能數(shù)據(jù)庫是研究利用人的推理、想象、記憶原理，實現(xiàn)對數(shù)據(jù)庫的存儲、搜索和修改。象、記憶原理，實現(xiàn)對數(shù)據(jù)庫的存儲、搜索和修改。智能數(shù)據(jù)庫通過有效的組織，能夠滿足人們快速檢智能數(shù)據(jù)庫通過有效的組織，能夠滿足人們快速檢索和修改數(shù)據(jù)庫的要求。索和修改數(shù)據(jù)庫的要求。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機

15、基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)5.智能機器人：機器人學(xué)是在電力學(xué)、人工智能、控智能機器人：機器人學(xué)是在電力學(xué)、人工智能、控制論、系統(tǒng)工程、精密機械、信息傳感、仿生學(xué)以制論、系統(tǒng)工程、精密機械、信息傳感、仿生學(xué)以及心理學(xué)的多種學(xué)科的基礎(chǔ)上形成的一門綜合性技及心理學(xué)的多種學(xué)科的基礎(chǔ)上形成的一門綜合性技術(shù)學(xué)科。術(shù)學(xué)科。 6.博奕：博弈是研究使自己取勝、戰(zhàn)勝對手的策略。博奕：博弈是研究使自己取勝、戰(zhàn)勝對手的策略。在決策過程中要對形勢做出恰當(dāng)?shù)墓烙嫞褜じ鞣N在決策過程中要對形勢做出恰當(dāng)?shù)墓烙?，搜尋各種可能的策略組合，通過對比分析確定對自己最有利可能的策略組合，通過對比分析確定對自己最有利的策

16、略。的策略。 7.程序自動設(shè)計：自動程序設(shè)計是將自然語言描述的程序自動設(shè)計：自動程序設(shè)計是將自然語言描述的程序自動轉(zhuǎn)換成可執(zhí)行的程序的技術(shù)。程序自動轉(zhuǎn)換成可執(zhí)行的程序的技術(shù)。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)8.邏輯推理與定理證明：邏輯推理是人工智能研究中邏輯推理與定理證明：邏輯推理是人工智能研究中最持久的領(lǐng)域之一。計算機通過模仿人的推理和演最持久的領(lǐng)域之一。計算機通過模仿人的推理和演繹過程，從最基本的公理出發(fā)，證明定理的正確性。繹過程，從最基本的公理出發(fā)，證明定理的正確性。9.專家系統(tǒng)：專家系統(tǒng)是一個具有大量專門知識與經(jīng)

17、專家系統(tǒng)：專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的智能計算機程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，驗的智能計算機程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家對復(fù)雜問題的決驗進行推理和判斷，模擬人類專家對復(fù)雜問題的決策過程。策過程。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)七、七、 人工智能在醫(yī)藥領(lǐng)域的應(yīng)用人工智能在醫(yī)藥領(lǐng)域的應(yīng)用 醫(yī)學(xué)人工智能是人工智能發(fā)展出來的一大分支，醫(yī)學(xué)人工智能是人工智能發(fā)展出來的一大分支，它為醫(yī)學(xué)診療問題提供解決方案

18、，成果最顯著的是它為醫(yī)學(xué)診療問題提供解決方案，成果最顯著的是醫(yī)學(xué)專家系統(tǒng)。醫(yī)學(xué)專家系統(tǒng)。1972 年年de Domabl研發(fā)了研發(fā)了“急性急性腹痛鑒別診斷系統(tǒng)腹痛鑒別診斷系統(tǒng)”，1976 年費根鮑姆成功開發(fā)年費根鮑姆成功開發(fā)了了MYCIN “傳染性疾病鑒別診斷系統(tǒng)傳染性疾病鑒別診斷系統(tǒng)”。專家鑒定。專家鑒定表明該系統(tǒng)對細菌血液病、腦膜炎方面的診斷和提表明該系統(tǒng)對細菌血液病、腦膜炎方面的診斷和提供治療方案的水平已超過了這方面的專家。供治療方案的水平已超過了這方面的專家。 80年代年代初期開始，中國中醫(yī)界相關(guān)專家系統(tǒng)的研究也開展初期開始，中國中醫(yī)界相關(guān)專家系統(tǒng)的研究也開展得如火如荼，大約有得如火如

19、荼，大約有140個以經(jīng)驗為主的中醫(yī)專家個以經(jīng)驗為主的中醫(yī)專家系統(tǒng)相繼研發(fā)。醫(yī)學(xué)專家系統(tǒng)可以解決的問題一般系統(tǒng)相繼研發(fā)。醫(yī)學(xué)專家系統(tǒng)可以解決的問題一般包括解釋、預(yù)測、診斷、提供治療方案等。包括解釋、預(yù)測、診斷、提供治療方案等。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 近年來，人工智能技術(shù)在藥學(xué)領(lǐng)域也得以廣泛近年來，人工智能技術(shù)在藥學(xué)領(lǐng)域也得以廣泛的應(yīng)用，尤其是在中藥材的質(zhì)量控制方面取得了卓的應(yīng)用，尤其是在中藥材的質(zhì)量控制方面取得了卓越的研究成果。由于中藥材質(zhì)量的特殊性和復(fù)雜性，越的研究成果。由于中藥材質(zhì)量的特殊性和復(fù)雜性，中藥材的

20、真?zhèn)舞b別和質(zhì)量控制存在很大困難。為擺中藥材的真?zhèn)舞b別和質(zhì)量控制存在很大困難。為擺脫這一困境，將人工智能技術(shù)引入到中藥材質(zhì)量控脫這一困境，將人工智能技術(shù)引入到中藥材質(zhì)量控制系統(tǒng)中，利用模式識別技術(shù)，建立了完整的中藥制系統(tǒng)中，利用模式識別技術(shù)，建立了完整的中藥材質(zhì)量檢測專家系統(tǒng)，實現(xiàn)了中藥材的數(shù)字化、自材質(zhì)量檢測專家系統(tǒng)，實現(xiàn)了中藥材的數(shù)字化、自動化檢測，全面、客觀、準確、快捷的控制中藥材動化檢測，全面、客觀、準確、快捷的控制中藥材質(zhì)量；為建立安全有效，可操作，技術(shù)先進的國家質(zhì)量；為建立安全有效，可操作，技術(shù)先進的國家質(zhì)量標(biāo)準提供了堅實可靠的基礎(chǔ)；同時促進了中藥質(zhì)量標(biāo)準提供了堅實可靠的基礎(chǔ)；同時促

