软件学报是三大学报之一，权威性最高，难度大，审稿漫长模式识别与人工智能好投一点
《计算机应用研究》 目前是北大核心期刊+中国科学引文索引数据库（CSCD核心）-E，审稿非常严格。投稿时需要带上基金项目，至少是省级的科技类基金项目，国家自然科学基金更好，例如，国家自然科学基金（），江苏省自然科学基金项目（），江苏省教育厅基础研究计划项目（），江苏省科技厅科技攻关计划项目（），否则很难录用正刊，增刊倒是挺容易的。正常情况下，审稿周期是2~3个月，如果运气好，恰好遇到个审稿速度快的外审专家，1个多月也能返回结果（通常外审专家都是到最后期限才返回，摆架子，显得自己很牛掰），如果遇到多次返回修改，则需要3~6个月不等，顺利录用还好，如果不录用，只能白白耽误3~6个月的宝贵时间，版面费一般在2500~4000之间，杂志社会提供发票和纸质用稿通知书，录用后需要1年多见刊。这个期刊主编主要收大学单位作者的文章，如果是二本或者高职院校投稿录用难度很大。建议您不要投这个期刊，可以试试《计算机仿真》、《计算机工程与设计》等期刊。以上讲的都是硬投稿情况，如果是走内部渠道操作就不一样了，像《计算机应用》《计算机工程》《计算机工程与应用》《计算机应用与软件》《计算机测量与控制》《计算机学报》《自动化学报》《机器人》《模式识别与人工智能》《控制工程》《重庆邮电大学学报.自然科学版》《河北大学学报.自然科学版》《电子器件》《东南大学学报.自然科学版》《仪表技术与传感器》《传感技术学报》《电工技术学报》《电力电子技术》学海湾都有主编一手内部渠道，100%录用，快的话投稿后1周就能在投稿系统里查到录用，3个月左右见刊，可以节省您大量的时间。 希望能对楼主有帮助，您也可以去张老师的博客看一下。（）里面有更详细的介绍。我也是从他那里了解到的这些信息。
软件学报是很难投的，审稿时间长，难度大，是EI核心来源期刊； 可接受8000-10000字左右的长文； 稿量大，处理流程大多缓慢，应早投； 《投稿方式：直接网站在线投稿，中英文均可。初审后通知编号，邮寄审理费。外审通过后再通知其它处理事宜。 审理费：150元 审稿周期：6个月左右；发表周期：录用后的发表周期较长，需要耐心等待，但专刊较快. 版面费标准：元/面，收费比较厚道。该刊组织了很多专刊，投专刊的文章被录用后发表周期相对短，但录用率超低专刊反映信息较快，是一种不错的方式。 《模式识别与人工智能》比前者好中一些，但难度也不小。这个杂志是要求你寄两份打印稿，还有一份你的联系信息，然后大概一个星期左右他给你发email告知你通过初审，要求给审稿费100元，然后就是等待，大概三个多月给结果吧。每期文章大约20几篇，平均来说不是很好中，审稿一般4个月左右，发表周期就长了。
《模式识别与人工智能》是由中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办、科学出版社出版的学术性期刊。本刊主要发表和报道模式识别、人工智能、智能系统等方面的研究成果与进展，旨在推动信息科学技术发展。本刊1989年创刊，双月刊，主编为戴汝为院士。本刊创刊以来，得到较大发展，已成为模式识别、人工智能学术界有较大影响的刊物。1、自1992年以来，一直被《中文核心期刊要目总览》收为自动化技术、计算机技术领域核心刊物。2、1994年起，为《中国学术期刊文摘》引用期刊。3、1995年，被美国工程信息公司（Ei）收为Ei Page One数据库收录期刊。4、1996年被《中国科学引文数据库》列为来源期刊及统计源。5、1998年，被教育部定为“学位与研究生教育中文重要期刊”之一。6、1999年～2000年，获国家自然科学基金委择优支持基础性和高科技学术期刊专项资助经费资助。7、2008年，被 EI Compendex 数据库收录。8、2010年，获中国科协2010年度精品科技期刊项目资助。9、为适应和推动我国人工智能、模式识别学科发展，本刊1999年由每期80页扩版至128页，2000年起由16开本改为大16开本，2004年由季刊改为双月刊。近两年来，本刊每期作了较大扩版。人工智能是我国优先发展的学科之一，模式识别与智能系统是我国鼓励发展的专业。近些年来，我国人工智能、模式识别学科发展较快，在研究与应用方面不断取得进展。本刊将会成为与学科同步发展的精品性期刊。本刊共设四个栏目：论文与报告；综述与评论；研究与应用；信息与动态。
appliedintelligence的proof需要具体看应用的类型，一般来说，appliedintelligence的proof需要花费一些时间来完成，可能需要几天或者几周。
热门频道首页博客研修院VIPAPP问答下载社区推荐频道活动招聘专题打开CSDN APPCopyright © 1999-2020, , All Rights Reserved打开APP审稿周期较快的SCI期刊总结：人工智能，神经网络，CV 原创2019-10-14 16:41:02 29点赞乘风万万里 码龄5年关注1.期刊名：Journal of Information Science and Engineering期刊主页：影响因子：审稿周期：平均八个月（台湾）、大概需要一年左右甚至更多期刊收录范围：人工智能大数据与云计算音频、语音和语言处理计算机架构与硬件设计计算机网络和无线通信计算机安全与密码学计算机视觉和模式识别计算机系统数据挖掘与分析数据库和信息系统进化计算模糊系统人机交互图像处理信息检索机器学习多媒体自然语言处理实时和嵌入式系统传感器网络信号处理软件系统2.期刊名：IEEE Transactions on Neural Networks and Learning Systems期刊主页：投稿指南：影响因子：审稿周期：两个月期刊收录范围：IEEE《神经网络和学习系统学报》发表技术文章，讨论神经网络和相关学习系统的理论、设计和应用。重点将放在人工神经网络和学习系统。3. 期刊名：International Journal of Systems Science期刊主页：
