自動化專業(yè)英語(翻譯)P2U7教學(xué)課件

自動化專業(yè)英語教程教學(xué)課件July28,2007Email:wanghongwen@http://自動化專業(yè)英語教程教學(xué)課件July28,2007Emai1P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制A

傳統(tǒng)控制與智能控制1.課文內(nèi)容簡介：這是一篇非常經(jīng)典的討論智能控制的起源、與傳統(tǒng)控制方法的區(qū)別、智能控制的定義與其要解決的控制問題的文章。通過本篇文章的學(xué)習(xí)，對開闊學(xué)生的視野、從哲學(xué)層面上去思考問題，提高科學(xué)創(chuàng)新能力大有幫助。2.溫習(xí)《智能控制》中緒論的內(nèi)容。3.生詞與短語P2U7AConventionalandIntel2P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制frameworkn.構(gòu)架，結(jié)構(gòu)discreteadj.離散的fuzzyadj.模糊的hybridadj.混合的decomposev.分解trajectoryn.軌跡，軌道diagnosisn.診斷interdisciplinaryadj.跨學(xué)科的reachabilityn.能達到性deadlockn.死鎖，僵局P2U7AConventionalandIntel3P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制rigorousadj.嚴(yán)密的，精確的synthesisn.綜合peripheryn.外圍terminologyn.術(shù)語學(xué)mainstreamn.主流vistan.展望queuingtheory排隊論benchmark基準(zhǔn)點neuralnetwork神經(jīng)網(wǎng)絡(luò)artificialintelligence人工智能P2U7AConventionalandIntel4P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制4.難句翻譯[1]Theterm“conventional(ortraditional)control”isusedheretorefertothetheoriesandmethodsthatweredevelopedinthepastdecadestocontroldynamicalsystems,thebehaviorofwhichisprimarilydescribedbydifferentialanddifferenceequations.“傳統(tǒng)控制”這個術(shù)語是指在過去的幾十年里發(fā)展起來的用于控制以微分和差分方程表述的動態(tài)系統(tǒng)的理論和方法。[2]Becauseintelligentcontroladdressesmoregeneralcontrolproblemsthatalsoincludetheproblemsaddressedbyconventionalcontrol,itisratherdifficulttocomeupwithmeaningfulbenchmarkexamples.由于智能控制解決了包含傳統(tǒng)控制解決的問題在內(nèi)的更多更廣泛的問題，所以提出有代表性的例子相當(dāng)困難。[3]Notethattheprecisedefinitionof“intelligence”hasbeeneludingmankindforthousandsofyears.我們注意到“智能”的精確定義已經(jīng)數(shù)千年不為人類所知了。P2U7AConventionalandIntel5P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制5.參考譯文A傳統(tǒng)控制與智能控制

