神经网络基本知识精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的神经网络基本知识主题范文，仅供参考，欢迎阅读并收藏。

第1篇：神经网络基本知识范文

关键词:功率放大器; 预失真技术; 神经网络; 单入双出; 互调失真

中图分类号:TP18 文献标识码:A

文章编号:1004-373X(2010)09-0107-05

Research of Self-adaptive Digital Predistortion Technology Based on SIDO-neural Network

QIU Wei, LIU Yu-peng, ZHANG Lei-lei

(The base of China Ocean Measure, Jiangyin 214431, China)

Abstract: Because of inherent nonlinearity of high-power amplifier, which may cause bad influence on communication systems, it is necessary to make a linearization processing to overcome or weaken it. The math analysis of nonlinear distortion for the high-power amplifier(HPA) is performed. The basic principle of digital predistortion and the foundamental knowledge of neural network are described. A self-adaptive digital predistortion technology based on SIDO-neural network is proposed according to the amplifying amplitude and the distortion characteristic of phase, which can be improved by the technology. Taking a double-sound signal and 16QAM signal as an example, the Matlab simulation is carried out, The result proves that this technology is superior.

Keywords: power amplifier; predistortion technology; neural network; SIDO; intermodulation distortion

0 引 言

无线通信技术迅猛发展,人们对通信系统的容量要求也越来越大。为了追求更高的数据速率和频谱效率,现代通信系统都普遍采用线性调制方式,如16QAM和QPSK方式,以及多载波配置[1]。

但这些技术产生的信号峰均比都较大,均要求功率放大器具有良好的线性特性,否则就会出现较大的互调失真,同时会导致频谱扩展,造成临道干扰,使误码率恶化,从而降低系统性能。

预失真技术是一项简单易行的功放线性化技术,具有电路形式简单,调整方便,效率高,造价低等优点[2]。其中,基带预失真还能采用现代的数字信号处理技术,是最为看好的一项功放线性化技术。这里利用一种简单的单入双出三层前向神经网络来进行自适应预失真处理,同时补偿由高功率放大器非线性特性引起的幅度失真和相位失真,从而实现其线性化。

文中分析了基于这种结构的自适应算法,并做了相应的仿真。仿真结果表明,该方法能有效克服功放的非线性失真,且收敛速度比一般多项式预失真更快,具有一定的优势。

1 高功率放大器非线性分析

高功率放大器一般都是非线性器件,特别是当输入信号幅度变化较大时,放大器的工作区将在饱和区、截止区、放大区之间来回转换,非线性失真严重,会产生高次谐波和互调失真分量。由于理论上任何函数都可以分解为多项式的形式,故放大器的输入和输出关系表示为:

Vo=a1Vi+a2V2i+a3V3i+…+anVni(1)

假设输入的双音信号为:

Vi=V1cos(ω1t)+V2cos(ω2t)(2)

把式(2)代入式(1),得到输出电压为:

Vo=a22(V21+V22)+a1V1+a334V31+32V1V22+…cos(ω1t)+a2V2+a334V32+32V2V21+…cos(ω2t)+12a2V21+…cos(2ω1t)+12a2V22+…cos(2ω2t)+14a3V31+…cos(3ω1t)+14a3V32+…cos(3ω2t)+a2V1V2[cos(ω1+ω2)t+cos(ω1-ω2)t]+34a3V21V2[cos(2ω1+ω2)t+cos(2ω1-ω2)t]+

34a3V22V1[cos(2ω2+ω1)t+cos(2ω2-ω1)t]+58a5V31V22cos(3ω2-2ω1)t+58a5V21V32cos(3ω1-2ω2)t+…

从上式可以看出,输出信号中不仅包含了2个基频ω1,ω2,还产生了零频,2次及高次谐波以及互调分量。通常2ω1-ω2,2ω2-ω1,3ω1-2ω2和2ω1-3ω2会落在通频带内,一般无法滤除,是对通信影响最大的非线性失真分量,即所谓的三阶互调和五阶互调。放大器线性化的目标就是在保证一定效率的前提下最大地减小┤阶和┪褰谆サ鞣至俊

2 预失真基本原理及其自适应

预失真就是在信号通过放大器之前通过预失真器对信号做一个与放大器失真特性相反的失真,然后与放大器级联,从而保证输出信号相对输入信号是线性变化。预失真器产生一个非线性的转移特性,这个转移特性在相位上与放大器转移特性相反,实质上就是一个非线性发生器。其原理图如图1所示。

图1 预失真基本原理

预失真器的实现通常有查询表法和非线性函数两种方式[2]。由于查表法结构简单,易于实现,早期的预失真多采用此方法,但它对性能的改善程度取决于表项的大小,性能改善越大,需要的表项越大,所需要的存储空间也越大,每次查找遍历表项的每个数据和更新表项所需要的时间和计算时间也越长,因此在高速信息传输的今天已经不可取。非线性函数法是用一个非线性工作函数来拟合放大器输出信号采样值及其输入信号的工作曲线,然后根据预失真器特性与放大器特性相反,求出预失真器的非线性特性函数,从而对发送信号进行预失真处理。这种方法只需要更新非线性函数的几个系数,而不需要大的存储空间,因此是近年来研究的热点。

假设预失真器传输函数为F(x),放大器传输函数为G(x),F和G均为复函数。若输入信号为x(t),则经过预失真器之后的信号为u(t)=F[x(t)],放大器输出函数为y(t)=G[u(t)]=G{F[x(t)]},预失真的目的就是使x(t)通过预失真器和放大器级联后输出y(t)=ax(t),a为放大器增益。通过一定的方法可以找到合适的F,使实际输出和期望输出的误差最小。

由于温度、电器特性、使用环境等因素的不断变化,放大器的传输特性也会发生变化,从而预失真器传输函数F(x)的各参数也会随之而变化,因此现代数字预失真技术一般都要采用自适应技术以跟踪调整参数的变化。目前常用的两种自适应预失真结构如图2、图3所示。

图2 自适应预失真系统结构图

图3 复制粘帖式自适应预失真系统结构图

图2是一般的通用自适应结构,结构简单,思路明确,但一些经典的自适应算法由于多了放大器求导项而不能直接应用,且需要辨识放大器的传输特性,而图3的复制粘帖式结构(非直接学习)则不存在这些问题,关于这种结构的优缺点比较和具体性能分析见文献[3]。本文将采用后一种自适应结构。

3 基于一种单入双出式神经网络的自适应预失真技术

3.1 神经网络

神经网络是基于生物学神经元网络的基本原理而建立的。它是由许多称为神经元的简单处理单元组成的一类自适应系统,所有神经元通过前向或回馈的方式相互关联、相互作用。由Minsky和Papert提出的多层前向神经元网络是目前最为常用的网络结构,已广泛应用到模式分类和函数逼近中,且已证明含有任意多个隐层神经元的多层前向神经元网络可以逼近任意的连续函数[4]。本文利用神经网络的这种功能来拟合预失真器的特性曲线,并且用改进的反向传播算法来自适应更新系数。

多层前向神经元网络由输入层、一个或多个隐层和输出层并以前向方式连接而成,其每一层又由许多人工神经元组成,前一层的输出作为下一层神经元的输入数据。三层前向神经元网络示意图如图4所示,其中输入层有M个人工神经元,隐层有K个神经元,输出层有N个神经元。关于人工神经元的具体介绍参考文献[5-6]。

图4 三层前向神经元网络

3.2 基于单入双出式神经网络的自适应预失真系统模型

对于图5所示的单入双出式三层前向神经网络,假设隐层包含K个神经元。输入数据经过一系列权系数{w11,w12,…w1K}加权后到达隐层的各个神经元。隐层中的神经元将输入进来的数据通过一个激励函数(核函数),将其各神经元的输出经过一系列权系数{w21,w22,…,w2K}和{w31,w32,…,w3K}加权并求和后分别作为输入层第一个神经元和第二个神经元的输入,然后各神经元的输入通过激励函数得到两个输出。

将图5代替图3中的函数发生器,即得到本文中所提到的基于单入双出式前向神经网络的预失真器结构图,如图6所示。

神经网络的三组系数向量开始都随机初始化。设输入序列为xi(i=1,2,…),通过幅度提取和相位提取后得到信号的幅度序列和相位序列。若神经网络的输入为原始输入序列的幅度序列ri(i=1,2,…),则隐层各单元输入I1k=w1kri-θ1k。经过核函数后,隐层各单元的输出为J1k=f(I1k),其中f(x)=11+e-x为核函数,输出层的静输入为z1=∑Kk=1w2k*J1k-θ1,z2=∑Kk=1w3k*J1k-θ2,输出层神经元1的输出,即预失真器幅度预失真分量为U1=f(z1)。