是，Springer旗下知名计算机类-模式识别方向SCI期刊。2020年最新影响因子，由期刊名的英文翻译就可知道，《模式识别与应用》，作为人工智能主流大方向之一的知名期刊，影响力不俗。
计算机类期刊排名介绍如下：
1 计算机学报 北京 中国计算机学会等
2 软件学报 北京 中国科学院软件研究所
3 计算机研究与发展 北京 中国科学院计算技术研究所等
4 自动化学报 北京 中国科学院等
5 计算机科学 重庆 国家科技部西南信息中心
6 控制理论与应用 广州 中国科学院系统科学研究所等
7 计算机辅助设计与图形学学报 北京 中国计算机学会等
8 计算机工程与应用 北京 华北计算技术研究所
9 模式识别与人工智能 北京 中国自动化学会等
10 控制与决策 沈阳 东北大学
计算机学报
《计算机学报》创刊于1978年，刊期为月刊，每期200面，是由中国科学院主管，中国计算机学会与中国科学院计算技术研究所主办、科学出版社出版的期刊。
据2018年4月，计算机学报》杂志编辑部官网显示，编辑委员会有主编1名，副主编5名，编委78名。
据2018年4月中国知网显示，《计算机学报》总被下载2463356次、总被引161163次，（2017版）复合影响因子为、（2017版）综合影响因子为。
据2018年4月万方数据知识服务平台显示，《计算机学报》被下载537122次、被引130491次，2015年影响因子为，在全部统计源期刊（6735种）中排第36名，自动化技术与计算机技术（94种）中排第1名。
你这样问别人不知你的什么专业。
至少要告诉别人你是哪个专业。
1.软件学报2.计算机学报3.计算机研究与发展4.系统仿真学报5.计算机辅助设计与图形学学报6.自动化学报7.控制与决策8.中国图象图形学报9.计算机集成制造系统10.中文信息学报11.控制理论与应用12.计算机应用13.计算机应用研究14.小型微型计算机系统15.机器人16.计算机科学17.信息与控制18.微电子学与计算机19.国土资源遥感20.计算机工程与设计21.计算机仿真22.传感技术学报23.计算机测量与控制24.模式识别与人工智能25.遥感技术与应用26.控制工程27.计算机工程与科学28.传感器与微系统29.计算机应用与软件30.测控技术31.智能系统学报以上信息选自中国论文及第网！
收录。只有你的算法牛，点子好。
一般情况下，普通期刊论文要求查重率小于30%即可；中级/省级期刊论文要求查重率要小于25%；高级/国家级期刊论文要求查重率必须小于20%；高级/核心期刊职称论文规定查重率不得超过8%~15%。所以大家在投稿期刊论文时，要根据自己的论文类别以及所选择的期刊级别来确定自己的论文查重率，再将论文修改到合格的查重率范围内进行投稿，成功发表的可能性就大一些。
如今，期刊论文非常常见，在生活或职业生涯的许多方面都有要求，但期刊论文的发表并不简单，论文的查重要求很高，那么，普通期刊的查重率要求是多少？paperfree小编给大家讲解。 期刊分为核心期刊和普通期刊。普通期刊的论文查重率要求相对宽松。核心期刊的查重率一般不超过8％，普通期刊的重复检查率一般不超过20％。因此，在普通期刊上发表要困难得多。在普通期刊的论文查重之前，我们还应该注意普通期刊使用的论文查重系统，以确保我们论文的查重率是准确的。 论文查重系统将根据连续13个字符以上的重复标准进行检测。因此，在降重方面，可以用同义词替换文章中重复的词语。在引用论文时，您还可以尝试找到论文查重系统不包括在内因此论文检测系统不会被检测到。 以上就是普通期刊的查重率要求是多少？的问题解答，希望能够对大家有所帮助。
1.首先，让我们谈谈主流学术期刊。目前，国内知名学术期刊主要包括《知网》、《维普》等。如果国内学者的期刊和杂志在《知网》上发表，国内一般期刊的重复率标准不得超过30％，则可视为基本通行证。然后，让我们谈谈国际知名期刊网站，主要包括nature、SCI等。当学生检查期刊论文的重复率时，如果相似率低于10％，这类相似性文章的成功提交就不会有问题；论文查重率在10%-50%之间也是正常，大部分学生论文查重率都在这个区间。此时，有必要进行适当的修改，因此很有可能被拒绝。在这里，学生应该了解期刊提交的重复率。 2.每个杂志都有不同的要求。期刊论文查重率一般不超过30％，有的要求不超过15％，只要文献符合规定。此外，在论文查重时，必须选择与杂志相同的查重软件，以确保复检结果一致。 3.杂志社之所以能吸引读者，首先靠的是品牌词，其实，最重要的是靠谱的杂志社的内容。杂志需要高质量的文章，投稿人需要借助杂志来提高自己的价值。以前没有论文查重软件的时候，查重依赖于手动。有了软件，它节省了大量的人力和物力资源。然而，手动审核仍然是不可或缺的。论文查重软件只能作为第一次筛选。如果重复率过高，可以直接通过，其余的可以手动审查。有一次，一位朋友问我，在审查过程中，他发现文献结构和想法与他发表的相同，但文本表达不同，重复检查软件找不到。我是否可以给它。这就是为什么软件不能取代人。 4.期刊论文查重能否删除作者？明确作者？明确的答案是，作者必须能够及时识别并生成一份报告，以删除我已经发表的报告。如果作者不及时，系统通常无法识别，因此我没有删除我已发表的报告。因此，重复率将非常高，高达80％以上。然而，在今天的测试中，我发现它偶尔会被识别出来，系统仍然不稳定。因此，建议如果已发表文献且不及时作者，除非单位允许您这样做，否则不要使用职称评估。以上就是paperfree小编对期刊投稿查重率多少才合格？的问题解答，希望能够对大家有所帮助。