21、進了中藥國際化，提高了中醫(yī)藥產(chǎn)品在國際醫(yī)藥市場的競爭國際化，提高了中醫(yī)藥產(chǎn)品在國際醫(yī)藥市場的競爭力。力。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 此外，人工免疫算法、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、遺此外，人工免疫算法、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法等人工智能技術(shù)在藥品制劑過程的工藝參數(shù)傳算法等人工智能技術(shù)在藥品制劑過程的工藝參數(shù)優(yōu)化，化合物毒性預(yù)測，藥物滲透性能預(yù)測及生物優(yōu)化，化合物毒性預(yù)測，藥物滲透性能預(yù)測及生物制藥等領(lǐng)域都發(fā)揮著重要的作用。制藥等領(lǐng)域都發(fā)揮著重要的作用。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算

22、機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)第第二二節(jié)節(jié)人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò) 第二節(jié)第二節(jié)人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò) 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)一、一、 人工神經(jīng)網(wǎng)絡(luò)的概念和發(fā)展人工神經(jīng)網(wǎng)絡(luò)的概念和發(fā)展 利用大腦的組織結(jié)構(gòu)和運行機制的特點，從模利用大腦的組織結(jié)構(gòu)和運行機制的特點，從模仿人腦智能的角度出發(fā)，探尋新的信息處理方式，仿人腦智能的角度出發(fā)，探尋新的信息處理方式，構(gòu)造了一種更接近人類智能的信息處理系統(tǒng)構(gòu)造了一種更接近人類智能的信息處理系統(tǒng)人工人工神經(jīng)網(wǎng)絡(luò)（神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱

23、，簡稱ANN）系統(tǒng)。如圖系統(tǒng)。如圖8-1所示。所示。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 人工神經(jīng)網(wǎng)絡(luò)也稱為神經(jīng)網(wǎng)絡(luò)（人工神經(jīng)網(wǎng)絡(luò)也稱為神經(jīng)網(wǎng)絡(luò)（Neural Network, NN），是由大量處理單元廣泛互聯(lián)而成），是由大量處理單元廣泛互聯(lián)而成的網(wǎng)絡(luò)，是對人腦的抽象、簡化和模擬。它是植根的網(wǎng)絡(luò)，是對人腦的抽象、簡化和模擬。它是植根于神經(jīng)系統(tǒng)、數(shù)學(xué)、統(tǒng)計學(xué)、物理學(xué)、計算機科學(xué)于神經(jīng)系統(tǒng)、數(shù)學(xué)、統(tǒng)計學(xué)、物理學(xué)、計算機科學(xué)及工程等學(xué)科的一種人工智能技術(shù)。及工程等學(xué)科的一種人工智能技術(shù)。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈

24、陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)二、人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式二、人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式 按人工神經(jīng)網(wǎng)絡(luò)的性能可分為連續(xù)型神經(jīng)網(wǎng)絡(luò)按人工神經(jīng)網(wǎng)絡(luò)的性能可分為連續(xù)型神經(jīng)網(wǎng)絡(luò)和離散型神經(jīng)網(wǎng)絡(luò)，又可分為確定型神經(jīng)網(wǎng)絡(luò)和隨和離散型神經(jīng)網(wǎng)絡(luò)，又可分為確定型神經(jīng)網(wǎng)絡(luò)和隨機型神經(jīng)網(wǎng)絡(luò)；按人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)可分為反饋機型神經(jīng)網(wǎng)絡(luò)；按人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)可分為反饋型神經(jīng)網(wǎng)絡(luò)和前饋型神經(jīng)網(wǎng)絡(luò)；按學(xué)習(xí)方式可分為型神經(jīng)網(wǎng)絡(luò)和前饋型神經(jīng)網(wǎng)絡(luò)；按學(xué)習(xí)方式可分為有導(dǎo)師學(xué)習(xí)網(wǎng)絡(luò)和無導(dǎo)師學(xué)習(xí)網(wǎng)絡(luò)。有導(dǎo)師學(xué)習(xí)網(wǎng)絡(luò)和無導(dǎo)師學(xué)習(xí)網(wǎng)絡(luò)。1.有導(dǎo)師學(xué)習(xí)有導(dǎo)師學(xué)習(xí) 有導(dǎo)師學(xué)習(xí)又稱為有監(jiān)督學(xué)習(xí)，在學(xué)習(xí)時需要給出有導(dǎo)師

25、學(xué)習(xí)又稱為有監(jiān)督學(xué)習(xí)，在學(xué)習(xí)時需要給出導(dǎo)師信號，也稱為期望輸出。學(xué)習(xí)的目的就是減少導(dǎo)師信號，也稱為期望輸出。學(xué)習(xí)的目的就是減少網(wǎng)絡(luò)實際輸出與導(dǎo)師信號之間的差異，使網(wǎng)絡(luò)實際網(wǎng)絡(luò)實際輸出與導(dǎo)師信號之間的差異，使網(wǎng)絡(luò)實際輸出逐漸逼近導(dǎo)師信號。這一目標(biāo)是通過逐步調(diào)整輸出逐漸逼近導(dǎo)師信號。這一目標(biāo)是通過逐步調(diào)整網(wǎng)絡(luò)權(quán)值來實現(xiàn)的。網(wǎng)絡(luò)權(quán)值來實現(xiàn)的。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)2.無導(dǎo)師學(xué)習(xí)無導(dǎo)師學(xué)習(xí) 無導(dǎo)師學(xué)習(xí)也稱為無監(jiān)督學(xué)習(xí)。在無監(jiān)督學(xué)習(xí)中沒有外部導(dǎo)無導(dǎo)師學(xué)習(xí)也稱為無監(jiān)督學(xué)習(xí)。在無監(jiān)督學(xué)習(xí)中沒有外部導(dǎo)師信號或評價系統(tǒng)來統(tǒng)管學(xué)習(xí)