图5 单入双出三层前向神经元网络

图6 单入双出式前向神经网络预失真器结构图

由于相位失真分量的输出范围没有限制在0和1之间,因此不能用核函数加以限制,这里设定输出层神经元2的输出等于其输入,即预失真器相位预失真分量为U2=z2,最后预失真后的幅度和相位和的指数相乘得到送入功放的复信号。功率放大器的输出信号设为yi(i=1,2,…),其幅度和相偏分别为yai(i=1,2,…)和ypi(i=1,2,…)。最后整个系统的幅度绝对误差为ea(i)=Gri-ya(i),相位绝对误差为ep(i)=U2(i)+yp(i),整个系统的绝对误差和为e(i)=ea(i)+ep(i),然而直接把此误差运用到反向传播算法(BP算法)中会导致算法出现局部收敛且收敛速度极慢。因此本文对误差信号做了改进,即把误差信号改为:

e(i)=12[λ(ea(i)]2+(1-λ)φ[ea(i)]+

λ[ep(i)]2+(1-λ)φ[ep(i)]

其中:φ(x)=In[cos(βx)]/β,加入的调整因子λ和辅助项φ,能把算法从局部收敛点拉出来,且收敛速度得到一定的提高。最后根据反向传播算法,得到训练神经网络的权系数更新式如下(下标2为隐层到输出层权系数,下标1为输入层到隐层权系数):

δ2a(i)=ca(i)*[1+U1(i)]*[1-U1(i)](3)

δ2p(i)=cp(i)(4)

w2(i)=α*δ2a(i)*J1+η*w2(i-1)(5)

θ2(i)=α*δ2a(i)+η*θ2(i-1)(6)

w3(i)=-α*δ2p(i)*J1+η*w3(i-1)(7)

θ3(i)=-α*δ2p(i)+η*θ2(i-1)(8)

δ1(i)=(δ2a(i)*w2-δ2p(i)*w3)*

J1(i)*[1-J1(i)](9)

w1(i)=β*δ1(i)*ri+η*w1(i-1)(10)

θ1(i)=β*δ1(i)+η*θ1(i)(11)

式中:ca(i)=λea(i)-1-λ2tan[β*ea(i)];cp(i)=λ*ep(i)-1-λ2tan[β*ep(i)]。

预失真权系数可分为训练和跟踪两个阶段。根据上面的迭代公式,得到一组训练神经网络的权系数,用当前的权系数替代预失真器神经网络中原来的权系数,得到一组新的预失真系数,之后重新计算误差,继续上面的过程循环迭代运算,直到误差小于规定的范围,即整个系统收敛,则预失真器训练完成,此时为训练阶段。之后随着温度、输入的调制信号不同,以及环境等变化可能引起功放特性的变化,可以设置一个误差门限值,一旦发现误差超过此门限,立即重新启动上面的循环迭代,重新训练,直到满足条件,此时为跟踪阶段。这种改进型BP算法的收敛速度快,能满足实时运算的要求。同时在硬件实现上,只要做一个核函数发生器,其他都是乘累加运算,硬件实现要简单得多,因此具有一定的实用性。

4 性能仿真

文中使用双音信号进行了仿真分析,双音信号为:

xs=0.5[sin(2π×10×t)+sin(2π×8×t)]

放大器模型采用经典salef[9]模型,神经网络的隐层数设为15。图7为双音信号原始频谱。

图8是为双音信号直接通过放大器和通过文中所提的预失真网络后再通过放大器的频谱图对比。由此可见,双音信号直接通过放大器后产生了较大的失真,其中的三阶互调达到了-16 dB,五阶互调也有-29 dB。通过对文中所提神经网络预失真系统进行处理后,即信号通过预失真器再通过放大器后,三阶互调被抑制到-42 dB,五阶互调也被抑制到-48 dB以下,此时三阶互调改善26 dB,五阶互调改善19 dB,使放大器的非线性失真得到较大的抑制。

图7 原始信号归一化频谱图

图8 预失真前后信号归一化频谱图

下面以16QAM信号为例,说明这种预失真技术对功放非线性特性的改善,如图9所示。

图9(a)为16QAM信号规则星座图,调制信号均匀地分布在正方形的16个点上;图9(b)为16QAM信号经过功率放大器后解调的星座图。由图可见,信号经过放大器后,幅度受到压缩,相位发生偏移,并且输入信号幅度越大,输出信号幅度压缩越大,相位偏移越严重,最后出现严重的“云团效应”,使得接收端不能正确解调信号。图9(c)是经过本节所提出的单入双出式神经网络预失真器处理后解调信号的星座图。由图可见,经过预失真处理后,由于放大器非线性引起的幅度压缩和相位旋转都得到较好的纠正,“云团效应”明显减弱,最后各个点基本都在理想点上,与┩9(a)对比,基本消除了失真。

5 结 语

针对放大器固有的非线性特性问题,从数学上分析了放大器的非线性失真,介绍了基于预失真基本原理和神经网络基本概念,提出了一种单入双出式神经网络自适应预失真技术。仿真结果表明,该技术能对三阶互调能抑制29 dB左右,对五阶互调能抑制19 dB左右,对QAM调制信号由于放大器非线性引起的幅度压缩和相位旋转都得到较好的纠正,在很大程度上克服了放大器非线性特性,改善了通信系统的性能。

图9 16QAM信号星座图失真及改善对比

参考文献

[1]赵慧,漆兰芬.射频放大器的工作函数预失真线性化[J].无线电工程,2001,31(12):58-61.

[2]贾建华,刘战胜.关于自适应预失真射频功率放大器线性化研究[J].微波学报,2005,21(3):48-50.

[3]钱业青.一种高效的用于RF功率放大器线性化的自适应预失真结构[J].通信学报,2006,27(5):35-40,46.

[4]CYBENKO G. Approximations by superpositions of a sigmoidal function[J]. Mathematics of Control, Signals and Systems, 1989(2): 183-192.

[5]刘宝碇,赵瑞清,王纲.不确定规划及应用[M].北京:清华大学出版社,2003.

[6]朱剑英.只能系统非经典数学方法[M].武汉:华中科技大学出版社,2001.

[7]WU Shan-yin, SIMON H S F, WONG Y M. The use of nonlinear curvefitting in digital predistortion for linearizing RF power amplifiers[J]. IEEE ICICS, 2005, 3: 960-963.

[8]GLENTIS G O, BERBERDIS K, THEODORIDID S. Efficient least sqares adaptive algorithms for FIR transversal filtering[J].IEEE Signal Processing Magazine,1999,16(4):13-41.

第2篇：神经网络基本知识范文

关键词：继电保护；供电系统；原理

在电力系统中，各种类型的、大量的电气设备通过电气线路紧密地联结在一起。由于其覆盖的地域广阔、运行环境又很复杂以及各种人为因素的影响，电气故障的发生是不可避免的。在电力系统中任何一处发生事故，都有可能对电力系统的运行产重大影响，因此继电保护系统就是电力系统中的一个重要环节。

1 继电保护装置类型

1.1 距离保护

所谓距离保护是指相同故障、接地故障时采取的保护措施。当故障发生后，如相同短路、单相接地、缺相运行筹故障，CPU首先会接到相应回路点发来的中断信号，然后根据其中所包含的故障信息作出相应的判断，并向执行部件发出动作指令。

1.2 零序保护逻辑

当系统出现某相接地发生零序保护元件发出开口三角电压UO，而软件可根据三相电压信号自产出U=Ua+Uh+Uc 若Ua+Uh+Uc=U不成立，而U≠0，则故障仍采用U：若UO=O则采用UO。

1.3 负荷控制通常

此逻辑中，根据各回路中的负荷情况，将数据进行汇总向上级电业部门进行报送，当出现电力负荷不均衡时，电力部门按照有关规定，根据负荷等级向用电部门发出指令进行统一调配，单片机在此进行数据汇总，并与上级电业管理部门进行通讯邮递联络。三相重合闸该逻辑用于同路中突发性短时故障时，故障发能在发生后自动消除情况下，若再次送电不会发生故障时能及时恢复电网供电，此类故障，如相间因细小的金属线等杂物短路，当金属线烧短后，再次送电并不影响系统正常运行。

2 继电器保护装置的功能

在供电系统中运行正常时，它应能完善地、安全地监视各种设备的运行状况，为值班人员提供可靠的运行依据；如供电系统中发生故障时，它应能自动地、迅速地、有选择性地切除故障部分，保证非故障部分继续运行；当供电系统中出现异常运行工作状况时，它应能及时地、准确地发出信号或警报，通知值班人员尽快做出处理；对继电保护装置的基本要求。对继电保护装置的基本要求主要有四点：即选择性、灵敏性、速动性和可靠性。

2.1 选择性

当供电系统中发生故障时，继电保护装置应能有选择性地将故障部分切除。也就是它应该首先断开距离故障点最近的断路器，以保证系统中其它非故障部分能继续正常运行。系统中的继电保护装置能满足上述要求的，就称为有选择性否则就称为没有选择性。

2.2 速动性

速动性是指保护装置应能尽快地切除短路故障缩短切除故障的时间，就可以减轻短电流对电气设备的损坏程度，加快系统电压的恢复，从而为电气设备的自启动创造了有利条件，同时还提高了发电机并列运行的稳定性。所谓故障的切除时间是指保护装置的动作时间与断路器的跳闸时间之和。由于断路器一经选定，其跳闸时间就已确定，目前我国生产的断路器跳闸时间均在O.02S以下。所以实现速动性的关键是选用保护装置应能快速动作。保护装置应能正确的动作，并随时处于准备状态。如不满足可靠性的要求，保护装置反而成为了扩大事故或直接造成故障的根源。为确保保护装置动作的可靠性，则要求保护装置的设计原理、整定计算、安装调试要正确无误；同时要求组成保护装置的各元件的质量要可靠、运行维护要得当、系统应尽可能的简化有效，以提高保护的可靠性。

