网络论文智能云识别系统

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

万方智搜是万方数据股份有限公司旗下的学术资源检索与获取平台，致力于通过专业的检索及知识挖掘技术，帮助用户精准发现、获取与沉淀学术精华，让用户更加愉悦的获取知识，创造知识。同时，万方智搜携手国家科技图书文献中心、科睿唯安、WILEY、Taylor & Francis等50余家世界著名出版商共建知识服务基石，共促开放科学服务，优化学术价值生态，助力科研创新发展。万方智搜收录了包括期刊、学位、会议科技报告、专利、标准、科技成果、法规、地方志、视频等10余种资源类型在内的3亿多篇中外文学术文献，全面覆盖各学科、各行业。在此基础之上，万方智搜通过深度知识加工及知识图谱技术，构建了2千万余条专家和机构数据、3亿多条文献引证数据、1万多本期刊数据等多种数据类型。基于海量高品质知识资源和知识发现技术，万方智搜为用户提供专业文献检索、多途径全文获取、云端文献管理及多维度学术分析等功能，全面服务于用户的科研创新。第二部分 使用说明一、文献检索1.统一检索万方智搜首页的检索框即为统一检索的输入框，实现多种资源类型、多种来源的一站式检索和发现，同时，它还可对用户输入的检索词进行实体识别，便于引导用户更快捷的获取知识及学者、机构等科研实体的信息。在统一检索的输入框内，用户可以选择想要限定的检索字段，目前共有5个可检索字段：题名、作者、作者单位关键词和摘要。用户可以单击检索字段进行限定检索，也可以直接在检索框内输入检索式进行检索。例如，用户想检索题名包含“青蒿素”的文献，用户可以单击“题名”字段检索，检索式为：（题名:青蒿素）。除此之外，用户也可以自主输入检索式检索，例如：（标题:青蒿素）、（题目:青蒿素）、（题:青蒿素）、（篇名:青蒿素）、（t:青蒿素） （title:青蒿素）。万方智搜默认用户直接输入的检索词为模糊检索，用户可以通过双引号“”（英文符号）来限定检索词为精确索。例如，用户想要“信息资源检索”方面的文献，检索式为：（信息资源检索），即为模糊检索，检索式为：（“信息资源检索”）为精确检索。另外用户也可以在检索框内使用者not、and、or对检索词进行逻辑匹配检索，其中and可以用空格代替，逻辑优先级关系为 not > and > or。例如，用户想要“信息检索”和“本体”方面的文献，检索式为：（信息检索 and 本体）或（信息检索 空格 本体）。2. 智能识别智能检索指的是用户输入检索词，系统可以识别检索词的实体类型，智能提示用户是否要查找该实体。例如，在检索框里，输入检索式：张建国，系统识别张建国属于学者，因而优先展示作者张建国发表的文献，并提供所有同名学者的名片供用户选择。例如，在检索框里，输入检索式：情报学报，系统识别情报学报为期刊名称，提示用户是否要查看《情报学报》这本刊。3. 结果中检索在检索结果页面，还可以对该检索结果进行二次检索。二次检索可以对检索字段进行限定检索。二次检索的检索字段根据不同的资源会有所不同，主要有标题、作者、关键词、起始年、结束年。例如，在检索框里，输入检索式：信息，得到如下检索结果。对检索结果进行二次检索，限定标题为：资源管理。点击“结果中检索”对检索结果进行精简，得到如下检索结果。4. 分类检索万方智搜为用户提供了不同资源类型的检索，包括期刊、学位、会议、专利、科技报告、地方志等资源。用户可以通过单击检索框上部的资源类型进行检索范围切换。万方智搜可检索篇级文献，也可以检索期刊母体、会议、志书。期刊检索可以实现期刊论文检索和期刊检索，输入检索词或限定字段并输入检索词，点击搜论文按钮，实现对期刊论文的检索；输入刊名、刊号，点击搜期刊，实现对期刊母体的检索。