26、過程，而是在網(wǎng)絡(luò)內(nèi)部對其性師信號或評價系統(tǒng)來統(tǒng)管學(xué)習(xí)過程，而是在網(wǎng)絡(luò)內(nèi)部對其性能進行自適應(yīng)調(diào)節(jié)。它強調(diào)的是神經(jīng)元之間的協(xié)調(diào)，如果外能進行自適應(yīng)調(diào)節(jié)。它強調(diào)的是神經(jīng)元之間的協(xié)調(diào)，如果外界輸入激活了神經(jīng)元中的某個結(jié)點，則整個神經(jīng)元群的活性界輸入激活了神經(jīng)元中的某個結(jié)點，則整個神經(jīng)元群的活性隨之增加，相反引起整個神經(jīng)元群的抑制效應(yīng)。隨之增加，相反引起整個神經(jīng)元群的抑制效應(yīng)。3.強化學(xué)習(xí)強化學(xué)習(xí) 強化學(xué)習(xí)是利用某一強化學(xué)習(xí)是利用某一“獎懲獎懲”的全局信號，衡量和強化與輸?shù)娜中盘?，衡量和強化與輸入相關(guān)的權(quán)值和神經(jīng)元狀態(tài)的變化。強化信號不同于導(dǎo)師信入相關(guān)的權(quán)值和神經(jīng)元狀態(tài)的變化。強化信號不同于導(dǎo)師信號，

27、它很單一，只表示輸出結(jié)果的號，它很單一，只表示輸出結(jié)果的“好好”與與“壞壞”。強化學(xué)。強化學(xué)習(xí)需要的外部信息很少，當(dāng)不知道對于給定的輸入模式應(yīng)有習(xí)需要的外部信息很少，當(dāng)不知道對于給定的輸入模式應(yīng)有何種相應(yīng)的導(dǎo)師信號時，強化學(xué)習(xí)能夠根據(jù)一些何種相應(yīng)的導(dǎo)師信號時，強化學(xué)習(xí)能夠根據(jù)一些“獎懲獎懲”規(guī)規(guī)則得出有益的結(jié)果。則得出有益的結(jié)果。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)三、三、 神經(jīng)元模型和神經(jīng)元模型和BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) 1.神經(jīng)元模型神經(jīng)元模型 人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代神經(jīng)科學(xué)的基礎(chǔ)上提出來的。人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代神經(jīng)科學(xué)的基礎(chǔ)

28、上提出來的。它雖然反映了人腦功能的基本特征，但并不是自然它雖然反映了人腦功能的基本特征，但并不是自然神經(jīng)網(wǎng)絡(luò)的逼真描寫，而只是它的某種簡化抽象和神經(jīng)網(wǎng)絡(luò)的逼真描寫，而只是它的某種簡化抽象和模擬。經(jīng)過對生物神經(jīng)元的長期廣泛研究，模擬。經(jīng)過對生物神經(jīng)元的長期廣泛研究，1943年年美國心理學(xué)家麥卡洛克和數(shù)理學(xué)家皮茨提出了神經(jīng)美國心理學(xué)家麥卡洛克和數(shù)理學(xué)家皮茨提出了神經(jīng)元的數(shù)學(xué)模型，即著名的元的數(shù)學(xué)模型，即著名的MP模型。模型。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)2. BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) 1957年美國計算機科學(xué)家羅森布拉特（年美國

29、計算機科學(xué)家羅森布拉特（Roseblatt）提）提出了單層感知器（出了單層感知器（Perceptron）模型。它是一個具有單層）模型。它是一個具有單層神經(jīng)元的網(wǎng)絡(luò)，由線性閾值邏輯單元所組成。單層感知器在神經(jīng)元的網(wǎng)絡(luò)，由線性閾值邏輯單元所組成。單層感知器在人工神經(jīng)網(wǎng)絡(luò)研究中有著重要的意義和地位。然而單層感知人工神經(jīng)網(wǎng)絡(luò)研究中有著重要的意義和地位。然而單層感知器由于只有一個神經(jīng)元，功能單一，只能完成線性決策或?qū)嵠饔捎谥挥幸粋€神經(jīng)元，功能單一，只能完成線性決策或?qū)崿F(xiàn)現(xiàn) “與與”，“或或”，“非非”等單一邏輯函數(shù)。為了解決這等單一邏輯函數(shù)。為了解決這一問題，在其基礎(chǔ)上創(chuàng)建了多層感知器（一問題，在其基礎(chǔ)

30、上創(chuàng)建了多層感知器（Multilayer Perceptron，MLP）模型。它是一種在輸入層與輸出層之）模型。它是一種在輸入層與輸出層之間有一層或多層隱含結(jié)點的具有正向傳播機制的人工神經(jīng)網(wǎng)間有一層或多層隱含結(jié)點的具有正向傳播機制的人工神經(jīng)網(wǎng)絡(luò)模型。多層感知器克服了單層感知器的許多局限，它的優(yōu)絡(luò)模型。多層感知器克服了單層感知器的許多局限，它的優(yōu)越性能主要來源于結(jié)點的非線性特性。越性能主要來源于結(jié)點的非線性特性。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) BP網(wǎng)絡(luò)的結(jié)構(gòu)如圖網(wǎng)絡(luò)的結(jié)構(gòu)如圖8-3所示由輸入層，輸出層和一所示由輸入層，輸出