3 继电器保护的应用分析

3.1 继电保护的网络自动化

随着计算机硬件的迅猛发展，微机保护硬件也在不断发展。电力系统对微机保护的要求不断提高，除了保护的基本功能外，还应具有大容量的故障信息和数据的长期存放空间，快速的数据处理功能，强大的通信能力，与其它保护、控制装置和调度联网以共享全系统数据，信息和网络资源的能力，高级语言编程。计算机网络作为信息和数据通信工程已成为信息时代的技术支柱，使人类生产和社会生活的面貌发生了重大变化，微机保护装置网络化可大大提高保护性能和可靠性，这是微机保护发展的必然趋势。在实现继电保护的计算机化和网络化的条件下，保护装置实际上就是一台高性能、多功能的计算机，是整个电力系统计算机网络上的一个智能终端。它可从网上获取电力系统运行和故障的任何信息和数据，也可将它所获得的被保护元件的任何信息和数据传送给网络控制中心或任一终端。因此，每个微机保护装置不但可完成继电保护功能，而且在无故障正常运行隋况下还可完成测量、控制、数据通信功能亦即实现保护、控制、测量、数据通信一体化。

3.2 继电保护的智能化

近年来，人工智能技术如神经网络、遗传算法、进化规划、模糊逻辑等在电力系统各个领域得到了广泛的应用，在继电保护领域应用的研究也已开始。神经网络是一种非线性映射的方法，很多难以列出方程式或难以求解的复杂的非线性问题，应用神经网络方法则可迎刃而解。

4 如何提高继电保护技术

掌握相关技术知识，电子技术知识，由于电网中微机保护的使用越来越多，作为一名继电保护工作者，学好电子技术及微机保护知识是当务之急。微机保护的原理和组成，为了根据保护及自动装置产生的现象分析故障或事故发生的原因，迅速确定故障部位，工作人员必须具备微机保护的基本知识，必须全面掌握和了解保护的基本原理和性能，熟记微机保护的逻辑框图，熟悉电路原理和元件功能。具备相关技术资料，要顺利进行继电保护事故处理，离不开诸如检修规程、装置使用与技术说明书、调试大纲和调试记录、定值通知单、整组调试记录，二次回路接线图等资料。运用正确的检查方法。一般继电保护事故往往经过简单的检查就能够被查出，如果绎过一些常规的检查仍未发现故障元件，说明该故障较为隐蔽，应当引起充分重视，对此可采用逐级逆向检查法，即从故障现象的暴露点入手去分析原因，由故障原因判断故障范围。如果仍不能确定故障原因，就采用顺序检查法，对装置进行全面检查。掌握微机保护事故处理技巧，在微机保护的事故处理中，以往的经验是非常宝贵的，它能帮助工作人员快速消除重复发生的故障，但技能更为重要。

5 结束语

这里从微机保护自身特点和现场实际经验出发，结合长期处理继电保护事故的故障的经验和方法，对微机保护发生事故或故障的共性原因进行了一般性分类，并在一定范围内总结了处理事故的思路及方法，介绍了提高处理事故和故障能力的基本途径。

参考文献：

第3篇：神经网络基本知识范文

关键词： 语音识别； 识别原理； 声学建模方法； 多维模式识别系统

中图分类号： TN912.3?34 文献标识码： A 文章编号： 1004?373X（2013）13?0043?03

Summary of speech recognition technology and its application

YU Lin?lin

（Naval Aviation Military Representative Office Stationed in Beijing， Beijing 100041， China）

Abstract： As a key technology of human?computer interface in information technology， speech recognition has great research significance and broad application value. the development history of speech recognition technology is introduced， the basic knowledge of speech recognition is expounded， such as concept， basic principle， the acoustic modeling approach. The application of speech recognition technology in various fields are briefly introduced.

Keywords： speech recognition； recognition principle； acoustic modeling approach； multi?dimension pattern recognition system

0 引 言

语言是人类相互交流最常用、最有效、最重要和最方便的通信形式，语音是语言的声学表现，与机器进行语音交流是人类一直以来的梦想。随着计算机技术的飞速发展，语音识别技术也取得突破性的成就，人与机器用自然语言进行对话的梦想逐步接近实现。语音识别技术的应用范围极为广泛，不仅涉及到日常生活的方方面面，在军事领域也发挥着极其重要的作用。它是信息社会朝着智能化和自动化发展的关键技术，使人们对信息的处理和获取更加便捷，从而提高人们的工作效率。

1 语音识别技术的发展

语音识别技术起始于20世纪50年代。这一时期，语音识别的研究主要集中在对元音、辅音、数字以及孤立词的识别。

20世纪60年代，语音识别研究取得实质性进展。线性预测分析和动态规划的提出较好地解决了语音信号模型的产生和语音信号不等长两个问题，并通过语音信号的线性预测编码，有效地解决了语音信号的特征提取。

20世纪70年代，语音识别技术取得突破性进展。基于动态规划的动态时间规整（Dynamic Time Warping， DTW）技术基本成熟，特别提出了矢量量化（Vector Quantization，VQ）和隐马尔可夫模型（Hidden Markov Model，HMM）理论[1]。

20世纪80年代，语音识别任务开始从孤立词、连接词的识别转向大词汇量、非特定人、连续语音的识别，识别算法也从传统的基于标准模板匹配的方法转向基于统计模型的方法。在声学模型方面，由于HMM能够很好的描述语音时变性和平稳性，开始被广泛应用于大词汇量连续语音识别（Large Vocabulary Continous Speech Recognition， LVCSR）的声学建模[2?3]；在语言模型方面，以N元文法为代表的统计语言模型开始广泛应用于语音识别系统[4]。在这一阶段，基于HMM/VQ、HMM/高斯混合模型、HMM/人工神经网络的语音建模方法开始广泛应用于LVCSR系统，语音识别技术取得新突破。

20世纪90年代以后，伴随着语音识别系统走向实用化，语音识别在细化模型的设计、参数提取和优化、系统的自适应方面取得较大进展[5]。同时，人们更多地关注话者自适应、听觉模型、快速搜索识别算法以及进一步的语言模型的研究等课题[6]。此外，语音识别技术开始与其他领域相关技术进行结合，以提高识别的准确率，便于实现语音识别技术的产品化。

2 语音识别基础

2.1 语音识别概念

语音识别是将人类的声音信号转化为文字或者指令的过程[7]。语音识别以语音为研究对象，它是语音信号处理的一个重要研究方向，是模式识别的一个分支。语音识别的研究涉及微机技术、人工智能、数字信号处理、模式识别、声学、语言学和认知科学等许多学科领域，是一个多学科综合性研究领域[8]。

根据在不同限制条件下的研究任务，产生了不同的研究领域。这些领域包括：根据对说话人说话方式的要求，可分为孤立字（词）、连接词和连续语音识别系统；根据对说话人的依赖程度，可分为特定人和非特定人语音识别系统；根据词汇量的大小，可分为小词汇量、中等词汇量、大词汇量以及无限词汇量语音识别系统。

2.2 语音识别基本原理

从语音识别模型的角度讲，主流的语音识别系统理论是建立在统计模式识别基础之上的。语音识别的目标是利用语音学与语言学信息，把输入的语音特征向量序列[X=x1，x2，…，xT]转化成词序列[W=w1，w2，…，wN]并输出。基于最大后验概率的语音识别模型如下式所示：

[W=argmaxW{P（W|X）}=argmaxWP（W|X）P（W）P（X）=argmaxW{P（X|W）P（W）}=argmaxW{logP（X|W）+λlogP（W）}]

上式表明，要寻找的最可能的词序列[W]，应该使[P（X|W）]与[P（W）]的乘积达到最大。其中，[P（X|W）]是特征矢量序列[X]在给定[W]条件下的条件概率，由声学模型决定。[P（W）]是[W]独立于语音特征矢量的先验概率，由语言模型决定。由于将概率取对数不影响[W]的选取，第四个等式成立。[logP（X|W）]与[logP（W）]分别表示声学得分与语言得分，且分别通过声学模型与语言模型计算得到。[λ]是平衡声学模型与语言模型的权重。从语音识别系统构成的角度讲，一个完整的语音识别系统包括特征提取、声学模型、语言模型、搜索算法等模块。语音识别系统本质上是一种多维模式识别系统，对于不同的语音识别系统，人们所采用的具体识别方法及技术不同，但其基本原理都是相同的，即将采集到的语音信号送到特征提取模块处理，将所得到的语音特征参数送入模型库模块，由声音模式匹配模块根据模型库对该段语音进行识别，最后得出识别结果[9]。

语音识别系统基本原理框图如图1所示，其中：预处理模块滤除原始语音信号中的次要信息及背景噪音等，包括抗混叠滤波、预加重、模/数转换、自动增益控制等处理过程，将语音信号数字化；特征提取模块对语音的声学参数进行分析后提取出语音特征参数，形成特征矢量序列。语音识别系统常用的特征参数有短时平均幅度、短时平均能量、线性预测编码系数、短时频谱等。特征提取和选择是构建系统的关键，对识别效果极为重要。