如下图所示为期刊资源的检索页面。5. 高级检索万方智搜检索框的右侧有高级检索的入口，单击进入高级检索界面。高级检索支持多个检索类型、多个检索字段和条件之间的逻辑组配检索，方便用户构建复杂检索表达式。在高级检索界面，用户可以根据自己需要，选择想要检索的资源类型。系统通过以下检索条件，帮助用户提升检索的准确率。或者 ，表示添加或者减少检索条件； “与”、“或”和“非”，表示限定检索条件，优先级为：非>与>或；主题、作者、作者单位等，表示检索的限定条件。发表时间和更新时间，表示限定的文献发表时间和万方智搜更新的时间。精确，表示系统对于用户输入的检索词拆分进行检索。例如，输入信息管理学院，检索仅包含 “信息管理学院”的文献；模糊，表示系统对于用户输入的检索词拆分进行检索。例如，输入信息管理学院，检索不仅包含 “信息管理学院”的文献，还包含信息系统管理学院的文献；6. 专业检索万方智搜检索框的右侧有高级检索的入口，单击进入高级检索界面，然后选择专业检索。专业检索是所有检索方式里面比较复杂的一种检索方法。需要用户自己输入检索式来检索，并且确保所输入的检索式语法正确，这样才能检索到想要的结果。每个资源的专业检索字段都不一样，详细的字段可以单击“展开”进行选择。用户如果对自己想要检索的检索词不确定，可以使用“推荐检索词”功能，输入一些语句，单击搜索相关推荐词，得到规范的检索词。例如检索主题为推荐，发表在情报学报上的期刊文献，检索式为“主题:(推荐) or 刊名:(情报学报)”，专业检索得到如下检索结果。7. 作者发文检索作者发文检索是通过输入作者姓名和作者单位等字段来精确查找相关作者的学术成果。用户可以选择想要检索的资源类型，通过或者 添加或者减少检索条件，通过“与”、“或”和“非”限定检索条件进行检索。可以检索第一作者，并且能够同时检索多个作者的成果。8. 智能检索高级检索添加了智能检索的功能，智能检索包括中英文扩展和主题词扩展。中英文扩展指的是对检索词进行中文英文的扩展检索，扩大检索范围；主题词扩展指的是基于主题词表，对检索词扩展同义词和下位词，帮助用户保证查准率的条件下，扩大检索范围，提升检索的查全率。9．检索历史万方智搜提供对用户的检索行为的记录即检索历史。检索框的右侧有检索历史的入口，单击进入检索历史界面。在检索历史界面，可以导出检索历史，包括检索式、检索结果数量、检索时间等。未登录状态下，用户没有清除缓存或清空检索历史，最多保存50条检索记录。在个人用户登录状态下，系统默认保存30天内最近500条检索记录，便于用户快捷的检索获取文献。另外，用户也可以在检索历史页面，单击检索式进行重新检索。二、文献导航资源导航分为资源类型导航和数据库导航。从首页“数字图书馆”模块即可进入。1. 资源类型导航展示万方收录的资源类型及相关资源的更新情况介绍。例如，点击上图中的期刊，可进入期刊资源的导航页，首先呈现的是该资源的介绍，以及本周更新期刊推荐。左侧为期刊的学科分类导航，中间部分为刊首字母、核心收录、收录地区、出版周期、优先出版的期刊导航。可对过创刊时间、影响因子、被引次数、更新日期排序。点击期刊，进入期刊详情页。2. 数据库导航展示万方智搜收录的数据资源，包括万方来源的数据库，以及第三方合作的45个数据库。三、检索结果1.结果展示：详情式/列表式检索结果页中通过设置每页显示条数，用户可根据需要自由切换，每页显示20、30或50条。列表式只展示标题、作者、来源、时间等简要信息。2. 结果排序万方智搜提供对检索结果的多维度排序，除了传统的相关度、出版时间、被引频次指标外，我们还提供了下载量等排序指标。针对不同的资源类型，提供了不同的排序指标。