期刊投稿查重率多少才合格？普通期刊的查重率在25％~30％以内；省级期刊论文查重率标准在15％~25％以内；国家级期刊论文查重率标准在10％~15％以内；核心期刊的查重率总体要控制在5％~10％以内。全国最大最靠谱的我看到：通知：部分论文考试答辩取消、条件放宽。查阅各省最新政策可搜：全国论文办郑州郑密路20号办（简称、统称，搜索可查各省全部政策，在百度、360、搜狗58-68页，也可搜17年前的：全国论文办郑州郑密路18号）、全国职称办郑州郑密路20号办、高级职称全国办郑州郑密路20号办、毕业论文全国办郑州郑密路20号办、期刊论文全国办郑州郑密路20号办。 搜：高级经济师全国办郑州郑密路20号办、高级会计师全国办郑州郑密路20号办、高级农经师全国办郑州郑密路20号办、高级审计师全国办郑州郑密路20号办、高级统计师全国办郑州郑密路20号办、高级政工师全国办郑州郑密路20号办、高级工程师全国办郑州郑密路20号办、高级教师全国办郑州郑密路20号办、高级人力资源管理师全国办郑州郑密路20号办。在百度、360、搜狗58-68页。 查阅最新政策、论文（选题、题目、范文、辅导）、报考条件、评审条件、考试科目、大纲，搜：高级经济师最新政策全国办郑州郑密路20号办、高级经济师论文全国办郑州郑密路20号办、高级经济师论文选题全国办郑州郑密路20号办、高级经济师论文题目全国办郑州郑密路20号办、高级经济师论文范文全国办郑州郑密路20号办、高级经济师论文辅导全国办郑州郑密路20号办、高级经济师报考条件全国办郑州郑密路20号办、高级经济师评审条件全国办郑州郑密路20号办、高级经济师考试科目全国办郑州郑密路20号办、高级经济师考试大纲全国办郑州郑密路20号办。 后面把“高级经济师”依次换成“高级会计师、高级农经师、高级审计师、高级统计师、高级政工师、高级工程师、高级教师、高级人力资源管理师等”再搜。在百度、360、搜狗58-68页。详搜：中国职称大学郑州郑密路20号全国办、郑州论文大学郑密路20号全国办、郑州职称论文大学郑密路20号全国办、郑州高级职称论文大学郑密路20号全国办、河南职称论文大学郑密路20号全国办、河南高级经济师学院郑州郑密路20号全国办、河南高级会计师（农经师、审计师、统计师、政工师、工程师、教师、人力资源管理师等）学院郑州郑密路20号全国办。
“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ，欢迎阅读!
对《人工智能》专业选修课教学的几点体会
摘要：“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，提高《人工智能》专业选修课的教学效果，我们结合近几年的实际教学 经验 ，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。
关键词：人工智能 优选教材 考核方式内容 手段 实践
人工智能(Aritificial Intelligence，英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科，是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为，如推理、证明、感知、规划和问题求解等思维活动，来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐，与时俱进，有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代，人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科，必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止，全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今，一直将“人工智能”列为自动化专业本科生的选修课程，到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校，因此，学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下，南邮人经过多年的努力工作，在人工智能科研方面取得了丰硕的成果，如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统，为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。
一、优选教材