图1 语音识别基本原理框图

由于语音信号本质上属于非平稳信号，目前对语音信号的分析是建立在短时平稳性假设之上的。在对语音信号作短时平稳假设后，通过对语音信号进行加窗，实现短时语音片段上的特征提取。这些短时片段被称为帧，以帧为单位的特征序列构成语音识别系统的输入。由于梅尔倒谱系数及感知线性预测系数能够从人耳听觉特性的角度准确刻画语音信号，已经成为目前主流的语音特征。为补偿帧间独立性假设，人们在使用梅尔倒谱系数及感知线性预测系数时，通常加上它们的一阶、二阶差分，以引入信号特征的动态特征。

声学模型是语音识别系统中最为重要的部分之一。声学建模涉及建模单元选取、模型状态聚类、模型参数估计等很多方面。在目前的LVCSR系统中，普遍采用上下文相关的模型作为基本建模单元，以刻画连续语音的协同发音现象。在考虑了语境的影响后，声学模型的数量急剧增加，LVCSR系统通常采用状态聚类的方法压缩声学参数的数量，以简化模型的训练。在训练过程中，系统对若干次训练语音进行预处理，并通过特征提取得到特征矢量序列，然后由特征建模模块建立训练语音的参考模式库。

搜索是在指定的空间当中，按照一定的优化准则，寻找最优词序列的过程。搜索的本质是问题求解，广泛应用于语音识别、机器翻译等人工智能和模式识别的各个领域。它通过利用已掌握的知识（声学知识、语音学知识、词典知识、语言模型知识等），在状态（从高层至底层依次为词、声学模型、HMM状态）空间中找到最优的状态序列。最终的词序列是对输入的语音信号在一定准则下的一个最优描述。在识别阶段，将输入语音的特征矢量参数同训练得到的参考模板库中的模式进行相似性度量比较，将相似度最高的模式所属的类别作为识别中间候选结果输出。为了提高识别的正确率，在后处理模块中对上述得到的候选识别结果继续处理，包括通过Lattice重打分融合更高元的语言模型、通过置信度度量得到识别结果的可靠程度等。最终通过增加约束，得到更可靠的识别结果。

2.3 声学建模方法

常用的声学建模方法包含以下三种：基于模式匹配的动态时间规整法（DTW）；隐马尔可夫模型法（HMM）；基于人工神经网络识别法（ANN）等。

DTW 是较早的一种模式匹配的方法。它基于动态规划的思想，解决孤立词语音识别中的语音信号特征参数序列比较时长度不一的模板匹配问题。在实际应用中，DTW通过计算已预处理和分帧的语音信号与参考模板之间的相似度，再按照某种距离测度计算出模板间的相似度并选择最佳路径。

HMM是对语音信号的时间序列结构所建立的统计模型，是在马尔可夫链的基础上发展起来的，它是一种基于参数模型的统计识别方法。HMM可模仿人的言语过程，可视作一个双重随机过程：一个是用具有有限状态数的马尔可夫链来模拟语音信号统计特性变化的隐含的随机过程，另一个是与马尔可夫链的每一个状态相关联的观测序列的随机过程[10]。

ANN以数学模型模拟神经元活动，将人工神经网络中大量神经元并行分布运算的原理、高效的学习算法以及对人的认知系统的模仿能力充分运用到语音识别领域，并结合神经网络和隐含马尔可夫模型的识别算法，克服了ANN在描述语音信号时间动态特性方面的缺点，进一步提高了语音识别的鲁棒性和准确率。其中成功的方法就是在混合模型中用ANN替代高斯混合模型估计音素或状态的后验概率。2011年，微软以深度神经网络替代多层感知机形成的混合模型系统大大提高了语音识别的准确率。

3 语音识别的应用

语音识别技术有着非常广泛的应用领域和市场前景。在语音输入控制系统中，它使得人们可以甩掉键盘，通过识别语音中的要求、请求、命令或询问来作出正确的响应，这样既可以克服人工键盘输入速度慢，极易出差错的缺点，又有利于缩短系统的反应时间，使人机交流变得简便易行，比如用于声控语音拨号系统、声控智能玩具、智能家电等领域。在智能对话查询系统中，人们通过语音命令，可以方便地从远端的数据库系统中查询与提取有关信息，享受自然、友好的数据库检索服务，例如信息网络查询、医疗服务、银行服务等。语音识别技术还可以应用于自动口语翻译，即通过将口语识别技术、机器翻译技术、语音合成技术等相结合，可将一种语言的语音输入翻译为另一种语言的语音输出，实现跨语言交流[11]。

语音识别技术在军事斗争领域里也有着极为重要的应用价值和极其广阔的应用空间。一些语音识别技术就是着眼于军事活动而研发，并在军事领域首先应用、首获成效的，军事应用对语音识别系统的识别精度、响应时间、恶劣环境下的顽健性都提出了更高的要求。目前，语音识别技术已在军事指挥和控制自动化方面得以应用。比如，将语音识别技术应用于航空飞行控制，可快速提高作战效率和减轻飞行员的工作负担，飞行员利用语音输入来代替传统的手动操作和控制各种开关和设备，以及重新改编或排列显示器上的显示信息等，可使飞行员把时间和精力集中于对攻击目标的判断和完成其他操作上来，以便更快获得信息来发挥战术优势。

4 结 语

语音识别的研究工作对于信息化社会的发展，人们生活水平的提高等方面有着深远的意义。随着计算机信息技术的不断发展，语音识别技术将取得更多重大突破，语音识别系统的研究将会更加深入，有着更加广阔的发展空间。

参考文献

[1] 马志欣，王宏，李鑫.语音识别技术综述[J].昌吉学院学报，2006（3）：93?97.

[2] RABINER L R， JUANG B H. An introduction to hidden Markov models [J]. IEEE ASSP Magazine， 1986， 3（1）： 4?16.

[3] GALES M， YOUNG S. The application of hidden Markov models in speech recognition [J]. Foundations and Trends in Signal Processing， 2008， 1（3）： 195?304.

[4] JELINEK F. Continuous speech recognition by statistical methods [J]. Proceedings of the IEEE， 1976， 64（4）： 532?556.

[5] 倪崇嘉，刘文举，徐波.汉语大词汇量连续语音识别系统研究进展[J].中文信息学报，2009，23（1）：112?123.

[6] 顾亚强.非特定人语音识别关键技术研究[D].长沙：国防科学技术大学，2009.

[7] 中华人民共和国国家质量监督检验检疫总局.GB/T21023?2007 中文语音识别系统通用技术规范[S].北京：中国标准出版社，2007.

[8] 王文慧.基于ARM的嵌入式语音识别系统研究[D].天津：天津大学，2008.

[9] 何湘智.语音识别的研究与发展[J].计算机与现代化，2002（3）：3?6.

第4篇：神经网络基本知识范文

[关键词]专家系统；实践能力评价；大学生

专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能和计算机技术，根据某领域一个或多个专家提供的知识和经验，模拟人类专家解决一些复杂问题。

一、学生实践能力

1.一般实践能力：包括独立生活能力、动手能力、环境适应能力、交往合作能力、语言表达能力、计算机应用能力和外语应用能力等。

2.专业实践能力：主要指大学生在专业领域中运用专业知识解决实际问题的能力。

3.综合实践能力：指完成复杂任务和解决新问题所具备的实践能力，常常涉及技术、经济、社会、环境、心理等各种因素，不仅要综合运用一般实践能力和本专业实践能力，还要学会运用跨学科跨专业的知识和技能。

二、评价系统的结构与功能

1.系统结构。基于专家系统的学生实践能力评价系统（如图1），是以个人基本信息模块提供的信息作为基础，结合实践课程成绩进行综合分析，最后评价出学生的实践能力。系统主要由知识库、综合数据库、推理机、解释器、知识获取机构和人机接口组成。

（1）知识库与知识的表示。知识库是专家系统包含领域知识的部分，包括各种学生实践能力培养方面的知识和学生实践能力评价规则。知识库可以随时查询、修改、删除、更新和扩充。本系统的基本知识不仅包括学生的国家、民族、籍贯、学历、英语水平、计算机水平、证件类型及号码、奖罚情况等基本信息，还包括学生不同学习阶段参与实践活动的地点、时间、单位、部门及实践成绩等信息。

为便于计算机进行处理，必须通过知识表示方法将知识描述成计算机可以识别的形式。知识表示方法主要有一阶谓词逻辑表示法、产生式规则表示法、框架表示法、语义网络表示法、面向对象表示法、过程表示法和基于神经网络表示法等等。本评价系统选用产生式规则来表示知识。产生式规则表示法主要表示具有因果关系的知识，其基本形式为：PQ 或 IF P THEN Q。

其中P是产生式的前提条件，用于指出该产生式是否可用的条件；Q是产生式的后件，是一组结论或操作，用于指出当前件P被满足时，可以得出的结论或应该执行的操作。例如：IF动手能力很好，独立生活能力强，合作交往能力优良，表达能力非常好；THEN 一般实践能力水平高

