项目名称: 人工神经网络结构自组织设计方法及应用研究

项目编号: No.60873043

项目类型: 面上项目

立项/批准年度: 2009

项目学科: 生物科学

项目作者: 乔俊飞

作者单位: 北京工业大学

项目金额: 33万元

中文摘要: 人工神经网络是一种旨在模拟人脑结构和功能的信息处理系统,具有广阔的应用前景。神经网络的结构设计是能否复现脑功能的关键,也是神经网络成功应用的核心技术。课题从信息科学的角度出发,借助生物学中的细胞修复原理、条件反射原理和认知科学中的"行动-评价-改进"的原理,拟采用启发式搜索聚类、外科手术法等方法,对人工神经网络拓扑结构的自组织设计算法展开研究。课题主攻的关键问题是建立神经网络性能与神经网络结构元素之间关联模型,获得神经网络结构生长和削减的演化机制,给出保证神经网络结构调整稳定性的动态优化算法等。课题研究目标是使获得的自组织神经网络具有根据承担的任务不同自动调整网络拓扑结构(即增加或删减神经元)的功能。最后,将获得的自组织神经网络应用于污水处理过程控制中,建立其控制模型,争取在实际中推广应用。

中文关键词: 人工神经网络;结构优化;自组织设计;污水处理过程建模

英文摘要: Artificial neural network (ANN) is an information processing system which can simulate the cerebral nerve system (CNS). ANN has been successfully applied in many fields. In fact, the structure design of the ANN is the key technology to reproduce the brain function and the core technologies for the successful application. From the perspective of information science, this project, with biology in cell repairing, conditioned reflex theory and cognitive science "action - evaluation - improvement" principle, is proposed to self-organize the neural network topology by the heuristic clustering method, optimal brain surgeon and so on. The key issues of this project are: modeling the relations between the performances and the structure of the neural network, studying neural network evolutionary mechanisms for growing and pruning, and owning convergent parameters learning algorithms for the dynamic structure neural network. The research aim is to obtain the self-organizing neural networks which can adjust the network topology (ie, adding or deleting neurons) based on the different tasks. Finally, the self-organizing neural networks are used to control the wastewater treatment process, to establish its control model, and other practical applications.

英文关键词: Artificial neural network; structure optimization; self-organizing design; wastewater treatment process modeling

成为VIP会员查看完整内容
0

相关内容

人工神经网络(Artificial Neural Network,即ANN),它从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
深度神经网络 FPGA 设计进展、实现与展望
专知会员服务
57+阅读 · 2022年3月26日
类脑超大规模深度神经网络系统
专知会员服务
52+阅读 · 2022年1月21日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
40+阅读 · 2021年6月2日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
57+阅读 · 2021年2月12日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
类脑超大规模深度神经网络系统
专知
2+阅读 · 2022年1月21日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
卷积神经网络的最佳解释!
专知
12+阅读 · 2018年5月1日
独家 | 一文读懂人工神经网络
数据派THU
12+阅读 · 2018年2月1日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关VIP内容
深度神经网络 FPGA 设计进展、实现与展望
专知会员服务
57+阅读 · 2022年3月26日
类脑超大规模深度神经网络系统
专知会员服务
52+阅读 · 2022年1月21日
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
32+阅读 · 2021年6月18日
专知会员服务
40+阅读 · 2021年6月2日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
57+阅读 · 2021年2月12日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员