“傳統(tǒng)控制”這個術(shù)語是指在過去的幾十年里發(fā)展起來的用于控制以微分和差分方程表述的動態(tài)系統(tǒng)的理論和方法。我們注意到在解決某些問題時僅僅使用這種數(shù)學(xué)結(jié)構(gòu)表述是不充分的。事實上，眾所周知，使用微分和差分方程結(jié)構(gòu)是無法充分描述一些控制問題的。例如在研究包括離散事件的制造與通信系統(tǒng)時,自治與排隊論就被引入到系統(tǒng)的控制中。特別是在控制領(lǐng)域外的大多數(shù)人的頭腦中，“智能控制”這個術(shù)語意味著控制采用諸如模糊或者神經(jīng)網(wǎng)絡(luò)等方法。許多非科研性的文章和介紹使這個觀念愈加根深蒂固。然而智能控制并非局限于使用那些方法。事實上，根據(jù)智能控制的一些定義并非使用了神經(jīng)或模糊控制器就可以被認(rèn)為是智能的。現(xiàn)在存在一些控制問題無法使用傳統(tǒng)的微分和差分方程形式來公式化和研究。為了能夠用一種系統(tǒng)的方法來處理這些問題，一些眾所周知的智能控制方法就被提出了。P2U7AConventionalandIntel6P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制傳統(tǒng)控制與智能控制有明顯區(qū)別，對此本文將在下文中描述。我們應(yīng)該記住一點，就是智能控制使用了傳統(tǒng)控制方法來解決一些“低層的”控制問題，所以傳統(tǒng)控制也包含在智能控制領(lǐng)域內(nèi)的。智能控制嘗試著發(fā)展和增強傳統(tǒng)控制方法以解決新的具有挑戰(zhàn)性的控制問題?！爸悄芸刂啤敝械目刂埔辉~與“傳統(tǒng)控制”中的控制一詞相比有所不同，并且擁有更廣泛的內(nèi)涵。首先，其關(guān)心的方法更廣泛且可描述，例如使用離散事件系統(tǒng)模型或者微分差分方程模型，再或者二者兼有之。由此引領(lǐng)了混合控制系統(tǒng)理論的發(fā)展，即通過使用離散序列體系來研究連續(xù)動態(tài)過程的控制。此外，智能控制還顧及更加廣泛的方法，而能控制的目標(biāo)也更加廣泛。例如，“更換衛(wèi)星上的部件A”對于空間機械手控制器來說就是一個普遍性的任務(wù)；這個任務(wù)可以分成許多的子任務(wù)，其中的幾個可能包含如“跟隨特定軌跡”此類問題，而這種問題恰可用傳統(tǒng)控制方法來解決。

P2U7AConventionalandIntel7P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制針對復(fù)雜系統(tǒng)為了在一段時間內(nèi)達到控制目的，控制器必須應(yīng)對固定反饋魯棒控制器和自適應(yīng)控制器無法解決的顯著的不確定性。由于要在存在巨大的不確定性的條件下實現(xiàn)控制目標(biāo)，故障診斷和控制重構(gòu)、自適應(yīng)和自學(xué)習(xí)成為了智能控制器重要的考慮因素。明顯地，任務(wù)計劃是智能控制設(shè)計的一個重要領(lǐng)域。因此，智能控制是傳統(tǒng)控制的提高。其更有挑戰(zhàn)性和普遍性。不斷提高的控制要求需要使用不同于傳統(tǒng)控制典型應(yīng)用的方法，這一點并不令人驚訝。智能控制領(lǐng)域其實是跨學(xué)科的，它嘗試將諸如控制、計算機科學(xué)和運籌學(xué)等多個領(lǐng)域的理論和方法混合和擴展，使之能達到復(fù)雜系統(tǒng)的控制目標(biāo)。注意，由于運籌學(xué)和計算機科學(xué)領(lǐng)域的理論和方法是根據(jù)不同的需要發(fā)展而來的，通常這些理論和方法無法直接用來解決控制問題；在非常復(fù)雜的動態(tài)系統(tǒng)控制器能用系統(tǒng)的手段設(shè)計出來之前，這些理論和方法必須首先得到增強，并且其與傳統(tǒng)控制方法結(jié)合的新方法也得到發(fā)展。