（2）推理机制。推理机制是专家系统的知识处理器，将工作内存中的事实与知识库中的领域知识相匹配，以得出问题的结论。推理方法主要有四种：正向推理、反向推理、混合推理和双向推理。正向推理属于事实驱动推理，在一般基于产生式规则的专家系统中，多数采用此种推理方式。本文研究的基于专家系统的学生实践能力评价系统即采用基于模糊理论的正向推理。

(3)解释机制。专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程和专家知识。推理机制根据知识库中的知识对学生实践能力进行推理，得出测评结论。同时，系统启动解释机制向用户显示该结论的依据和推理过程。

2.系统功能。学生实践能力评价系统通过用户提供的一些基本信息，产生出不同类别的能力测试体系，被测试者只需要简单的回答一定数量的问题，系统推理机根据用户提交的答案结果进行计算与推理，再结合其实践环节所取得的成绩，最终得出被测试者实践能力所处的水平，并给出相应解释。通过评价系统，学校、用人单位、学生都可以了解学生的整体实践能力，从而随时对教学结构与模式做出调整与改进。

三、结语

专家系统已经历了几十年的发展与应用，其理论和实践都已经相当成熟，在控制和推理方面的优势也非常突出。利用专家系统的优势和特点，将其合理地运用到学生实践能力评价系统中，使得测评时间大大缩减，同时提高了学生实践能力评价的客观性与全面性，降低了人才评价的费用。若学生实践能力评价系统能与学校学生资源管理系统集成，对提高学生的实践能力培养具有很高的实际意义。

参考文献：

第5篇：神经网络基本知识范文

关键词:双语教学;人工智能;体系结构

根据《朗曼应用语言学词典》中的定义,双语教学(Bilingual Teaching)指的是用两种语言作为教学媒介语,通过学习学科知识来达到掌握第二语言的目的。双语教学作为学科教学延伸,不是简单的母语加第二语言,而是将第二种语言融进学科知识,通过学习学科专业知识提高学生第二语言的听、说、读、写综合能力,培养学生用第二语言思考、解决问题的能力,培养适应社会发展需求的高素质、复合型人才,以适应信息时代我国经济和社会发展的需要。人工智能的主要目标是让机器具有应用符号逻辑的方法模拟人的问题求解、推理、学习等方面的能力,能够在各类环境中自主地或交互地执行各种任务,比如水下作业、输油管道、森林救火等。人工智能的发展,不仅代表计算机等科学技术的发展水平,也是一个国家工业化水平的重要标志。这对高校的教育提出了新的挑战。因此,选择人工智能课程的双语教学模式是非常必要的。

1人工智能课程分析

人工智能是一门多学科交叉的课程,特别涉及控制论、信息论、语言学、神经生理学、数学、哲学等多种学科[1-2]。学习该课程需要具有较好的数学基础和较强的逻辑思维能力,大多教师、学生在教、学的过程中都显得比较吃力。如何结合课程的特点,帮助学生找到好的学习方法,使他们能充分发挥自己的能力,提高学习兴趣成为教学研究过程中的首要目标。在目前高校提倡双语教学的环境下,我校已将人工智能立项为双语教学示范课程。人工智能课程具有如下特点:

(1) 是一门非常前沿的学科。

计算机最初是用来做科学计算的,但随着计算机科技的迅猛发展,人们开始考虑计算机还可以做些什么,能不能像人一样学习、思考,然后解决问题?这就是基于人的知识和经验,用符号推理的办法让计算机来做事情,是人工智能最早的研究成果。但是,知识并不都能用符号表示为规则,智能也不都是基于知识的。人们相信,自然智能的物质机构――神经网络的智能是基于结构演化的。因此,20世纪80年代在人工智能理论发展出现停顿时,人工神经网络理论出现新的突破,基于结构演化的人工智能迅速成为人工智能研究的新方向。事实上,智能问题无论从广度还是深度,都远比人们想象的要复杂得多。因此,我们一刻也不能放弃钻研,并且要时刻关注该领域发展的最新动态。在高校开展人工智能课程的双语教学,可以促使学生了解该领域以及相关领域,如模式识别、机器视觉、智能检索、人工生命等发展的最新动态,掌握大量的专业词汇,锻炼理解问题、解决问题、了解领域文化等实际能力,对培养国际化、工程化、实用化的复合型人才等具有重要的现实意义。

(2) 涉及面宽、难度大。

人工智能是一门多学科交叉的、极富挑战性的前沿学科,它几乎涉及于社会科学和自然科学的每个领域。人工智能课程是一门理论性非常强、知识点比较分散、知识更新快的课程,它以编程语言、数据库原理、概率统计、数据结构、离散数学以及编译原理等前趋课程为基础,还涉及到控制论、信息论、通信原理、图像处理、模式识别等课程。因此,人工智能课程的知识点难度较大。通过该课程的双语教学过程,学生不但学习了课程的专业知识,而且还学习了相关理论课程的第二语言表示方法及应用情况,对于培养具有个性化的多层次人才具有重要的价值。

人工智能课程的特点决定了它的双语教学也具有很大的难度。根据普通高校的实际情况,我们组织了人工智能的双语教学体系结构,教学实践表明,该模式行之有效。

2人工智能双语教学体系结构

要达到双语教学的目的,就必须将传统的“注入式”教学模式改变为新型的“以学生为中心”的教学模式。然而,这种“以学生为中心”的双语教学模式是多样化的,其教学过程是复杂的,在我国还处于探索阶段[3-5]。在人工智能课程的教学过程中,根据学生的实际情况,我们采用课堂教学多样化、基于CDIO理念的实践教学,不断地探索研究,形成高校人工智能双语教学体系结构,如图1所示。

计算机双语教学的正常开展,必须依托优秀的计算机专业外语教科书和教学参考用书。根据学生的实际情况,我们采用了Nils J.Nilsson教授编著的《Artificial Intelligence A New Synthesis》,该教材是美国斯坦福大学计算机系本科教材,不仅内容丰富、取材新颖,更重要的是内容组织结构比较符合学生的认知规律,便于学生学习、理解。参考书主要选用了蔡自兴、徐光v老师的《人工智能》。

3双语教学方法

由于人工智能是一门非常前沿、涉及知识面宽、应用范围广的学科,因而在教学的具体过程中,我们多种教学手段并用,主要采取理论联系实际的案例驱动讲授、CDIO实践模式、综合考证等讲授方法。

3.1理论教学

(1) 修改教学大纲和课程设计的实验大纲。参考吸收国外先进教材中的内容,结合普通高校的实际情况,形成有针对性的、合理的教学体系。

(2) 采用多种教学方法和手段。设计和制作简洁、易懂的英文电子教学课件,采用多媒体教学手段,丰富教学内容。建设课程网站,电子课件在网上公开,帮助学生预习专业词汇、了解教师讲解线索和重点内容,降低学习难度。

(3) 课堂提问。提问一些重要内容,鼓励学生积极思考,既能加深学生对所学课程知识的理解,也有利于其英文表达能力的提高。

(4) 案例驱动法。将有意义的案例贯穿在教学过程中,培养学生的兴趣,提高学生分析问题、解决问题的能力;

(5) 课后小组讨论。每6～8位同学分为一组,实行小组长负责制,组织学生讨论和解决学习中遇到的问题,交流学习心得,一方面起到温故而知新的作用,同时培养团队协作精神。

3.2实践教学

由于学生的英语水平、专业基础知识以及知识面都有差别,因此教师必须因材施教,培养学生的兴趣。实践课题来源于实际工程,将CDIO理念贯穿于实践教学过程中,提高学生综合创新能力与团体协作精神。

(1) 实验题目多样化。学生可以选择,也可以根据老师的要求自己构思,以培养学生的兴趣与查阅资料的能力。

(2) 分工与合作。来源于工程实践的题目,学生通常很难在短时间内独立完成,因而需要分工合作,培养学生的协作精神。

(3) 整体设计方案的灵活性。学生领会题目本意,自主设计解决方案,培养学生分析问题、解决问题的综合创新能力。

(4) 编程实现。培养学生的编程能力,形成科学的编程风格。

3.3考核方式

(1) 多种形式的平时测试(30%)。主要包括平时测验、讨论、作业等。主要考察学生对基本知识的掌握,英文表达能力以及知识面的拓宽等。

(2) 实践教学(30%)。主要考察学生对实践题目的理解、整体方案的设计、团队间的协作精神以及实现结果等。

(3) 期末考试(50%)。试题全部用英文形式出现,鼓励学生用英文作答。

人工智能课程采用双语教学,可以使学生最准确地理解专业知识,又可以使英语和专业课的学习相互促进。

4教学效果分析

课程结束后,我们对学生进行了教学效果讨论与调查,结果如表1所示。

从本课程讨论和调查的结果以及其他普通高等院校的双语教学调查结果可以看出,双语教学效果基本上达到了要求。但也存在一些值得思考的问题:不适应的人数比例偏高,专业知识的学习效果一般,甚至有学生因为跟不上进度放弃专业课的学习。为此,提出以下的建议:

(1) 加强学生认识。学生必须从思想上认识到人工智能双语教学的重要性,克服教学过程中的种种困难、持之以恒,主动与同学、老师进行讨论,密切关注学科发展动态。

(2) 提高实施条件。双语教学过程中,学生是主体,教师是关键。因此,要求老师要有较高的专业知识和英语水平,学生要有较好英语基础。

(3) 完善教学体系结构。双语教学在我国还处在探索阶段,因而必须在教学实践过程中不断地改进完善双语教学的体系结构。

只有解决好这些问题,才能培养出更高素质的复合型人才,适应国内外科学与经济发展的需要。

参考文献:

[1] Nils J Nilsson. Artificial Intelligence A New Synthesis[M]. 北京:机械工业出版,2002.