目前，国内有关人工智能课程的中英版教材种类非常多，遵循实用、简单、够用的原则，再经过授课老师和学生们的共同调研，我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面，包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写，内容基础，难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域，做到了内容新颖、简单易懂、兼顾基础和应用，受到了全国广大师生们的一致好评，多年的教学实践证明我们所选择的教材是恰当的、正确的。
二、考核方式
在全国大部分高等院校，“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握，南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理，我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核，从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的：平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端，避免学生“机械式”地的应对教学和考试，我们对考试题型进行了调整，不再是以往的填空、选择、简答等题型，而是改为以解决实际问题为导向的应用题型为主，这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了，这也体现了国家目前正在提倡的应用型教学导向。
三、教学内容调整
对于本科生而言，人工智能这门课程所需要讲授的内容实在太多，由于课时所限，我们必须精简教学内容，让学生在掌握基础知识的同时，也能够了解它的具体应用。因此，我们将人工智能这门课程的教学内容分为两个部分：第一部分是基本理论和方法，包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用，包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排，使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点，从而满足了学生们的求知需求。
四、教学手段的改进
(一) 激发学生的学习兴趣
经过长时间的教学我们发现，在选修“人工智能”这门课程时，每个学生的心中所想各有不同，这些学生在刚开始学习时兴趣还比较强烈，但随着教学内容变得越来越抽象，学生逐渐对这本课的学习失去了信心，甚至上课时间不去听课，使授课教师对教学也渐渐失去了信心，导致恶性循环，严重影响了教学质量。针对这种现象，我们认为，在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件，开课前给学生演示“机器人医疗服务”实验，通过该实验的演示，让学生们看到机器人能够给病人提供多项人性化的服务，理解人工智能技术在开发医疗服务机器人多项关键技术中的应用，让学生在开课前能够对本课程的学习产生极大的兴趣，实践证明这种方法是有效的。
(二) 借助多媒体教学
多媒体教学是现代教学过程中一种非常重要的形式，它往往根据教学目的和学生们的特点，通过合理的设计、选择教材内容，应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来，与传统教学手段相结合，形成合理的教学过程结构，达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点，学生学习起来比较困难，为了让学生生动、形象地学习该课程，我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时，借助Matlab软件和投影机，直接展现该算法的求解过程，从而改善了课程教学的形式，提高了教学质量。 (三)提倡课堂 辩论
我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式，多次组织课堂辩论，辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论，无论正方还是反方都感觉自己收获很大，增长了知识，开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色，大大地调动了学生的学习积极性，从而提高了课堂教学质量。
五、实践教学
实践教学是课堂教学不可缺少的重要组成部分，通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法，从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课，设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题，要求学生独立完成这2个实验题目的编程，并书写实验 报告 。通过实验，学生动手实践了课堂上所掌握的理论知识，加深了对智能算法的理解。
人工智能是一门实用性较强的课程，我们总结了近几年来的教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看，我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用，需要指出的是，我们仍有很多不足之处，需要在以后的教学过程中不断努力完善，提高自己的教学能力，争取更好的教学效果。
参考文献
[1]蔡自兴，徐光佑.人工智能及其应用[M].北京：清华大学出版社，2003.