31、層和一個或多個中間層（隱含層）組成。中間層中的神經(jīng)個或多個中間層（隱含層）組成。中間層中的神經(jīng)元均采用元均采用S型激活函數(shù)，輸出層神經(jīng)元采用線性傳型激活函數(shù)，輸出層神經(jīng)元采用線性傳遞函數(shù)。遞函數(shù)。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)3.BP網(wǎng)絡(luò)的優(yōu)點及局限性網(wǎng)絡(luò)的優(yōu)點及局限性 非線性映射能力：非線性映射能力：BP網(wǎng)絡(luò)實質(zhì)上實現(xiàn)了一個從輸入網(wǎng)絡(luò)實質(zhì)上實現(xiàn)了一個從輸入到輸出的映射功能，三層的到輸出的映射功能，三層的BP網(wǎng)絡(luò)在理論上能夠以網(wǎng)絡(luò)在理論上能夠以任意精度逼近任何非線性連續(xù)函數(shù)。這使得其特別任意精度逼近任何非線性連續(xù)函數(shù)。

32、這使得其特別適合于求解內(nèi)部機制復(fù)雜的問題，即適合于求解內(nèi)部機制復(fù)雜的問題，即BP網(wǎng)絡(luò)具有較網(wǎng)絡(luò)具有較強的非線性映射能力。強的非線性映射能力。 自學(xué)習(xí)和自適應(yīng)能力：自學(xué)習(xí)和自適應(yīng)能力：BP網(wǎng)絡(luò)在訓(xùn)練時，能夠通過網(wǎng)絡(luò)在訓(xùn)練時，能夠通過學(xué)習(xí)自動提取輸出、輸出數(shù)據(jù)間的學(xué)習(xí)自動提取輸出、輸出數(shù)據(jù)間的“合理規(guī)則合理規(guī)則”，并自適應(yīng)的將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中。即并自適應(yīng)的將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中。即BP神經(jīng)網(wǎng)絡(luò)具有高度自學(xué)習(xí)和自適應(yīng)的能力。神經(jīng)網(wǎng)絡(luò)具有高度自學(xué)習(xí)和自適應(yīng)的能力。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)泛化能力：所謂泛化

33、能力是指在設(shè)計模式分類器時，泛化能力：所謂泛化能力是指在設(shè)計模式分類器時，即要考慮網(wǎng)絡(luò)在保證對所需分類對象進行正確分類，即要考慮網(wǎng)絡(luò)在保證對所需分類對象進行正確分類，還要關(guān)心網(wǎng)絡(luò)在經(jīng)過訓(xùn)練后，能否對未見過的模式還要關(guān)心網(wǎng)絡(luò)在經(jīng)過訓(xùn)練后，能否對未見過的模式或有噪聲污染的模式，進行正確的分類。也即或有噪聲污染的模式，進行正確的分類。也即BP神神經(jīng)網(wǎng)絡(luò)具有將學(xué)習(xí)成果應(yīng)用于新知識的能力。經(jīng)網(wǎng)絡(luò)具有將學(xué)習(xí)成果應(yīng)用于新知識的能力。容錯能力：容錯能力：BP網(wǎng)絡(luò)在其局部的或者部分的神經(jīng)元受網(wǎng)絡(luò)在其局部的或者部分的神經(jīng)元受到破壞后對全局的訓(xùn)練結(jié)果不會造成很大的影響，到破壞后對全局的訓(xùn)練結(jié)果不會造成很大的影響，也

34、就是說即使系統(tǒng)在受到局部損傷時還是可以正常也就是說即使系統(tǒng)在受到局部損傷時還是可以正常工作的。即工作的。即BP神經(jīng)網(wǎng)絡(luò)具有一定的容錯能力。神經(jīng)網(wǎng)絡(luò)具有一定的容錯能力。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)BP網(wǎng)絡(luò)的局限性：網(wǎng)絡(luò)的局限性：局部極小化問題：局部極小化問題： BP神經(jīng)網(wǎng)絡(luò)的權(quán)值是通過沿局神經(jīng)網(wǎng)絡(luò)的權(quán)值是通過沿局部改善的方向逐漸進行調(diào)整的，這樣會使算法陷入部改善的方向逐漸進行調(diào)整的，這樣會使算法陷入局部極值，權(quán)值收斂到局部極小解，從而導(dǎo)致網(wǎng)絡(luò)局部極值，權(quán)值收斂到局部極小解，從而導(dǎo)致網(wǎng)絡(luò)訓(xùn)練失敗。加上訓(xùn)練失敗。加上BP神經(jīng)

35、網(wǎng)絡(luò)對初始權(quán)值非常敏感，神經(jīng)網(wǎng)絡(luò)對初始權(quán)值非常敏感，以不同的權(quán)值初始化網(wǎng)絡(luò)，往往會收斂于不同的局以不同的權(quán)值初始化網(wǎng)絡(luò)，往往會收斂于不同的局部極小解，這也是部極小解，這也是BP網(wǎng)絡(luò)出現(xiàn)每次訓(xùn)練得到不同結(jié)網(wǎng)絡(luò)出現(xiàn)每次訓(xùn)練得到不同結(jié)果的根本原因。果的根本原因。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)BP 神經(jīng)網(wǎng)絡(luò)算法的收斂速度慢：由于神經(jīng)網(wǎng)絡(luò)算法的收斂速度慢：由于BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)算法本質(zhì)上為梯度下降法，它所要優(yōu)化的目標(biāo)函數(shù)算法本質(zhì)上為梯度下降法，它所要優(yōu)化的目標(biāo)函數(shù)是非常復(fù)雜的，這使得是非常復(fù)雜的，這使得BP算法的收斂速度低下。