[2] 蔡自兴,徐光v. 人工智能[M]. 北京:清华大学出版社,2003.

[3] 贺志荣. 双语教学的实践与思考[J]. 黑龙江教育:高教研究与评估版,2008,62(10):45-46.

[4] 王树根,姜昕. 我国双语教学的历史发展阶段综述[C]. 安徽黄山,2007年全国测绘学科教学改革研讨会,2007.

[5] 汤东. 中外高校双语教学模式的比较研究[J]. 黑龙江教育:高教研究与评估版,2008,62(11):69-70.

Exploration and Practice on Bilingual Teaching Architecture for Artificial Intelligence Course

LI Zhu-lin, HAO Ji-sheng, MA Le-rong

(Department of Computer Science, Yan’an University, Yan’an 716000,China)

第6篇：神经网络基本知识范文

关键词：PLC技术；计算机控制技术；机电专业

作者简介：李启光（1970-），男，江苏赣榆人，北京信息科技大学机电工程学院，副教授。（北京 100192）

中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2013）07-0105-02

计算机控制系统是以计算机为核心实现生产过程自动控制的系统。随着工业技术的发展和生产自动化程度的不断提高，计算机控制技术得到了越来越广泛的应用。“计算机控制技术”融合了计算机技术、自动控制理论和计算机通信技术，是新发展起来的理论性和实践性很强的一门交叉学科。它实际上包含着两部分内容：一是计算机控制理论基础，主要涉及离散控制基础理论；二是实现技术，主要包括通道接口技术、现场总线、人机界面等系统实现技术。课程涉及面很广、知识集成度高，是高等学校自动化、电气工程和机械电子工程等专业的一门重要的专业主干课程。[1-3]

一、“计算机控制技术”课程现状

“计算机控制技术”是一门跨学科专业课程，涵盖内容丰富，但由于各专业的要求不同，课程针对不同专业的侧重内容应有区别，这样才能达到各专业的培养目的。

目前多数高校选用课程教材内容主要是数字滤波、数字 PID、最少拍无差系统、Simth算法和达林算法、模糊控制、神经网络等内容，这部分是建立在一整套完整控制理论基础上的。[4]此外还包括接口技术、现场总线、人机界面等偏重于应用的内容。自动控制等专业培养目标侧重于设计计算机实现控制算法、编制适用于工业控制系统的硬件及接口设计、控制软件，选用此类编排内容的教材比较适用。而机械电子专业方向，机电专业以装备及其控制系统为主要研究对象，课程以了解与掌握计算机控制系统在装备控制中应用为其主要目的，选用此类教材不能体现专业侧重点。同时机电专业有自己的专业设置要求以及本专业特有的先修基础课程，与自控类专业有极大的不同，因此如何根据机电专业自身的专业特点确定理论教学内容及其深度，调整好计算机控制系统的理论及应用技术的关系，是目前机电专业“计算机控制技术”课程教学要解决的首要问题。

因此，在教学实践过程中，应以控制系统应用技术为基础，理论教学的内容和深度以应用内容的需求为标尺，使理论教学内容能够支撑且覆盖该课程涉及的主要技术，使理论教学的深度能与机电专业学生的实际水平及今后的就业需求相符合，同时还要与当前的技术发展水平和趋势相适应，具有一定的前瞻性。

二、机电专业“计算机控制技术”教学内容改革

1.机电特色的控制类课程教学体系调整

面向机电专业的“计算机控制技术”课程应从装备控制应用角度出发，密切结合装备自动化需求组织教学内容。

根据以上原则，在教学中提出将运动控制卡和工业PLC作为计算机控制技术理论与运用结合的载体。一方面在课程开始之前，需要保障学生已掌握先修部分专业应用技术知识，尤其考虑到工业PLC、运动控制器是机电专业常用、最典型控制应用系统，课程内容可与此结合，将工业PLC、运动控制器的应用作为教学案例使用。先修课程包括“电工电子学”、“机械控制工程”、“单片机原理”、“数控技术”、“PLC 原理与应用”等专业课程，其中鉴于“数控技术”课程目前涉及均为封闭式数控系统，因此在课堂上需要补充介绍机电控制中使用面广、开放式的运动控制器（卡）。

另一方面，课程以先修课程中所涉及的、与计算机相关的数字处理与控制技术为主要授课内容，重点介绍数字化后信号处理、数字控制理论及其实现，并通过各个理论教学环节与先修机电控制运用技术紧密结合，实现硬件和软件结合、控制原理和典型应用控制器结合，贯彻理论联系实际的方针，并将先修课程有关方面的知识有机集成在一个完整的机电控制系统内，使学生从整体上系统地掌握数字控制器的机电应用技术。

“计算机控制技术”强调理论、技术与实际应用相结合，理论与实践并重，综合性较强、强调应用，因此在课堂教学与课程实验的基础上，应增加机电综合实践环节，并鼓励学生参加其他开放实验以及科研项目，综合应用所学知识，巩固教学效果。项目选题从工程应用角度出发密切结合装备自动化实践。

2.机电专业特色的课程内容设定

在原有教学内容体系基础上，针对机电专业控制理论基础薄弱、专业需求有别的状况，对教学内容作一系列的重新规划及调整。强调教学内容紧密联系机电传动控制实际需求，优化知识结构、充实机电控制的实例，做到理论和实践运用的对应与相互关联。

对于机械电子专业，拟定的主要教学内容大致如下：

（1）输入/输出通道接口技术。这部分内容在“电工电子学”和“单片机原理”课程软硬件基础知识上，以单片机、PLC、运动控制卡上典型常用的接口硬件，如A/D、D/A、通讯口、触摸屏、开关量输入输出接口等为例子介绍工作原理、使用方法和技术细节问题。

通过与实际应用系统关联认知，学生对输入/输出通道接口设计及技术参数选取建立感性了解，使用中就可以通过查阅样本资料掌握其他类似通用硬件的使用。

第7篇：神经网络基本知识范文

关键词： 教育神经科学 初中历史课堂 启示展望

随着认知神经科学的发展及其与教育科学的结合程度不断提高，构建以教育神经科学为背景的中学历史课堂教学理论正成为教育研究领域一种新的必然趋向。有学者将这种实践取向的“基于脑的教育”形容为“教室里的神经科学”，这并不指将教室作为开展神经科学实验的场所，而是希望采用神经科学的技术与方法研究并解决某些真正来自教学实践中的问题[1]。

一、教育神经科学的概念

教育神经科学是将生物科学、发展科学和教育科学等学科的知识技能进行深度整合，提出科学的教育理论、践行科学的教育实践的、具有独特话语体系的一门新兴学科[2]。“教育神经科学”这一术语最早由肖尔和莫茨基于1978年提出。姜永志认为，教育神经科学以2003年哈佛大学“国际心理、脑与教育学会”（International Mind Brain and Education Society）成立为标志，成为一门基于实证的新兴学科[3]。教育神经科学凝聚着跨学科专业研究者的共同智慧，汲取多门相关学科中的知识精华与哲学理念，形成独特的概念结构。教育神经科学的诞生改变了长期以来教育学缺乏实证依据的状况，为教育奠定了坚实的科学基础。

与教育神经科学类似的概念有神经教育科学、教育生物学等。“教育生物学”的含义与“教育神经科学”的含义部分重合，因为神经科学是生物科学的一个分支。一些研究者将神经教育学定义为“一门整合了心理学、脑科学和教育学研究而形成的新科学，汇集了包括认知神经科学、发展认知神经科学、教育心理学、教育技术学、学习理论和其他相关学科的研究者，致力于探索学习的生理机制”[4]。由此看来，“教育神经科学”和“神经教育科学”的内涵相近，但是周加仙认为，两者分别代表了不同的研究取向，前者强调以教育为核心的跨学科整合，后者的核心是整合教育学的神经科学，更重视这一新兴领域的知识创造[5]。

二、教育神经科学视角下的中学课堂教学研究

教育神经科学研究者认为，教育神经科学不仅注重学生在课堂上的心理与行为变化等宏观层次的研究，而且强调在不同教育环境下，学生大脑内部神经联结和突触结构的改变等微观层次的研究。研究者借助先进的脑成像技术手段（ERP、fMRI）与多种研究方法，从基因-分子-突触-神经元-神经网络-神经系统-课堂行为-社会等不同层面，全面揭示了学生在不同教育环境下学习心理和行为的变化过程，对学生的学习行为提供了因果解释，从而发展出了学生学习改变的完整的、有用的和确定性知识。