例如，针对专利资源，我们提供了专利的申请时间、公开时间等排序指标。针对科技报告资源，我们提供了编制时间排序等排序指标。针对成果资源，我们提供了成果级别、公布年份等排序指标。3. 结果筛选在检索结果页面，通过资源类型、出版时间、语种、来源数据库等限定条件进一步缩小检索结果范围。例如，期刊的检索结果页面下，可以通过出版时间、学科分类、核心收录、语种、来源数据库、刊名、出版状态、作者、机构等限定对期刊论文进行筛选。除此之外，系统还可为用户提供一键筛选 “核心期刊论文”的功能。4. 结果限定用户可通过“获取范围”的分面来对结果获取范围进行限定，包括原文链接、有全文的资源、原文传递的资源、国外出版物。“只看第一作者”限定可在检索作者时限制显示该作者为第一作者的文献。5. 结果操作系统通过严密的嵌接用户检索发现的过程，提供针对文献的多种便捷操作，包括对单篇操作或批量操作、下载、导出、分享、收藏等。对于单篇文献，用户可在检索结果页进行在线阅读、下载、导出、收藏、分享操作。用户点击“导出”按钮，可根据需要导出不同的文献格式。例如导出规范的基于国家标准的参考文献格式，以及导出NoteExpress等文献管理工具格式。对于多篇文献，用户可全选、清除、导出操作，实现多篇文献的统一操作管理。6. 智能扩展从所属范畴、同义词、上下位词、优选术语等维度出发，以可视化方式直观展示检索词的知识关系。范畴指检索词所属的学科或领域，同义词指与检索词意义相同的一组词语，上位术语指概念上外延更广的词，下位术语指概念上内涵更窄的词，优选术语指概念优先选择的术语。用户可自由浏览或点击，以此获取更符合需求的准确结果。

摘要：物联网作为一种新的网络形式,相关理论研究和实践应用正在探索过程中.本文介绍了物联网的概念,给出了基于智能物体层、数据传输层、信息关联层、应用服务层的物联网四层体系架构,最后探讨了物联网在实现过程中所面临的问题和挑战. 关键词：物联网,RFID 一、概念 物联网（Internet of Things）这个概念最早由麻省理工的Auto-ID中心在1999年提出,其基本想法是将RFID和其他传感器相互连接,形成RFID架构的分布式网络. 欧洲委员会[1]提出“物联网是未来因特网的综合部分之一,可以被定义为一个动态的全球网络基础.基于标准的和互操作的通信协议,无论物理的还是虚拟的“物”均有身份、物理属性和虚拟特质,具备自配置能力且使用智能接口,可以无缝地集成到信息网络中去.” 本文认为,物联网实质上是将真实世界映射到虚拟世界的过程：真实世界中的事物,通过传感器采集一定的数据,在虚拟世界中形成与之对应的事物.“相关物体可能在虚拟电子空间中被创造出来,源于物理物体空间,且与物理空间的物体有关联.”[2]传感器采集到数据的详细程度,将影响到该事物在虚拟世界中的抽象程度.在虚拟世界中,对该事物最简单也最重要的描述是物体提供了一个ID用于识别（如使用RFID标签）,最详细的描述则是真实世界中该事物的所有属性和状态均可在虚拟世界中被观察到.进一步的,在虚拟世界中对该物体做出控制,则可通过物联网改变真实世界中该物体的状态.对于一个真实的事物,其所需的各种应用与操作,只需在虚拟世界中对与之对应的虚拟事物进行应用和操作,即达到目的. 这样将会对世界带来巨大的改变：实地实时监测和控制一个事物的成本是高昂的,通过物联网,所有事物都将在虚拟世界中被找到,以较低的成本被监测和控制,从而实现4A（anytime, any place, anyone, anything）[3]连接.虚拟世界提供了对所有事物的实时追踪的可能,所有的信息都不是孤立的,这将为各种海量运算和分析提供了最基础和最重要的信息源.