[2]路小英，周桂红，赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报：农林教育版，2007，9(4)：66-68.
[3]马建斌，李阅历，高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报：农林教育版，2011，13(3)：330-332.
[4]赵海波.人工智能课程教学方法的探讨[J].科技信息，2011，(7)：541.
[5]张廷，杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学，2009(11)：133-134.
本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。
下一页分享更优秀的<<<人工智能结课论文
随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。以下是我整理分享的人工智能神经网络论文的相关资料，欢迎阅读!
人工神经网络的发展及应用
摘要随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。人工神经网络的发展经历了不同的阶段，是人工智能的重要组成部分，并且在发展过程中形成了自身独特的特点。文章对人工神经网络的发展历程进行回顾，并对其在各个领域的应用情况进行探讨。
关键词人工神经网络;发展;应用
随着科学技术的发展，各个行业和领域都在进行人工智能化的研究工作，已经成为专家学者研究的热点。人工神经网络就是在人工智能基础上发展而来的重要分支，对人工智能的发展具有重要的促进作用。人工神经网络从形成之初发展至今，经历了不同的发展阶段，并且在经济、生物、医学等领域得到了广泛的应用，解决了许多技术上的难题。
1人工神经网络概述
关于人工神经网络，到目前为止还没有一个得到广泛认可的统一定义，综合各专家学者的观点可以将人工神经网络简单的概括为是模仿人脑的结构和功能的计算机信息处理系统[1]。人工神经网络具有自身的发展特性，其具有很强的并行结构以及并行处理的能力，在实时和动态控制时能够起到很好的作用;人工神经网络具有非线性映射的特性，对处理非线性控制的问题时能给予一定的帮助;人工神经网络可以通过训练掌握数据归纳和处理的能力，因此在数学模型等难以处理时对问题进行解决;人工神经网络的适应性和集成性很强，能够适应不同规模的信息处理和大规模集成数据的处理与控制;人工神经网络不但在软件技术上比较成熟，而且近年来在硬件方面也得到了较大发展，提高了人工神经网络系统的信息处理能力。
2人工神经网络的发展历程
萌芽时期
在20世纪40年代，生物学家McCulloch与数学家Pitts共同发表文章，第一次提出了关于神经元的模型M-P模型，这一理论的提出为神经网络模型的研究和开发奠定了基础，在此基础上人工神经网络研究逐渐展开。1951年，心理学家Hebb提出了关于连接权数值强化的法则，为神经网络的学习功能开发进行了铺垫。之后生物学家Eccles通过实验证实了突触的真实分流，为神经网络研究突触的模拟功能提供了真实的模型基础以及生物学的依据[2]。随后，出现了能够模拟行为以及条件反射的处理机和自适应线性网络模型，提高了人工神经网络的速度和精准度。这一系列研究成果的出现为人工神经网络的形成和发展提供了可能。
低谷时期
在人工神经网络形成的初期，人们只是热衷于对它的研究，却对其自身的局限进行了忽视。Minskyh和Papert通过多年对神经网络的研究，在1969年对之前所取得的研究成果提出了质疑，认为当前研究出的神经网络只合适处理比较简单的线性问题，对于非线性问题以及多层网络问题却无法解决。由于他们的质疑，使神经网络的发展进入了低谷时期，但是在这一时期，专家和学者也并没有停止对神经网络的研究，针对他们的质疑也得出一些相应的研究成果。
复兴时期