36、算法的收斂速度低下。BP網(wǎng)絡(luò)結(jié)構(gòu)選擇不一：網(wǎng)絡(luò)結(jié)構(gòu)選擇不一：BP網(wǎng)絡(luò)結(jié)構(gòu)的選擇至今尚網(wǎng)絡(luò)結(jié)構(gòu)的選擇至今尚無一種統(tǒng)一而完整的理論指導(dǎo)，一般只能由經(jīng)驗選無一種統(tǒng)一而完整的理論指導(dǎo)，一般只能由經(jīng)驗選定。網(wǎng)絡(luò)結(jié)構(gòu)過大會降低學(xué)習(xí)效率，出現(xiàn)過擬合現(xiàn)定。網(wǎng)絡(luò)結(jié)構(gòu)過大會降低學(xué)習(xí)效率，出現(xiàn)過擬合現(xiàn)象，網(wǎng)絡(luò)容錯性下降；反之若結(jié)構(gòu)過小，又會造成象，網(wǎng)絡(luò)容錯性下降；反之若結(jié)構(gòu)過小，又會造成網(wǎng)絡(luò)不收斂的問題。網(wǎng)絡(luò)不收斂的問題。 BP網(wǎng)絡(luò)樣本依賴性問題：網(wǎng)絡(luò)模型的逼近和推廣能網(wǎng)絡(luò)樣本依賴性問題：網(wǎng)絡(luò)模型的逼近和推廣能力與學(xué)習(xí)樣本的典型性密切相關(guān)，而如何從問題中力與學(xué)習(xí)樣本的典型性密切相關(guān)，而如何從問題中選取典型樣本實例組

37、成訓(xùn)練集是一個很困難的問題。選取典型樣本實例組成訓(xùn)練集是一個很困難的問題。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)人工神經(jīng)網(wǎng)絡(luò)模型設(shè)計與應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模型設(shè)計與應(yīng)用 在實際應(yīng)用中，面對一個具體問題需要進行人工神經(jīng)網(wǎng)在實際應(yīng)用中，面對一個具體問題需要進行人工神經(jīng)網(wǎng)絡(luò)模型設(shè)計時，一般應(yīng)遵循下列過程：首先分析求解問題的絡(luò)模型設(shè)計時，一般應(yīng)遵循下列過程：首先分析求解問題的性質(zhì)，確定信息表達方式，將求解問題及其相應(yīng)的領(lǐng)域知識性質(zhì)，確定信息表達方式，將求解問題及其相應(yīng)的領(lǐng)域知識轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)可以接受并處理的某種數(shù)據(jù)形式，將數(shù)據(jù)樣轉(zhuǎn)化為神經(jīng)

38、網(wǎng)絡(luò)可以接受并處理的某種數(shù)據(jù)形式，將數(shù)據(jù)樣本分為訓(xùn)練樣本和測試樣本；其次依據(jù)問題特點，確定神經(jīng)本分為訓(xùn)練樣本和測試樣本；其次依據(jù)問題特點，確定神經(jīng)網(wǎng)絡(luò)模型的類型、結(jié)構(gòu)、輸入輸出神經(jīng)元的數(shù)目、隱含層神網(wǎng)絡(luò)模型的類型、結(jié)構(gòu)、輸入輸出神經(jīng)元的數(shù)目、隱含層神經(jīng)元的個數(shù)等；然后是訓(xùn)練模式的確定包括選擇合理的訓(xùn)練經(jīng)元的個數(shù)等；然后是訓(xùn)練模式的確定包括選擇合理的訓(xùn)練算法，確定合適的訓(xùn)練步數(shù)，指定適當(dāng)?shù)挠?xùn)練目標(biāo)誤差，以算法，確定合適的訓(xùn)練步數(shù)，指定適當(dāng)?shù)挠?xùn)練目標(biāo)誤差，以獲得較好的網(wǎng)絡(luò)性能；最后通過對網(wǎng)絡(luò)進行訓(xùn)練、仿真等，獲得較好的網(wǎng)絡(luò)性能；最后通過對網(wǎng)絡(luò)進行訓(xùn)練、仿真等，檢驗網(wǎng)絡(luò)的性能是否滿足要求。下面結(jié)合藥

39、學(xué)實際介紹神經(jīng)檢驗網(wǎng)絡(luò)的性能是否滿足要求。下面結(jié)合藥學(xué)實際介紹神經(jīng)網(wǎng)絡(luò)的設(shè)計與應(yīng)用。網(wǎng)絡(luò)的設(shè)計與應(yīng)用。四、四、 人工神經(jīng)網(wǎng)絡(luò)在藥學(xué)上的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)在藥學(xué)上的應(yīng)用大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)（一）用（一）用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化化學(xué)反應(yīng)的工藝條件神經(jīng)網(wǎng)絡(luò)優(yōu)化化學(xué)反應(yīng)的工藝條件 過碳酸鈉是一種強氧化劑，其水溶液可用作醫(yī)療殺菌劑、過碳酸鈉是一種強氧化劑，其水溶液可用作醫(yī)療殺菌劑、口腔消毒劑。由于過碳酸鈉對濕度和溫度很敏感，容易分解，口腔消毒劑。由于過碳酸鈉對濕度和溫度很敏感，容易分解，其有效氧含量和穩(wěn)定性還有待提高。為改進過碳

40、酸鈉的工藝，其有效氧含量和穩(wěn)定性還有待提高。為改進過碳酸鈉的工藝，篩選出新的復(fù)合穩(wěn)定劑，可利用篩選出新的復(fù)合穩(wěn)定劑，可利用BP神經(jīng)網(wǎng)絡(luò)對其工藝參數(shù)神經(jīng)網(wǎng)絡(luò)對其工藝參數(shù)進行考察，并利用仿真結(jié)果進行預(yù)測，其方法及步驟如下：進行考察，并利用仿真結(jié)果進行預(yù)測，其方法及步驟如下： (1)確定影響過碳酸鈉工藝條件的主要因素及考察范圍確定影響過碳酸鈉工藝條件的主要因素及考察范圍（2）確定）確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：從表神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：從表7-4可以看出，前四項為工可以看出，前四項為工藝參數(shù)，后兩項為過碳酸鈉性能的評價。因此采用藝參數(shù)，后兩項為過碳酸鈉性能的評價。因此采用3層層B-P網(wǎng)絡(luò)模型，即輸入層、輸出層和隱含