P2U7AConventionalandIntel8P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制同樣傳統(tǒng)控制的諸如穩(wěn)定性類的定義也必須隨之修改，例如被控過程被描述為離散時間系統(tǒng)模型；本文也談到了這個問題。在智能控制中，當(dāng)研究計劃系統(tǒng)時，如能到達性和死鎖等發(fā)展于運籌學(xué)和計算機科學(xué)領(lǐng)域的定義將被使用到?；谥T如預(yù)測運算的嚴(yán)格數(shù)學(xué)結(jié)構(gòu)被用于研究此類問題。然而，為了解決控制問題，這些數(shù)學(xué)結(jié)構(gòu)可能不太方便，他們必須提高，或者必須發(fā)展新的方法來妥善處理這些問題。來源于計算機科學(xué)和運籌學(xué)的技術(shù)主要是作為分析非動態(tài)系統(tǒng)的工具發(fā)展起來的，當(dāng)將其應(yīng)用到控制時，綜合這些技術(shù)來設(shè)計動態(tài)系統(tǒng)的實時反饋控制律才是我們主要關(guān)心的。鑒于此討論，我們應(yīng)該清楚主要為應(yīng)用所驅(qū)動的智能控制研究含有非常重要和具有挑戰(zhàn)性的理論成分。但凡重大的理論跨越必先解決一些懸而未決的問題，于是控制理論學(xué)家們被邀請來解決這些問題。這些問題雖然很平凡，但仍需付出巨大努力才能解決。如前所述，智能控制中的控制一詞要比傳統(tǒng)控制中的控制一詞具有更普遍的意義；其事實上也更近于日常用語中的控制一詞。由于智能控制解決了包含傳統(tǒng)控制解決的問題在內(nèi)的更多更廣泛的問題，所以提出有代表性的例子相當(dāng)困難。智能控制能夠解決一些傳統(tǒng)控制無法闡釋的控制問題。P2U7AConventionalandIntel9P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制例如，在軋鋼廠中，傳統(tǒng)控制器可以包括鋼輥的速度（rpm）整定器，而智能控制結(jié)構(gòu)的控制器卻可以包含更多，如故障診斷和報警系統(tǒng)；還有決定整定器設(shè)定點的問題，這個問題可以基于過程指令序列、經(jīng)濟決策、維護時間表和機器可用性等多方面。由于這些因素在作為全局目標(biāo)的產(chǎn)品生產(chǎn)過程控制中起著各自的作用，所以其必須被考慮到。智能控制和傳統(tǒng)控制的另一個區(qū)別在于控制器和被控系統(tǒng)的分離。在傳統(tǒng)控制中的被稱為設(shè)備的被控系統(tǒng)通常是獨立和區(qū)別于控制器的。在給定設(shè)備且不變的情況下，控制器由設(shè)計人員來設(shè)計；注意最近關(guān)于坐標(biāo)系統(tǒng)設(shè)計和控制在諸如空間結(jié)構(gòu)和化學(xué)工藝等領(lǐng)域被報道，同樣某種設(shè)計的改變導(dǎo)致系統(tǒng)更加易于控制。在智能控制中設(shè)備和控制器可能沒有明顯的分離；控制律可能被嵌入而成為被控系統(tǒng)的一部分。這開辟了新的機遇和挑戰(zhàn)，因為它可能影響到用更系統(tǒng)的方法來進行過程的設(shè)計。除傳統(tǒng)控制外，智能控制還包括如自計劃、自學(xué)習(xí)、搜索算法、混合系統(tǒng)、故障診斷和重構(gòu)、自治、Petri網(wǎng)、神經(jīng)網(wǎng)絡(luò)和模糊邏輯等相關(guān)研究領(lǐng)域。P2U7AConventionalandIntel10P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制

另外，為了控制復(fù)雜系統(tǒng)，有效處理復(fù)雜計算的問題也是研究的領(lǐng)域之一；傳統(tǒng)控制中其還在研究者關(guān)心之外，而當(dāng)嘗試控制復(fù)雜系統(tǒng)時，很明顯它已經(jīng)是一個中心的問題。此時正適合給智能控制中的智能一詞作概要的說明。我們注意到“智能”的精確定義已經(jīng)不為人類所知數(shù)千年了。最近這個問題以引起多個學(xué)科的注意，如心理學(xué)、哲學(xué)和生物學(xué)，當(dāng)然還有人工智能（AI）；注意AI被定義為使用計算模型實現(xiàn)智能的研究。對于什么構(gòu)成了智能還沒有一致的意見。關(guān)于廣泛使用的智商測驗的討論表明我還遠(yuǎn)未理解這個問題。在這個報告中我們也未嘗試給智能下一個全面的定義。取而代之，我們介紹和討論了幾種在前面提及的解決復(fù)雜系統(tǒng)控制時表現(xiàn)出可用性的智能系統(tǒng)的特點?，F(xiàn)在羅列了關(guān)于“智能控制”的一些內(nèi)容。