真实世界存在于某一时刻,而当物联网发展到能将真实世界中的所有事物都映射到虚拟世界中时,无数个某一时刻的世界汇集起来,在虚拟世界中将形成一个可以追溯的历史,如同过去以纸质保存历史事件的发生,将来将以电子数据对所有事物进行全息描述的形式存储世界的历史. 二、体系架构 目前, 物联网还没有一个广泛认同的体系结构,最具代表性的物联网架构是欧美支持的EPCglobal和日本的UID物联网系统.EPC系统由EPC 编码体系、射频识别系统和信息网络系统3 部分组成.UID 技术体系架构由泛在识别码(uCode)、泛在通信器、信息系统服务器、和ucode 解析服务器等4部分构成.EPCglobal 和UID上只是RFID 标准化的团体,离全面的“物联网”体系架构相去甚远. 美国的IBM公司在2008年提出“智慧的地球”这一与物联网概念相近的概念,并提出通过INSTRUMENTED,INTERCONNECTED和INTELLIGENT这三个层面来实现智慧地球.在文献基础上,本文提出了物联网体系架构. 1、智能物体层：通过传感器捕获和测量物体相关数据,实现对物理世界的感知.同时具备局部的互动性,需要一定的存储和计算能力. 2、数据传输层：以有线或无线的方式实现无缝、透明、安全的接入,提供并实施编码、认知、鉴权、计费等管理. 3、信息关联层：通过云计算实施对海量数据的存储和管理、数据处理与融合,屏蔽其异质性与复杂性,形成一个与真实世界对应的虚拟世界. 4、应用服务层：从虚拟世界中提取信息,提供丰富的面向服务的应用.如智能交通、智能电网、智能医疗等等. 需要指出的是,数据由底部的传感器通过网络到达应用服务层面,而实际上,在服务应用层面,各个中心、用户可以反向的通过网络由执行器对物体进行控制. 在该体系结构中,感知层面的各种传感器、执行器都是具体的,随着技术的发展会不断升级,新设备不断引入物联网.而服务应用层的各种需求也是不断提出的,并不是一层不变的.若是每个具体的服务应用和传感设备都形成一个独立的网络,最后可能形成许多套特殊的网络,这不利于推广和不便于维护.因此这需要物联网的网络层有一定前瞻性,物体设备层可以变化,服务应用层可以变化,但它们都是通过一个普适的网络进行连接,这个网络可以在一定的时间内保持稳定. 三、面临的挑战 1、统一标准 物联网其实就是利用物体上的传感器和嵌入式芯片,将物质的信息传递出去或接收进来,通过传感网络实现本地处理,并联入到互联网中去.由于涉及到不同的传感网络之间的信息解读,所以必需有一套统一的技术协议与标准,而且主要是集中在互联上,而不是传感器本身的技术协议.现在很多所谓的物联网标准,实际上还是将物联网作为一种独立的工业网络来看待的具体技术标准,而应对互联需要的技术协议,才是真正实现物联网的关键. 2、安全、隐私 在物联网中所有“事物”都连接到全球网络,彼此间相互通信,这也带来了新的安全和隐私问题,例如可信度,认证,以及事物所感知或交换到的数据的融合.人和事物的隐私应该得到有效保障,以防止未授权的识别和攻击.安全与隐私这个问题,是人类社会的问题,不论是物联网还是其他技术,都是面临这两个问题.因此,不仅要从物联网内部的技术上做出一定的控制,而且要从外部的法规环境上作出一定的司法解释和制度完善. 参考文献 1. Commission, ., Internet of things Strategic Research Roadmap. 2009. 2. CASAGRAS Final Report: RFID and the inclusive model for the Internet of things. . 2010. 3. ITU Internet Reports 2005: The Internet of Things. 2005, ITU.