三、教育神经科学研究成果对初中历史课堂教学的启示

梁启超说：“史者何？记述人类社会赓续之体相，校其总成绩，求得其因果关系，以为现代一般人活动之资鉴者也。”[6]历史有两层概念：一是指过去发生过的事情，二是指记录过去发生过的事情的资料等。历史学科具有其他学科无法代替的功能，它是所有人文学科的基础学科;它能够提升整个民族的科学文化水平，是经济顺利发展的必要条件;历史学科还具有促进学生身心多方面协调发展的功能[7]。课堂教学是实施素质教育的主渠道，谁抓住了课堂，谁就抓住了教学工作的关键。随着基础教育课程改革的不断深入，教师的教学方式和学生的学习方式发生了积极的变化。但是不容否认，在初中历史课堂教学实践中，出现了从一个极端到另一个极端的现象。由“满堂灌”变成“满堂问”;学生面对着浮光掠影般的多媒体信息不知所云;教师仍然难以跳出“教书匠”的窠臼。教育神经科学的研究成果能给初中历史课堂教学带来如下启迪：

（一）脑发育的不同步对初中生历史学习的影响

青少年的性格不稳定，行为易偏激，以往的观点是荷尔蒙分泌过剩的结果。但是，近来研究者使用神经影像技术对脑发育进行的纵向研究表明，与情绪有关的脑区在10到15岁时得到充分的发展，但与理性思维和情绪控制有关的脑区的成熟则发生在22至24岁。有学者将这种冲动称为“短暂的疯狂”[8]。这一发现解释了初中生的思维具有不成熟和片面性的特点，届于初中生对形象的、生动的、具体的历史知识感兴趣，历史教师应该根据学生认知特点选择最佳的课堂教学策略。另外，初中生的额叶尚不具备全面控制过激情绪的能力，容易引发一些不可预测而且危险的行为，包括情绪爆发和身体攻击等，教师在课堂上要努力做到公平对待学生，妥善处理课堂突发事件。

（二）情绪影响历史课堂

相比小学教师比较习惯处理学生的情绪表现，初中教师所受到的训练则是向学生传授大量课程内容。尤其是初中历史课程这样的非重点科目，一周只有两节课时，教师的课堂教学任务繁重，导致历史教师几乎没有时间关注学生的情绪发展，并常常假设初中生应该“像成人一样行动”。张元认为：“认为本世纪以来，由于脑神经科学的飞跃发展，让我们在过去谈及认知时，十分忽视的部分，重新受到关注。我们非但知道感性在认知上应有不让于理性的重要地位，并且知道就是‘潜意识’也是我们在教课时应该注地方，不论老师的讲述，抑或学生的听课，潜意识很可能扮演着支配的角色。老师在课堂中，谈及看似无关紧要的三言两语，或是轻轻地一声叹息，甚至一举一动，一颦一笑，都是个人感情的流露与品味的展现，都会在学生的脑中留下印痕，对学生产生潜移默化的作用。”[9]其实教师应该理解情绪的生物学特征，特别是压力的生物学特征，只有当学生在生理上和情感上都感到安全时，他们才能将注意力集中在课程上。

（三）学校的文化氛围影响学生的历史学习

人类是社会性动物，学生、同伴和教师间会产生相互影响。学校通常注重学业和测验，往往忽视了社会和文化力量对学生的巨大影响。神经影像研究已经发现了负责评价事件意义的脑区，这一领域的研究发现形成了一个新的研究领域，称为社会认知神经科学。学校的文化特征体现在开放性、期望、对努力的认识与赏识程度、参与决策和关爱的程度，这些影响着学生个体的自尊。教育者需要更多地关注学校积极的社会和文化氛围的营造。当学生感到自己受到学校排斥时，会产生情绪上的不满。我们不能再将学习和情绪分开来考虑，或者认为情绪干扰了学习，我们不能仅仅从单个学生的角度分析课堂教学中教学策略的有效性。初中历史课堂教学中，历史教师应该发挥历史学科易于激发学生情绪的特点，利用丰富的史实、浓郁的情感，让学生理解历史，在历史的回忆中探究历史发展的规律。

（四）饮食和睡眠对记忆的重要性

大脑的运转需要能量支持，充足的水分和葡萄糖是大脑高效运行的生理保障。因此，教师要提醒学生按时摄取水分和营养。高效的睡眠可以让一个人醒来后精神焕发地处理新一天的事务。研究发现，脑在睡眠时非常活跃，仍然进行加工，帮助脑进行学习、建立联结、记忆和清除混乱，睡眠剥夺会使人脑难以获得任何形式的记忆。研究表明，睡眠被剥夺的学生比睡眠时间长的学生成绩差，也更有可能变得抑郁。很多中学生和教师睡眠不足，他们每天的睡眠时间只有5-6小时。教师了解睡眠研究的结果，就可以向学生强调保证充足睡眠的重要性。大多数青少年大约需要9个小时的睡眠。

四、展望

事实上，目前教育神经科学所积累的确定性的知识只是一部分，更重要的是，教育神经科学的目的不是发现学习规律，而是用已经发现的知识解决教育问题，它与所有的教育学一样是一门应用科学[10]。现阶段，教育神经科学研究进展成果在我国一线教师队伍中的普及力度不够，很多教师的理论水平还停留在皮亚杰、奥苏贝尔等人的教育理论上。对教育神经科学的误解或盲从容易造成“神经神化”的讹传，对学生的学习和发展产生危害。教师学习教育神经科学的基本知识，能够初步从神经功能分辨教学中教师和学生存在的问题，从而采取恰当的策略改进教学，这样的优势显而易见。

参考文献：

[1]陈巍，丁峻.教室里的神经科学：一种从理论到实践的取向.外国教育研究，2010，37（9）：2.

[2]周加仙.教育神经科学的领域建构.华东师范大学学报（教育科学版），2009，27（3）：69.

[3]姜永志.教育神经科学的理论与实践―――从“实验室”到“教室”的学习科学.开放教育研究，2013，19（3）：72.

[4]杨娟，等.基于神经教育学的个体化教育研究及实践.现代教育技术，2016（5）：50.

[5]周加仙.教育神经科学：创建心智、脑与教育的联结.华东师范大学学报（教育科学版），2013，31（2）：42.

[6]梁启超，著.中国历史研究法.商务印书馆，1933：1.

[7]参见于友西，主编.中学历史教学法.北京：高等教育出版社，2013：60.

[8][美]格力・格雷戈里，等著.赵丽琴，译.差异化教学.上海：华东师范大学出版社，2015：177.

[9]张元.教出历史课的美感与品位.清华历史教学，2014，6

第8篇：神经网络基本知识范文

我国加入WTO后，越来越多的跨国公司看到我国市场巨大的发展潜力，加大对华投资，纷纷在我国设厂并建立分销、配送网络，使其产品、服务得以打开我国市场。随之而来的是国际物流大公司进军中国，并且在刚刚起步的我国物流业中抢占了有利地位。与其相比，我国物流企业虽然拥有先天的市场优势并取得一些进展，但由于我国物流业起步晚并且运营模式不完善以及体制障碍造成了我国物流信息化的标准不规范、信息技术和设备不够先进、信息平台建设滞后、专业型人才紧缺等问题，这些问题将严重制约物流信息化的进一步发展。

（一）大中型企业信息化意识普遍提高。随着社会信息化程度的不断加深，物流企业信息化建设已经受到普遍关注，并且企业的信息化意识也在不断提高，重视并加大了对物流信息化的建设。据调查显示，在大中型企业中，建立了信息管理系统和企业网站的比例较高。大约74%的企业已经建立了信息管理系统，大约77%的企业已有自己专业的网站。已建管理信息系统的企业，系统是内部局域网的和广域网的各占一半左右。

（二）信息化发展仍处在初级阶段。进入21世纪以来，我国经济和物流业发展较为迅速，物流信息化建设也取得了一些成绩，但物流信息化仍处在初级发展阶段。根据调查，公司网站的主要功能多是用于企业宣传（40%），其次是信息服务（36%），用于内部通讯的占30%，作为电子商务平台的比例相对较少，大约占21%；另一方面从物流成本占GDP（国内生产总值）的比例来看，欧美、日本等发达国家比例在10%左右，而我国已接近20%，物流成本的差距反映我国物流信息化落后于发展成熟的发达国家。

二、我国物流企业信息化存在的问题

（一）物流信息化标准混乱，一体化水平低。物流行业发展至今，国家相关部门虽然也出台了一些相关的政策法规，但是缺乏一定的物流信息化管理标准和行业规范，从而导致物流行业在不同层面存在标准不一的现象。由于受到当前市场经济体制的影响，很多政策法规未能真正实施，使得物流活动的信息时效性和专业性都达不到相应的统一标准。由于企业管理不规范，信息传递及工作效率比较低，导致客户投诉日益增多。由于缺乏标准的规范体系，一体化水平低，没有形成优势互补共同发展的局面，而且管理方法不能满足一体化的物流需求，以致大部分物流企业规模较小、管理水平差、效率低下和运营成本高，这些都将严重制约物流信息化的发展建设。