智能控制器設(shè)想模仿人類智力，如自適應(yīng)和自學(xué)習(xí)、在巨大不確定性條件下的自計劃和處理大量的數(shù)據(jù)等等，以便能有效的控制復(fù)雜過程；P2U7AConventionalandIntel11P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制并且因為這些智力能力被人為使人類智能重要的特征，所以這也為智能控制使用智能這個詞做了解釋。當(dāng)然智能控制這個詞在近些年被一些人濫用和誤用，這是很不幸的。注意這個術(shù)語既不是第一次也不是最后一次服務(wù)于某人的目的而被使用。象諸如最優(yōu)這個詞被他人大量使用（或被誤用）一樣，智能控制這個易被記住的詞也被一些人大量使用（或誤用）乃至更多；當(dāng)然一些最嚴(yán)重的錯誤甚至牽涉到“民主”這個詞！不論好壞，智能控制這個詞被大量使用。一個替代性詞匯是“自治控制”。它強調(diào)一點，即在完成甚至設(shè)置控制目標(biāo)時智能控制器關(guān)注如何可以達到更高程度的自治，而非強調(diào)達到這些目標(biāo)的方法。另一方面，“智能控制”只是一個今天看來有用的名字而已。同樣地由于六十年代的“現(xiàn)代控制”已經(jīng)變成了主流部分，現(xiàn)在它也變成了“傳統(tǒng)控制”了，而今日所謂“智能控制”在不遠(yuǎn)的將來也就只能被稱為“控制”了。比使用的術(shù)語更重要的是定義和方法，及是否控制領(lǐng)域和智能控制能夠滿足當(dāng)今科技社會日益增長的控制需求。這才是真正的挑戰(zhàn)。P2U7AConventionalandIntel12P2U7AConventionalandIntelligentControl第二部分第七單元課文A傳統(tǒng)控制與智能控制我愿以樂觀的語調(diào)來結(jié)束這篇概述；而且也的確有許多樂觀的理由。這確實是控制領(lǐng)域一段極好的時光。我們正在擴展我們的視野，建立遠(yuǎn)大的目標(biāo)，打開新局面，迎接新挑戰(zhàn)，我們正瞥見那令人興奮且有前途的未來。P2U7AConventionalandIntel13P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)B人工神經(jīng)網(wǎng)絡(luò)

1.課文內(nèi)容簡介：主要介紹《智能控制技術(shù)》中神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、功能、在控制領(lǐng)域的具體應(yīng)用等內(nèi)容。2.溫習(xí)《智能控制技術(shù)》中有關(guān)神經(jīng)網(wǎng)絡(luò)的內(nèi)容。3.生詞與短語P2U7BArtificialNetura14P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)sophisticatedadj.非常復(fù)雜、精密或尖端的neuronn.神經(jīng)元dendriten.樹突soman.體細(xì)胞axonn.軸突synapsen.神經(jīng)鍵topologyn.拓?fù)鋌i-directionaladj.雙向的hierarchicaladj.分級的resonancen.共振，共鳴recurrentadj.再發(fā)生的，循環(huán)的vagueadj.含糊的,不清楚的debuggingn.調(diào)試datafiltering數(shù)字濾波P2U7BArtificialNetura15P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)4.難句翻譯[1]Thenumberofhiddenneuronsmustbedeterminedsothatthenetworkperformsitsbest,oneofthemethodsusedoftenistrialanderror.必須確定隱含神經(jīng)元的數(shù)量以使網(wǎng)絡(luò)性能最優(yōu)，一種常用的方法是試湊法。[2]Neuralnetworksareperformingsuccessfullywhereothermethodsdonot,recognizingandmatchingcomplicated,vague,orincompletepatterns.