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(dá)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(duì)論benchmark基準(zhǔn)點(diǎn)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(gè)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(gè)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(shí)僅僅使用這種數(shù)學(xué)結(jié)構(gòu)表述是不充分的。事實(shí)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(shí),自治與排隊(duì)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(gè)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(gè)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(shí)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?，F(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(diǎn)，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(qiáng)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(jī)械手控制器來說就是一個(gè)普遍性的任務(wù)；這個(gè)任務(wù)可以分成許多的子任務(wù)，其中的幾個(gè)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(shí)間內(nèi)達(dá)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(shí)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(jì)劃是智能控制設(shè)計(jì)的一個(gè)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(diǎn)并不令人驚訝。智能控制領(lǐng)域其實(shí)是跨學(xué)科的，它嘗試將諸如控制、計(jì)算機(jī)科學(xué)和運(yùn)籌學(xué)等多個(gè)領(lǐng)域的理論和方法混合和擴(kuò)展，使之能達(dá)到復(fù)雜系統(tǒng)的控制目標(biāo)。注意，由于運(yùn)籌學(xué)和計(jì)算機(jī)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(jì)出來之前，這些理論和方法必須首先得到增強(qiáng)，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(shí)間系統(tǒng)模型；本文也談到了這個(gè)問題。在智能控制中，當(dāng)研究計(jì)劃系統(tǒng)時(shí)，如能到達(dá)性和死鎖等發(fā)展于運(yùn)籌學(xué)和計(jì)算機(jī)科學(xué)領(lǐng)域的定義將被使用到?；谥T如預(yù)測運(yùn)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(jì)算機(jī)科學(xué)和運(yùn)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(shí)，綜合這些技術(shù)來設(shè)計(jì)動態(tài)系統(tǒng)的實(shí)時(shí)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(shí)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(bào)警系統(tǒng)；還有決定整定器設(shè)定點(diǎn)的問題，這個(gè)問題可以基于過程指令序列、經(jīng)濟(jì)決策、維護(hù)時(shí)間表和機(jī)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(gè)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(dú)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(jì)人員來設(shè)計(jì)；注意最近關(guān)于坐標(biāo)系統(tǒng)設(shè)計(jì)和控制在諸如空間結(jié)構(gòu)和化學(xué)工藝等領(lǐng)域被報(bào)道，同樣某種設(shè)計(jì)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(jī)遇和挑戰(zhàn)，因?yàn)樗赡苡绊懙接酶到y(tǒng)的方法來進(jìn)行過程的設(shè)計(jì)。除傳統(tǒng)控制外，智能控制還包括如自計(jì)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(jì)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(shí)，很明顯它已經(jīng)是一個(gè)中心的問題。此時(shí)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(gè)問題以引起多個(gè)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(jì)算模型實(shí)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(yàn)的討論表明我還遠(yuǎn)未理解這個(gè)問題。在這個(gè)報(bào)告中我們也未嘗試給智能下一個(gè)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(shí)表現(xiàn)出可用性的智能系統(tǒng)的特點(diǎn)?，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(jì)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?yàn)檫@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(gè)詞做了解釋。當(dāng)然智能控制這個(gè)詞在近些年被一些人濫用和誤用，這是很不幸的。注意這個(gè)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(gè)詞被他人大量使用（或被誤用）一樣，智能控制這個(gè)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(cuò)誤甚至牽涉到“民主”這個(gè)詞！不論好壞，智能控制這個(gè)詞被大量使用。一個(gè)替代性詞匯是“自治控制”。它強(qiáng)調(diào)一點(diǎn)，即在完成甚至設(shè)置控制目標(biāo)時(shí)智能控制器關(guān)注如何可以達(dá)到更高程度的自治，而非強(qiáng)調(diào)達(dá)到這些目標(biāo)的方法。另一方面，“智能控制”只是一個(gè)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(shí)是控制領(lǐng)域一段極好的時(shí)光。我們正在擴(kuò)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(gè)領(lǐng)域有很多術(shù)語，例如連接機(jī)制、并行分布處理、神經(jīng)計(jì)算、自然智能系統(tǒng)、機(jī)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(gè)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(qiáng)度。通過調(diào)節(jié)這些連接的強(qiáng)度使整個(gè)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(yùn)用以往的經(jīng)驗(yàn)來指導(dǎo)我們的每一個(gè)行為。這些細(xì)胞被稱為神經(jīng)元，每個(gè)神經(jīng)元都與大約200，000個(gè)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(gè)基本部分?；旧?，一個(gè)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(gè)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(gè)基本部分。基本上，一個(gè)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(gè)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(gè)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(jī)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(gè)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(jìn)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(gè)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(shí)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(gè)隱含層；上圖為只有一個(gè)隱含層的簡單結(jié)構(gòu)。輸入層隱含層（可以存在多個(gè)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(shí)，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(shí)驗(yàn)和多次錯(cuò)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(gè)熱病位，以此可知誰病情危機(jī)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(jī)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(jī)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(jì)劃、監(jiān)測、調(diào)試、維修、分析指導(dǎo)和控制等各個(gè)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(gè)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(fèi)者財(cái)政情況等）歸為許多可能類別之一，返之，我們就可以啟