林翠平 劉焱煜

摘 要：現(xiàn)階段人工智能領(lǐng)域研究十分側(cè)重于智能識(shí)別方法的融合，鑒于模糊神經(jīng)網(wǎng)絡(luò)技術(shù)具有知識(shí)儲(chǔ)存、不確定信息處理等多項(xiàng)優(yōu)秀能力，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于模式識(shí)別中可以彌補(bǔ)原有技術(shù)領(lǐng)域的缺陷與不足，因此，關(guān)于神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用已成為一項(xiàng)研究重點(diǎn)。本文就神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的具體應(yīng)用進(jìn)行詳細(xì)闡述。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò);模糊邏輯;模式識(shí)別;具體應(yīng)用

現(xiàn)階段人工智能領(lǐng)域正在開展關(guān)于多種智能識(shí)別方法的融合應(yīng)用來改善識(shí)別效果，基于模糊邏輯與神經(jīng)網(wǎng)絡(luò)而成的模糊神經(jīng)網(wǎng)絡(luò)對(duì)于真正智能模擬的實(shí)現(xiàn)有著極為重要的作用。

1.模式識(shí)別概述

模式在本質(zhì)上是一個(gè)內(nèi)涵十分豐富的概念，其主要是指人類可以利用感官直接或間接接受的外界信息，Watanabe等人在研究中將模式定義為：凡是可以給出一個(gè)名字的便可以稱為“模式”，并且其在定義過程中將某些具有共同特性的模式集合統(tǒng)稱為“模式類”?！澳Ｊ阶R(shí)別”在本質(zhì)上是識(shí)別特定事物或模式相同點(diǎn)與相似點(diǎn)的過程，所以在研究過程中主要是利用自動(dòng)技術(shù)來實(shí)現(xiàn)這一過程，在該類技術(shù)的支撐下計(jì)算機(jī)可以自動(dòng)地將待識(shí)別模式分配到各自的模式類中，在這個(gè)過程中用到的技術(shù)統(tǒng)稱為模式識(shí)別技術(shù)，尤其是在計(jì)算機(jī)技術(shù)的支撐下使其發(fā)展形成一種模擬人的識(shí)別方法，所以對(duì)于模式識(shí)別的概念應(yīng)該定義為自動(dòng)判別和分類的過程。模式識(shí)別的過程為研究對(duì)象、數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、測(cè)量空間、特征選擇與提出、特征空間比對(duì)、模式分類、儲(chǔ)存至類型空間等，對(duì)于整個(gè)模式識(shí)別過程來說數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征提取以及特征選擇是其重點(diǎn)。在模式識(shí)別中，數(shù)據(jù)預(yù)處理后所獲取的原始數(shù)據(jù)所在空間則被稱為測(cè)量空間，將模式進(jìn)行分類的空間則稱為特征空間。模式識(shí)別系統(tǒng)在設(shè)計(jì)過程中主要由學(xué)習(xí)模塊與測(cè)試模塊兩個(gè)核心模塊組成，并且整個(gè)系統(tǒng)在運(yùn)行過程中具備訓(xùn)練模式樣本特征數(shù)據(jù)輸入、制定分類判決規(guī)則、錯(cuò)誤率檢測(cè)、模式樣本特征選擇和正特提取方法調(diào)整等多項(xiàng)功能。

2.模式識(shí)別系統(tǒng)分析

模式識(shí)別系統(tǒng)在運(yùn)行中的學(xué)習(xí)模塊與測(cè)試模塊中都設(shè)計(jì)了數(shù)據(jù)預(yù)處理的功能，其可以根據(jù)用戶需求將感興趣的模式從背景中進(jìn)行分離處理，并且可以避免噪聲信號(hào)對(duì)整個(gè)系統(tǒng)的運(yùn)行產(chǎn)生影響，還可以根據(jù)用戶的實(shí)際需求來建立標(biāo)準(zhǔn)化模式樣本等。學(xué)習(xí)模塊在運(yùn)行中會(huì)將已知的樣本模式進(jìn)行數(shù)值化處理后輸入計(jì)算機(jī)，這個(gè)過程被稱為訓(xùn)練模式樣本特征數(shù)據(jù)的輸入，系統(tǒng)可以對(duì)輸入的樣本進(jìn)行分析并排除無效或容易出現(xiàn)混淆的特征，對(duì)于一些對(duì)分類判別有效的數(shù)據(jù)特征則可以進(jìn)行界定并保留，這個(gè)過程被稱為模式識(shí)別系統(tǒng)在運(yùn)行階段的特征選擇。