神經(jīng)網(wǎng)絡(luò)在識別匹配復(fù)雜、含糊和不完整圖案的問題上得到了成功的應(yīng)用，而其他方法對此問題無能為力。5.參考譯文P2U7BArtificialNetura16P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)B人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)是近似模仿人類大腦的一種系統(tǒng)。這個領(lǐng)域有很多術(shù)語，例如連接機制、并行分布處理、神經(jīng)計算、自然智能系統(tǒng)、機器學(xué)習(xí)算法和人工神經(jīng)網(wǎng)絡(luò)。這是一種通過使用專門的硬件或者高度復(fù)雜的軟件來仿真的嘗試，多層次的單一處理單元稱為神經(jīng)元。每個神經(jīng)元都以不同權(quán)值的連通性與其鄰居們相連，這里的權(quán)值代表著這種連接的強度。通過調(diào)節(jié)這些連接的強度使整個網(wǎng)絡(luò)輸出合適的結(jié)果，從而完成了自學(xué)習(xí)。神經(jīng)元神經(jīng)元是仿人腦結(jié)構(gòu)建模的神經(jīng)網(wǎng)絡(luò)最基本的單元。一些神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與大腦并不相近而且也沒有大腦與之對應(yīng)的部分。然而，神經(jīng)網(wǎng)絡(luò)與大腦有很大的相似，因此從神經(jīng)科學(xué)中借用了大量的術(shù)語。P2U7BArtificialNetura17P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)人腦最基本的單元是一種細(xì)胞，是它們使我們可以記憶、思考和運用以往的經(jīng)驗來指導(dǎo)我們的每一個行為。這些細(xì)胞被稱為神經(jīng)元，每個神經(jīng)元都與大約200，000個其他神經(jīng)元相連。大腦的能力就來自于這些基本單元及其之間多樣的連接。所有的自然神經(jīng)元都有樹突、體細(xì)胞、軸突和神經(jīng)鍵4個基本部分?；旧?，一個生物神經(jīng)元從其它來源獲得輸入，將之以一定方式化合，執(zhí)行針對結(jié)果的通常是非線性的操作，然后輸出最后的結(jié)果。下圖表示了一個簡單的生物神經(jīng)元及其四部分之間的關(guān)系。P2U7BArtificialNetura18P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)所有的自然神經(jīng)元都有樹突、體細(xì)胞、軸突和神經(jīng)鍵4個基本部分。基本上，一個生物神經(jīng)元從其它來源獲得輸入，將之以一定方式化合，執(zhí)行針對結(jié)果的通常是非線性的操作，然后輸出最后的結(jié)果。如圖表示了一個簡單的生物神經(jīng)元及其四部分之間的關(guān)系。

圖2-7B-1生物神經(jīng)元樹突：接收輸入體細(xì)胞：處理輸入軸突：將處理過的輸入轉(zhuǎn)化為輸出神經(jīng)鍵：神經(jīng)元間的電化學(xué)連接典型神經(jīng)細(xì)胞的4部分P2U7BArtificialNetura19P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)元，作為神經(jīng)網(wǎng)絡(luò)的基本單元，模擬了自然神經(jīng)元的四個基本功能。人工神經(jīng)元要比生物神經(jīng)元簡單的多；下圖為人工神經(jīng)元的基本結(jié)構(gòu)。圖2-7B-2人工神經(jīng)元的基本結(jié)構(gòu)求和傳函輸出路徑處理機w0w1w2wnx0x1x2xnI=∑wixi

