(1)人工神经网络模型的研究
人工神经网络模型的研究包括:神经网络原型研究,即大脑神经网络的生理结构、思维机制;对神经元生物特性的人工模拟(如时空特性、不应期、电化学性质等);神经网络计算模型与学习算法;利用物理学的方法进行单元间相互作用理论的研究(如联想记忆模型等)。
(2)神经网络基本理论研究
神经网络基本理论研究包括:神经网络非线性特性理论的研究(如自组织性、自适应性等);神经网络基本性能的定量分析方法(如稳定性、收敛性、容错性、鲁棒性、动力学复杂性等);神经网络计算能力与信息存储容量理论的研究,以及结合认知科学的研究,探索包括感知、思考、记忆和语言等的脑信息处理模型。
(3)神经网络智能信息处理系统的应用
在认知与人工智能方面,包括模式识别、计算机视觉与听觉、特征提取、语音识别、语言翻译、联想记忆、逻辑推理、知识工程、专家系统、故障诊断和智能机器人等。在优化与控制方面,包括优化求解、决策与管理、系统辨识、鲁棒性控制、自适应控制、并行控制、分布控制和智能控制等。在处理方面,包括自适应信号处理(自适应滤波、时间序列预测、谱估计、消噪、检测、阵列处理)和非线性信号处理(非线性滤波、非线性预测、非线性谱估计、非线性编码、中值处理)。在传感器信息处理方面,包括模式预处理变换、信息集成、多传感器数据融合。
人工神经网络擅长解决两类同题:一类是对大量数据进行分类,并且只有较少的几种情况;另一类是必须学习一个复杂的非线性映射。
(4)神经网络的软件模拟和硬件实现
在通用计算机、专用计算机或者并行计算机上进行软件模拟,或由专用数字信号处理芯片构成神经网络仿真器。由模拟集成电路、数字集成电路或者光器件在硬件上实现神经芯片。软件模拟的优点是网络的规模可以较大,适合