模式識(shí)別系統(tǒng)在運(yùn)行過程中還需要將一些變換技術(shù)作為支撐，這是因?yàn)橥ㄟ^變換技術(shù)的應(yīng)用可以得出比原來數(shù)目少的綜合性特征作為分類用，這一過程被稱為特征維數(shù)壓縮或特征提取，系統(tǒng)會(huì)按照設(shè)想的分類判決數(shù)學(xué)模型對(duì)樣本模式進(jìn)行訓(xùn)練來得出分類的判決規(guī)則。模式識(shí)別系統(tǒng)在獲取判決規(guī)則后便可以開始整個(gè)識(shí)別過程，其需要將未知模式特征數(shù)據(jù)進(jìn)行采集、選擇與提取，然后根據(jù)已有的判決規(guī)則對(duì)輸入的模式進(jìn)行分類，最后便可以根據(jù)用戶需求來輸入整個(gè)模式識(shí)別的結(jié)果。系統(tǒng)還可以將已識(shí)別的分類結(jié)果與已知分類輸入模式進(jìn)行對(duì)比，以便于對(duì)判決規(guī)則與特征選擇、提取方法進(jìn)行不斷的優(yōu)化，系統(tǒng)只有在該種模式下才能制定出錯(cuò)誤率最小的判決規(guī)則與特征選擇、提取策略，對(duì)于模式識(shí)別系統(tǒng)來說，這一過程被稱為再學(xué)習(xí)的過程。

3.神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的具體應(yīng)用

國(guó)內(nèi)在較早階段便開始了神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中應(yīng)用的相關(guān)研究，但是學(xué)者所提出的研究成果并沒有得到廣泛應(yīng)用。在20世紀(jì)80年代末期，我國(guó)一些專家對(duì)模式識(shí)別在地震特征提取等方面的應(yīng)用進(jìn)行了優(yōu)化與改進(jìn)，并結(jié)合不同地區(qū)不同地質(zhì)條件開展了一系列試驗(yàn)研究，先后取得了很多效果十分顯著的成果，并且在這個(gè)基礎(chǔ)上為整個(gè)系統(tǒng)增加了人機(jī)交互功能，改進(jìn)后的模式識(shí)別系統(tǒng)開始在國(guó)內(nèi)相關(guān)領(lǐng)域中得到了廣泛應(yīng)用。我國(guó)部分領(lǐng)域所使用的模式識(shí)別系統(tǒng)在最初以統(tǒng)計(jì)識(shí)別策略為主，在最近幾年才將神經(jīng)網(wǎng)絡(luò)識(shí)別策略應(yīng)用于模式識(shí)別系統(tǒng)中。20世紀(jì)80年代后期，世界上關(guān)于人工神經(jīng)網(wǎng)絡(luò)的研究開始進(jìn)入一個(gè)熱潮，這是因?yàn)樵谠撾A段由Rumelhart等人在研究中提出了反向傳播學(xué)習(xí)算法，對(duì)于神經(jīng)網(wǎng)絡(luò)來說其可以有效解決前饋反向神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的問題，所以對(duì)于整個(gè)神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域來說開辟了一條新的途徑。前饋反向神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)問題的有效解決使神經(jīng)網(wǎng)絡(luò)的各項(xiàng)優(yōu)勢(shì)充分彰顯出來，而前饋反向神經(jīng)網(wǎng)絡(luò)模式識(shí)別則成為模式識(shí)別中的一個(gè)核心發(fā)展方向，并且開始被廣泛應(yīng)用于生物、醫(yī)學(xué)、地質(zhì)以及化工等產(chǎn)品檢測(cè)領(lǐng)域中，本文認(rèn)為關(guān)于神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用將會(huì)給社會(huì)帶來巨大變革，同時(shí)也意味著基于神經(jīng)網(wǎng)絡(luò)的模式識(shí)別技術(shù)將成為網(wǎng)絡(luò)數(shù)字化時(shí)代的一項(xiàng)核心技術(shù)。

4.結(jié)語(yǔ)

現(xiàn)階段前饋反向神經(jīng)網(wǎng)絡(luò)模式識(shí)別已經(jīng)開始在社會(huì)各領(lǐng)域進(jìn)行實(shí)踐應(yīng)用，雖然在該技術(shù)體系中還存在一些不足與缺陷，但是在現(xiàn)代科技的支持下其勢(shì)必會(huì)迎來一個(gè)新的發(fā)展時(shí)期，對(duì)于我國(guó)社會(huì)各生產(chǎn)領(lǐng)域來說有著極為重要的推動(dòng)作用。

參考文獻(xiàn)：

[1]汪烈軍.一種改進(jìn)的結(jié)構(gòu)自適應(yīng)自組織神經(jīng)網(wǎng)絡(luò)算法[J].微電子學(xué)與計(jì)算機(jī)，2007（01）.

[2]趙菊敏，程海青，張立毅.基于動(dòng)量項(xiàng)前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法[J].太原理工大學(xué)學(xué)報(bào)，2007（03）.

[3]褚 輝，賴惠成.一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用[J].計(jì)算機(jī)仿真，2007（04）.

（作者單位：中國(guó)計(jì)量學(xué)院）