總和Y=f(I)傳函xn輸入wn權(quán)值P2U7BArtificialNetura20P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)注意，多種輸入用數(shù)學(xué)符號x(n)來表示。每一個輸入都乘以連接權(quán)值，這些權(quán)值用w(n)來表示。在最簡情況中，對這些乘積只進行簡單的相加求和，然后饋入傳函生成結(jié)果，既而輸出。盡管所有的人工神經(jīng)網(wǎng)絡(luò)都由這個基本的模塊構(gòu)成，但是這些模塊間連接原理卻多種多樣且有所不同。層在生物學(xué)上，神經(jīng)網(wǎng)絡(luò)是由微小的單元在三維空間建立起來的。這些神經(jīng)元好像能夠幾乎無限制的相互連接。這在任何人造網(wǎng)絡(luò)中都是不現(xiàn)實的。人工神經(jīng)網(wǎng)絡(luò)是簡單的人工神經(jīng)元的簡單聚類。這種聚類表現(xiàn)在彼此連接的層的建立上。這些層的連接也很多樣。大體上說，所有的人工神經(jīng)網(wǎng)絡(luò)都有相似的拓?fù)浣Y(jié)構(gòu)。一些神經(jīng)元作為接口與外界相連從而接收輸入，另一些神經(jīng)元將網(wǎng)絡(luò)的輸出提供給外界。所有剩下的神經(jīng)元則隱而不見。P2U7BArtificialNetura21P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)圖2-7B-3神經(jīng)網(wǎng)絡(luò)的3層結(jié)構(gòu)如上圖所示，神經(jīng)元聚合成層。輸入層由從外部接收輸入的神經(jīng)元組成。輸出層由聯(lián)系系統(tǒng)輸出與用戶或外部環(huán)境的神經(jīng)元組成。通常這兩層之間存在許多個隱含層；上圖為只有一個隱含層的簡單結(jié)構(gòu)。輸入層隱含層（可以存在多個隱含層）輸出層P2U7BArtificialNetura22P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)

當(dāng)輸入層接收到輸入時，其神經(jīng)元產(chǎn)生輸出，這些輸出又成為系統(tǒng)其它層的輸入。直到滿足某條件或者調(diào)用輸出層將輸出發(fā)射到外部環(huán)境前，這一過程一直持續(xù)。網(wǎng)絡(luò)性能最優(yōu)化決定了隱含神經(jīng)元的數(shù)量，而性能得到最優(yōu)需要反復(fù)實驗和多次錯誤的嘗試。如果你過多的增加隱含層神經(jīng)元的數(shù)目，你會適得其反，以至此網(wǎng)絡(luò)難于普及推廣。訓(xùn)練集數(shù)據(jù)將被記憶，而使在處理新數(shù)據(jù)方面網(wǎng)絡(luò)無用。神經(jīng)網(wǎng)絡(luò)的用途神經(jīng)網(wǎng)絡(luò)在識別匹配復(fù)雜、含糊和不完整圖案的問題上的到了成功的應(yīng)用，而其它方法對此問題無能為力。神經(jīng)網(wǎng)絡(luò)已經(jīng)在廣泛而多樣的問題上得到了應(yīng)用。神經(jīng)網(wǎng)絡(luò)最普通的用途就是突出最可能發(fā)生事件。在許多領(lǐng)域內(nèi)，預(yù)測有助于設(shè)置優(yōu)先權(quán)。例如，醫(yī)院的急救室可以有一個熱病位，以此可知誰病情危機最需要幫助從而使手術(shù)更加成功?；旧?，所有的組織都是建立在優(yōu)先權(quán)基礎(chǔ)上的，據(jù)此政府才能配置其資源。P2U7BArtificialNetura23P2U7BArtificialNeturalNetwork第二部分第七單元課文B人工神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)已被用為股票市場預(yù)測專家系統(tǒng)的知識獲取的一種機制，并取得了驚人的準(zhǔn)確結(jié)果。神經(jīng)網(wǎng)絡(luò)還被信用卡機構(gòu)用于破產(chǎn)預(yù)測。盡管人們可以把神經(jīng)網(wǎng)絡(luò)應(yīng)用到翻譯、預(yù)測、診斷、計劃、監(jiān)測、調(diào)試、維修、分析指導(dǎo)和控制等各個領(lǐng)域中，但是神經(jīng)網(wǎng)絡(luò)最成功的應(yīng)用還是在分類和模式識別中。如此一個系統(tǒng)可通過調(diào)研將目標(biāo)（如疾病、圖案、圖片、化學(xué)化合物、詞、消費者財政情況等）歸為許多可能類別之一，返之，我們就可以啟