41、層。網(wǎng)絡(luò)模型，即輸入層、輸出層和隱含層。4個輸入向量個輸入向量X1、 X2、X3 、 X4分別對應(yīng)原料配比、反應(yīng)溫度、反應(yīng)時間、分別對應(yīng)原料配比、反應(yīng)溫度、反應(yīng)時間、穩(wěn)定劑加入量穩(wěn)定劑加入量4個考察因素，個考察因素， 2個輸出向量個輸出向量Y1 、Y2分別對應(yīng)分別對應(yīng)目標(biāo)函數(shù)收率和活性氧含量，目標(biāo)函數(shù)收率和活性氧含量， 其拓撲結(jié)構(gòu)如圖其拓撲結(jié)構(gòu)如圖7-9所示。所示。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)表表8-2 8-2 影響工藝條件的主要因素及考察范圍影響工藝條件的主要因素及考察范圍No原料配比(mM)X1反應(yīng)溫度()X2反應(yīng)

42、時間(min)X3穩(wěn)定劑(%)X4收率(%)Y1活性氧含量(%)Y212345671:2.41:2.21:2.01:1.81:1.61:1.31:1.0-10.000.000010.00-15.00-5.005.0015.0040.0085.0025.0070.0010.0055.00100.0050.670.380.11.881.493.695.098.078.187.396.313.513.914.114.510.013.714.2大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大

43、學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)(3)BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建：將原料配比、反應(yīng)溫度、反應(yīng)時間、神經(jīng)網(wǎng)絡(luò)的構(gòu)建：將原料配比、反應(yīng)溫度、反應(yīng)時間、穩(wěn)定劑穩(wěn)定劑4個考察因素作為個考察因素作為BP神經(jīng)網(wǎng)絡(luò)的輸入，將收率和活性神經(jīng)網(wǎng)絡(luò)的輸入，將收率和活性氧含量氧含量2個考察目標(biāo)作為網(wǎng)絡(luò)的輸出，定義輸入向量個考察目標(biāo)作為網(wǎng)絡(luò)的輸出，定義輸入向量X和輸和輸出向量出向量Y（訓(xùn)練樣本），編寫程序代碼（訓(xùn)練樣本），編寫程序代碼用用newcf()函數(shù)構(gòu)建函數(shù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò),代碼如下：代碼如下： net=newcf(minmax(X),10,2,tansig,purelin,t

44、rainlm); 新構(gòu)建的網(wǎng)絡(luò)名稱用新構(gòu)建的網(wǎng)絡(luò)名稱用net表示，表示，newcf()是是BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)構(gòu)建函數(shù)，用構(gòu)建函數(shù)，用minmax()函數(shù)自動搜索輸入向量中每個要考函數(shù)自動搜索輸入向量中每個要考察因素的范圍，參數(shù)察因素的范圍，參數(shù)10,2代表隱含層節(jié)點個數(shù)為代表隱含層節(jié)點個數(shù)為10（不確（不確定參數(shù)，待優(yōu)化），網(wǎng)絡(luò)結(jié)構(gòu)層數(shù)為定參數(shù)，待優(yōu)化），網(wǎng)絡(luò)結(jié)構(gòu)層數(shù)為2，分別對應(yīng)隱含層和，分別對應(yīng)隱含層和輸出層。輸出層。tansig（S型）和型）和purelin（線性）代表隱含層和輸（線性）代表隱含層和輸出層的傳遞函數(shù)，出層的傳遞函數(shù)，trainlm代表網(wǎng)絡(luò)學(xué)習(xí)算法，表明采用代表網(wǎng)絡(luò)學(xué)習(xí)算

45、法，表明采用Levenberg-Marquardt規(guī)則對規(guī)則對BP網(wǎng)絡(luò)進行訓(xùn)練。網(wǎng)絡(luò)進行訓(xùn)練。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 定義網(wǎng)絡(luò)訓(xùn)練次數(shù)、訓(xùn)練結(jié)果顯示方式及誤差要求，代碼定義網(wǎng)絡(luò)訓(xùn)練次數(shù)、訓(xùn)練結(jié)果顯示方式及誤差要求，代碼如下：如下：net.trainparam.epochs=3000; %最大訓(xùn)練次數(shù)最大訓(xùn)練次數(shù)net.trainparam.show=100; %兩次顯示之間的訓(xùn)練步數(shù)兩次顯示之間的訓(xùn)練步數(shù)net.trainparam.goal=0.00001; %訓(xùn)練目標(biāo)即期望誤差訓(xùn)練目標(biāo)即期望誤差用用train

46、()函數(shù)訓(xùn)練網(wǎng)絡(luò)，代碼如下：函數(shù)訓(xùn)練網(wǎng)絡(luò)，代碼如下： net,tr=train(net,X,Y);當(dāng)網(wǎng)絡(luò)訓(xùn)練達到誤差要求時結(jié)束訓(xùn)練。當(dāng)網(wǎng)絡(luò)訓(xùn)練達到誤差要求時結(jié)束訓(xùn)練。 進一步構(gòu)建預(yù)測樣本進一步構(gòu)建預(yù)測樣本XX（即在其他工藝條件或參數(shù)下，想（即在其他工藝條件或參數(shù)下，想要預(yù)測的過碳酸鈉性能），基于訓(xùn)練好的要預(yù)測的過碳酸鈉性能），基于訓(xùn)練好的BP網(wǎng)絡(luò)，用網(wǎng)絡(luò)，用sim()對樣本進行仿真預(yù)測對樣本進行仿真預(yù)測 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)(4) MATLAB函數(shù)實現(xiàn)：啟動函數(shù)實現(xiàn)：啟動MATLAB，新建一個，新建一個m文件，

47、操文件，操作見圖作見圖8-5。在新建的。在新建的 m文件上輸入上述完整代碼，操作見文件上輸入上述完整代碼，操作見圖圖8-6，將該程序保存在，將該程序保存在work目錄下，命名為目錄下，命名為gtsn.m, 調(diào)試調(diào)試并運行程序并運行程序 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)（5）程序運行結(jié)束后，顯示網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖）程序運行結(jié)束后，顯示網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖8-7所示。所示。結(jié)果表明，以原料配比、反應(yīng)溫度、反應(yīng)時間、穩(wěn)定劑加