美国的物理学家Hopfield在1982年提出了新的神经网络模型，并通过实验证明在满足一定的条件时，神经网络是能够达到稳定的状态的。通过他的研究和带动，众多专家学者又重新开始了对人工神经网络方面的研究，推动了神经网络的再一次发展[3]。经过专家学者的不断努力，提出了各种不同的人工神经网络的模型，神经网络理论研究不断深化，新的理论和方法层出不穷，使神经网络的研究和应用进入了一个崭新的时期。
稳步发展时期
随着人工神经网络研究在世界范围内的再次兴起，我国也迎来了相关理论研究的热潮，在人工神经网络和计算机技术方面取得了突破性的进展。到20世纪90年代时，国内对于神经网络领域的研究得到了进一步的完善和发展，而且能够利用神经网络对非线性的系统控制问题进行解决，研究成果显著。随着各类人工神经网络的相关刊物的创建和相关学术会议的召开，我国人工神经网络的研究和应用条件逐步改善，得到了国际的关注。
随着人工神经网络的稳步发展，逐渐建立了光学神经网络系统，利用光学的强大功能，提高了人工神经网络的学习能力和自适应能力。对非线性动态系统的控制问题，采取有效措施，提高超平面的光滑性，对其精度进行改进。之后有专家提出了关于人工神经网络的抽取算法，虽然保证了精度，但也加大了消耗，在一定程度上降低了神经网络的效率，因此在此基础上又提出了改进算法FERNN。混沌神经网络的发展也得到了相应的进步，提高了神经网络的泛化能力。
3人工神经网络的应用
在信息领域中的应用
人工神经网络在信息领域中的应用主要体现在信息处理和模式识别两个方面。由于科技的发展，当代信息处理工作越来越复杂，利用人工神经网络系统可以对人的思维进行模仿甚至是替代，面对问题自动诊断和解决，能够轻松解决许多传统方法无法解决的问题，在军事信息处理中的应用极为广泛[4]。模式识别是对事物表象的各种信息进行整理和分析，对事物进行辨别和解释的一个过程，这样对信息进行处理的过程与人类大脑的思维方式很相像。模式识别的方法可以分为两种，一种是统计模式识别，还有一种是结构模式识别，在语音识别和指纹识别等方面得到了广泛的应用。
在医学领域的应用
人工神经网络对于非线性问题处理十分有效，而人体的构成和疾病形成的原因十分复杂，具有不可预测性，在生物信号的表现形式和变化规律上也很难掌握，信息检测和分析等诸多方面都存在着复杂的非线性联系，所以应用人工神经网络决解这些非线性问题具有特殊意义[5]。目前，在医学领域中的应用涉及到理论和临床的各个方面，最主要的是生物信号的检测和自动分析以及专家系统等方面的应用。
在经济领域中的应用
经济领域中的商品价格、供需关系、风险系数等方面的信息构成也十分复杂且变幻莫测，人工神经网络可以对不完整的信息以及模糊不确定的信息进行简单明了的处理，与传统的经济统计方法相比具有其无法比拟的优势，数据分析的稳定性和可靠性更强。
在其他领域的应用
人工神经网络在控制领域、交通领域、心理学领域等方面都有很广泛的应用，能够对高难度的非线性问题进行处理，对交通运输方面进行集成式的管理，以其高适应性和优秀的模拟性能解决了许多传统方法无法解决的问题，促进了各个领域的快速发展。
4总结
随着科技的发展，人工智能系统将进入更加高级的发展阶段，人工神经网络也将得到更快的发展和更加广泛的应用。人工神经网络也许无法完全对人脑进行取代，但是其特有的非线性信息处理能力解决了许多人工无法解决的问题，在智能系统的各个领域中得到成功应用，今后的发展趋势将向着更加智能和集成的方向发展。
参考文献
[1]徐用懋，冯恩波.人工神经网络的发展及其在控制中的应用[J].化工进展，1993(5)：8-12，20.
[2]汤素丽，罗宇锋.人工神经网络技术的发展与应用[J].电脑开发与应用，2009(10)：59-61.
[3]李会玲，柴秋燕.人工神经网络与神经网络控制的发展及展望[J].邢台职业技术学院学报，2009(5)：44-46.
[4]过效杰，祝彦知.人工神经网络的发展及其在岩土工程领域研究现状[J].河南水利，2004(1)：22-23.
[5]崔永华.基于人工神经网络的河流汇流预报模型及应用研究[D].郑州大学，2006.
下一页分享更优秀的<<<人工智能神经网络论文