48、入結(jié)果表明，以原料配比、反應(yīng)溫度、反應(yīng)時間、穩(wěn)定劑加入量量4個因素為輸入量、收率和活性氧含量為輸出考察目標(biāo)所個因素為輸入量、收率和活性氧含量為輸出考察目標(biāo)所建立的建立的BP神經(jīng)網(wǎng)絡(luò)模型具有較好的收斂性，能體現(xiàn)各工藝神經(jīng)網(wǎng)絡(luò)模型具有較好的收斂性，能體現(xiàn)各工藝條件對收率及活性氧含量影響的非線性變化規(guī)律，因而具有條件對收率及活性氧含量影響的非線性變化規(guī)律，因而具有較高的預(yù)測精度。用訓(xùn)練好的網(wǎng)絡(luò)進行仿真預(yù)測，結(jié)果如圖較高的預(yù)測精度。用訓(xùn)練好的網(wǎng)絡(luò)進行仿真預(yù)測，結(jié)果如圖8-8所示，優(yōu)化結(jié)果如圖所示，優(yōu)化結(jié)果如圖8-9所示。所示。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機

49、基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 由圖由圖8-9可知，最佳工藝條件是原料配比可知，最佳工藝條件是原料配比1 1.8、反應(yīng)溫度、反應(yīng)溫度15、反應(yīng)時間、反應(yīng)時間85分鐘、穩(wěn)定劑加入量為分鐘、穩(wěn)定劑加入量為0.95%時時,收率收率為為98.274%，活性氧為，活性氧為14.58%。 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)（二）用自組織特征映射神經(jīng)網(wǎng)絡(luò)對樣本資料進行分類（二）用自組織特征映射神經(jīng)網(wǎng)絡(luò)對樣本資料進行分類 表表8-3是是10

50、批次不同產(chǎn)地的中藥苦碟子注射液指紋圖譜經(jīng)批次不同產(chǎn)地的中藥苦碟子注射液指紋圖譜經(jīng)主成分分析后得到的主成分分析后得到的10個樣本數(shù)據(jù)，每個樣本用個樣本數(shù)據(jù)，每個樣本用4個主成分表個主成分表示其特征信息，希望通過自組織特征映射神經(jīng)網(wǎng)絡(luò)對樣本資料示其特征信息，希望通過自組織特征映射神經(jīng)網(wǎng)絡(luò)對樣本資料進行聚類分析，從而能夠?qū)崿F(xiàn)對樣本的自動分類。進行聚類分析，從而能夠?qū)崿F(xiàn)對樣本的自動分類。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)表表8-3 108-3 10批次苦碟子注射液指紋圖譜批次苦碟子注射液指紋圖譜主成分分析主成分分析樣本數(shù)據(jù)樣本數(shù)據(jù)序

51、號序號主成分主成分1主成分主成分2主成分主成分3主成分主成分4SIGNAL01-0.054770.0743-2.414111.09926SIGNAL021.704890.71388-0.013480.60014SIGNAL03-0.783770.395130.30511-1.04525SIGNAL041.383891.265660.88172-0.24332SIGNAL05-0.810940.399080.044930.18507SIGNAL06-0.465430.43062-0.78499-2.04401SIGNAL07-0.95887-0.273881.189031.06329SIGNAL

52、08-0.53154-0.371910.251420.35412SIGNAL09-0.56371-0.153940.443570.65215SIGNAL101.08025-2.478940.09681-0.62144大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 自組織特征映射神經(jīng)網(wǎng)絡(luò)模型設(shè)計的步驟與上述自組織特征映射神經(jīng)網(wǎng)絡(luò)模型設(shè)計的步驟與上述“用用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化化學(xué)反應(yīng)的工藝條件神經(jīng)網(wǎng)絡(luò)優(yōu)化化學(xué)反應(yīng)的工藝條件”一節(jié)中一節(jié)中類似，但在網(wǎng)絡(luò)設(shè)計及函數(shù)選取上有不同之處，簡類似，但在網(wǎng)絡(luò)設(shè)計及函數(shù)選取上有不同之處，簡述如下：述如下：(1)

53、 啟動啟動MATLAB 應(yīng)用程序，新建一個應(yīng)用程序，新建一個M文件，在文件，在 M文件上編寫程序代碼，保存在文件上編寫程序代碼，保存在work目錄下，命名目錄下，命名為為jlfx.m，輸入完整程序代碼，輸入完整程序代碼 大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 創(chuàng)建一個自組織特征映射神經(jīng)網(wǎng)絡(luò)創(chuàng)建一個自組織特征映射神經(jīng)網(wǎng)絡(luò)net，其中，其中newsom()為創(chuàng)建網(wǎng)絡(luò)函數(shù)，為創(chuàng)建網(wǎng)絡(luò)函數(shù)，P為輸入向量，為輸入向量，minmax(P)指定了輸入向量的最大最小值，因為有指定了輸入向量的最大最小值，因為有10個樣本，所以網(wǎng)絡(luò)輸出層的結(jié)構(gòu)為個

54、樣本，所以網(wǎng)絡(luò)輸出層的結(jié)構(gòu)為52 。 繪制網(wǎng)絡(luò)訓(xùn)練后的神經(jīng)元分布，進行仿真；利用函繪制網(wǎng)絡(luò)訓(xùn)練后的神經(jīng)元分布，進行仿真；利用函數(shù)數(shù)vec2ind()將輸出將輸出Y轉(zhuǎn)換成串行數(shù)據(jù)輸出轉(zhuǎn)換成串行數(shù)據(jù)輸出 。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)(2) 調(diào)試運行程序，繪制的網(wǎng)絡(luò)輸入變量分布圖，如圖調(diào)試運行程序，繪制的網(wǎng)絡(luò)輸入變量分布圖，如圖8-10所所示，繪制的網(wǎng)絡(luò)神經(jīng)元拓撲結(jié)構(gòu)如圖示，繪制的網(wǎng)絡(luò)神經(jīng)元拓撲結(jié)構(gòu)如圖8-11所示，聚類結(jié)果見所示，聚類結(jié)果見表表8-4。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)

55、計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 由表由表8-4可知，當(dāng)可知，當(dāng)訓(xùn)練步數(shù)為訓(xùn)練步數(shù)為10時，初步分類結(jié)果是：樣本時，初步分類結(jié)果是：樣本3和和6分為一類，分為一類，2和和4分為一類；當(dāng)訓(xùn)練步數(shù)為分為一類；當(dāng)訓(xùn)練步數(shù)為100時，分類時，分類結(jié)果比上面的更精確一些，此時，樣本結(jié)果比上面的更精確一些，此時，樣本3和和6分為一類，分為一類，2和和4分為一類，分為一類，7、8和和9分為同一類；當(dāng)訓(xùn)練步數(shù)為分為同一類；當(dāng)訓(xùn)練步數(shù)為1000時，時，樣本的分類與上面結(jié)果一致。樣本的分類與上面結(jié)果一致。表表8-4 苦參堿聚類結(jié)果苦參堿聚類結(jié)果聚類結(jié)果訓(xùn)練步數(shù)為10時， 4 10 1 10 2 1 7 3 7

56、5訓(xùn)練步數(shù)為100時， 5 4 1 4 2 1 7 7 7 10訓(xùn)練步數(shù)為1000時， 3 7 5 7 1 5 1 1 1 9大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)（三）用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)函數(shù)逼近（三）用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)函數(shù)逼近 發(fā)酵生產(chǎn)過程中微生物體內(nèi)的生物合成離不開酶的催化作用，發(fā)酵生產(chǎn)過程中微生物體內(nèi)的生物合成離不開酶的催化作用，酶活性的大小影響著生物代謝產(chǎn)物的速率和產(chǎn)率。酶活性主酶活性的大小影響著生物代謝產(chǎn)物的速率和產(chǎn)率。酶活性主要受溫度和要受溫度和pH的影響，由于發(fā)酵過程相互作用的復(fù)雜性，的影響，由

57、于發(fā)酵過程相互作用的復(fù)雜性，很難建立精確的數(shù)學(xué)模型，利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的函數(shù)很難建立精確的數(shù)學(xué)模型，利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力，建立酶活性的最佳溫度和逼近能力，建立酶活性的最佳溫度和pH，可實現(xiàn)酶活性的，可實現(xiàn)酶活性的最佳控制。最佳控制。RBF網(wǎng)絡(luò)模型設(shè)計的步驟如下：網(wǎng)絡(luò)模型設(shè)計的步驟如下：(1) 建立酶活性實驗數(shù)據(jù)：考察溫度、建立酶活性實驗數(shù)據(jù)：考察溫度、pH兩種因素在不同水平兩種因素在不同水平下對酶活性的影響，獲取的實驗數(shù)據(jù)見表下對酶活性的影響，獲取的實驗數(shù)據(jù)見表8-5。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)(

58、2) 確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：由于酶活性有兩個影響因素，所以該確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：由于酶活性有兩個影響因素，所以該網(wǎng)絡(luò)模型有兩個輸入變量（溫度、網(wǎng)絡(luò)模型有兩個輸入變量（溫度、pH）和一個輸出變量）和一個輸出變量（酶活性），相應(yīng)神經(jīng)網(wǎng)絡(luò)有兩個輸入節(jié)點和一個輸出節(jié)點。（酶活性），相應(yīng)神經(jīng)網(wǎng)絡(luò)有兩個輸入節(jié)點和一個輸出節(jié)點。(3) MATLAB編程實現(xiàn)：啟動編程實現(xiàn)：啟動MATLAB 應(yīng)用程序，新建一個應(yīng)用程序，新建一個m文件，操作如前所示。輸入文件，操作如前所示。輸入m文件的完整程序代碼文件的完整程序代碼表表8-5 酶活性實驗數(shù)據(jù)酶活性實驗數(shù)據(jù)編號溫度pH酶活性（PF） %11060.01822020.16

59、033080.89344040.273550100.014大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)(4) 調(diào)試運行程序：網(wǎng)絡(luò)實現(xiàn)函數(shù)逼近的酶活性與溫度和調(diào)試運行程序：網(wǎng)絡(luò)實現(xiàn)函數(shù)逼近的酶活性與溫度和pH間間的仿真結(jié)果如圖的仿真結(jié)果如圖8-12所示。結(jié)果表明，所示。結(jié)果表明，RBF網(wǎng)絡(luò)模型中溫度網(wǎng)絡(luò)模型中溫度的最佳點約為的最佳點約為30，pH最佳點為是最佳點為是8.04，對應(yīng)的最大酶活，對應(yīng)的最大酶活性約為性約為0.8625，與實際結(jié)果十分接近。，與實際結(jié)果十分接近。大學(xué)計算機基礎(chǔ)大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué)大學(xué)計算機基礎(chǔ)

60、大學(xué)計算機基礎(chǔ)沈陽藥科大學(xué)沈陽藥科大學(xué) 在本章給出的三個實例中，只是說明了如何用人工神經(jīng)在本章給出的三個實例中，只是說明了如何用人工神經(jīng)網(wǎng)絡(luò)方法去解決藥學(xué)研究中存在的最優(yōu)、預(yù)測及分類問題，網(wǎng)絡(luò)方法去解決藥學(xué)研究中存在的最優(yōu)、預(yù)測及分類問題，目的是為大家提供一些解決實際問題的思路。對于涉及的網(wǎng)目的是為大家提供一些解決實際問題的思路。對于涉及的網(wǎng)絡(luò)類型、結(jié)構(gòu)參數(shù)等并未進行最優(yōu)化設(shè)計，給出的輸出也不絡(luò)類型、結(jié)構(gòu)參數(shù)等并未進行最優(yōu)化設(shè)計，給出的輸出也不一定是最好的結(jié)果，請大家在學(xué)習(xí)時注意。一定是最好的結(jié)果，請大家在學(xué)習(xí)時注意。 如前所述，人工神經(jīng)網(wǎng)絡(luò)不需要精確的數(shù)學(xué)模型，沒有如前所述，人工神經(jīng)網(wǎng)絡(luò)不需