（二）信息化技术不够先进。信息化知识在不断的发展，一些先进的技术用在物流企业中，能够很大程度的发挥其优势，降低企业经营风险，提高企业效益。比如，车辆管理系统可以科学地调派车辆，管理车辆的各项变动；GPS车辆定位系统可以加强自有车辆的监督管理和货物的安全到达等。根据中国仓储协会调查，绝大多数中小物流企业中，其信息系统的业务功能和系统功能还有待完善，缺乏必要的订单管理、货物跟踪、仓库管理和运输管理等物流服务系统，物流信息资源的整合能力尚未形成。企业物流系统应当体现出专业化以及科学化，特别是使用先进的信息化技术对企业的物流进行相应的管理，比如说卫星定位、条形码以及自动分拣等技术。但是，当前我国很多企业在对物流进行管理的时候，还没有真正将信息技术应用到物流的信息化过程中，依旧处于一种人工化或者半人工化的状态。

（三）物流信息平台建设滞后，信息资源缺乏有效整合。物流信息平台是物流领域的神经网络，是支撑物流发展的关键基础平台。虽然我国的物流信息平台已取得一定程度发展，但在发展中也存在着一些问题。一方面物流信息平台建设运营主体均发展不完善。物流信息平台建设运营主体主要有两种：一种是以政府为主的模式，一种是以企业为主的模式。以政府为主的运营模式虽公益性较强但存在很多弊端，如后期资金的投入不能得到有效的保证，且容易造成对市场需求把握不足；以企业为主的运营模式虽然企业可以自主经营，积极把握市场需求，但也有一定的局限性，例如整合资源的能力不强，缺乏长远规划，资金投入压力大等；另一方面物流信息平台的盈利能力不强。由于物流信息平台缺乏良好的商业运营模式，缺乏完善的市场调查和雄厚的资金支持，导致盈利能力不足，这样，平台的发展就受到很大限制，难以高效地为物流信息化提供更为优质的服务。

（四）专业的物流信息人才紧缺。现代物流作业过程具有信息量大，环节复杂，物流信息不确定，需要专业的知识及技术经验等特点。因此，企业在实施信息化的进程中应当有专业性的人才作为保障和支撑。他们不但要掌握大量的物流专业基础知识，而且还需要熟练的操作本领和实践技术。由于我国物流业起步晚，具有理论知识、技术操作以及创新能力等的综合型物流人才十分匮乏，这已成为制约我国物流企业信息化发展的又一重要因素。另外，当前很多物流企业所聘用的人才受教育程度比较低，缺乏专业的理论知识，综合素质不高，难以推动信息化的发展进程；而学校培养的人才虽有理论知识但缺乏信息技术的处理能力、运营能力和创新能力，不能满足信息化的现实发展需求。这样就在很大程度上影响企业的物流信息化发展。

（五）缺乏统一的宏观调控和长远发展规划。目前与物流相关的部门有公路、铁路、航空和邮政等多个部门。各部门出于各自不同的目的，必然会有各自的政策和物流工作计划，但由于缺乏统一的宏观调控，必然导致物流业管理分散、混乱，物流信息化标准难以落到实处。其次，信息系统与企业的业务流程和战略目标不匹配，缺乏长远的发展规划。多数企业往往采用头痛医头，脚痛医脚的方法来处理企业的信息化需求，不是从整个物流系统的角度来寻找解决问题的方法，对信息系统在企业整体战略上的定位比较模糊。

三、促进我国物流企业信息化对策建议

（一）进一步健全物流信息化标准规范。物流信息化发展需要有一定的标准和规范作为支撑。因此，可以从以下几方面完善信息化标准：一是通过法律规定使整个物流业的运行和发展标准化，研究和制定标准化的物流业政策法规。改进对物流相关领域的管理方式，对不适应物流业发展的各类规定和政策进行清理、修改和完善，规范物流企业扶持标准；二是通过建立一体化的物流信息系统，做到持续、简便并准确地移动数据，及时自动地更新数据，提高物流作业过程的透明性和时效性；三是企业应加大资金投入，建立具有广泛兼容性的数据库并选择良好的数据交换工具，充分利用最新的互联网技术平台，使物流信息化再上一个新台阶。

（二）开发引入先进的物流信息技术和设备。信息技术的提高主要依赖于信息应用软件和物流设备的开发和利用，国家应当重视并支持信息化应用软件以及技术设备的研发和使用。首先，国家应鼓励企业信息技术的推广和应用，并在科研项目中增加对信息技术优化物流管理和运行方式的研究，增加研究经费，以便开发新型便捷高效的信息化物流作业技术和设备。其次，我们要借鉴国外先进的经验与技术，不断提高我国的研发能力，进一步完善物流信息化标准，开发具有自主知识产权且先进的物流信息技术。使我国物流运营的效率得到进一步的提升和完善，加快物流信息化的进程。

（三）重视物流公共信息平台建设。物流信息公共平台是物流业实现信息化的必经之路，因此各方要共同努力做好信息化服务平台的建设。作为国家，要重视信息化平台的建设，在信息公共平台建成之后，要对其进行持久的关注，加大资金投入，充分了解市场动向，完善公共平台的质量，提高其公益价值。作为企业，应认识到开发信息平台对企业盈利的重要性，对公共平台的系统进行合理优化，加大资源整合力度，通过不断实践，提高平台的服务质量。公共物流信息平台能较好地整合现有资源，发挥行业整体优势，实现互利共赢，从根本上改善行业现状，促进信息化的发展。

（四）培养高素质的专业性物流人才。随着信息技术在物流业中的广泛应用以及物流信息化的发展，物流企业对工作人员的知识水平和技能有了更高的要求。为了建设高素质的拥有物流专业知识和技能的队伍，实现对专业人才的培养，一方面鼓励和允许院校按照市场需求开办和设置物流专业及课程，为现代物流培养高级管理人才和专业人才，以满足对物流人才多样化的需求；另一方面要加强现有在职人员的培训，通过全方面、多层次的培训尽快使他们掌握物流基本知识和运作技术，成为专业人才。同时，也要积极引进国内外优秀的物流管理人才，让他们先进的物流理念和运作方式及管理规范融入到物流信息化的建设中，从而提升服务水平，实现我国物流信息化的高速发展。

第9篇：神经网络基本知识范文

关键词：聚类 聚类分析

中图分类号：TP391 文献标识码：A 文章编号：1007-9416(2012)05-0204-02

1、引言

在对世界的分析和描述中，类或在概念上有意义的具有公共特性的对象组，扮演着重要的角色。的确，人类擅长将对象划分成组（聚类），并将特定的对象指派到这些组（分类）。利用聚类操作可以对数据进行分组和深入分析，获得其他方法不可能获得的信息。就理解数据而言，簇是潜在的类，而聚类分析是研究自动发现这些类的技术。

2、相关概念

聚类[1]:可以看作一种分类，是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。顾名思义是将一组对象划分为若干类，每个类中的对象相似度较高，类与类之间的对象相似度较差。

聚类分析[2]：根据在数据中发现的描述对象及其关系的信息，将数据对象分组。其目标是在相似的基础上收集数据来分类。它以相似性为基础，因此组内的相似性（同质性）越大，组间差别越大，聚类就越好，所分的类就越成功。

聚类分析的基本思想[3]：聚类分析是依据实验数据本身所具有的定性或定量的特征来对大量数据进行分组归类，以便了解数据集的内在结构，并且对每一个数据集进行描述的过程。其主要依据是用数学的方法研究和处理给定对象的分类，把一个没有类别标记的样本按照某种准则划分子类，使相似的样本尽可能归为一类。

3、聚类应用的四个基本方向[3]

减少数据：许多时候数据量n很大，会使处理变得很复杂费力，因此可将数据分成几组可判断的聚类m（m

假说生成：聚类算法依赖于猜测和假设，在这种情况下，为了推导出数据性质的一些假说，我们可对数据集进行聚类分析。这里使用聚类作为建立假说的方法，可使用其他数据集验证这些假说。

假说检验:在这种情况下，使用聚类分析来验证指定假说的有效性。例如，考虑下面的假说：“国内大公司都投资房地产”，验证这个假说是否正确的一种方法是对国内的大公司和有代表性的公司进行聚类分析。假定每个公司用它的规模、在房地产行业的活跃度以及应用研究上成功完成项目的能力来表示，在进行聚类分析后，如果相应于规模大并且能在房地产上投资的公司形成聚类，则聚类分析支持这个假说。

基于分组的预测：在这种情况下，我们对现有数据集进行聚类分析，形成模式的特征，并用特征表示聚类。如果给出一个未知模式，我们可以判定它最可能属于哪类，并用相应聚类的特征表示。

4、为了完成一个聚类任务，必须遵循下列步骤[3]

特征选择(feature selection)：必须选择合适的特征，尽可能多地包含任务关心的信息。在特征中，使信息冗长减少和最小化是主要目标。因为在有监督分类中，使用之前特征的预处理是必要的。

近邻测度(proximity measure)：用于定量测量两个特征向量如何“相似”或“不相似”。保证所有选中的特征具有相同的近邻行，并且没有占支配地位的特征，这是预处理期间必须要注意的一点。

聚类准则(clustering criterion)：聚类准则以蕴涵在数据集中的类型为基础。例如,L维空间的致密类特征向量可以根据一个准则判断，但是拉长类却需要另一个准则判断。聚类准则可以用代价函数或其他规则表示。

聚类算法(clustering algorithm)：已经采用近邻测度和聚类准则，这一步涉及到选择特定的算法，用于揭示数据集的聚类结构。

验证结果(validation of the results)：一旦用聚类算法得到结果，就必须验证其正确性。通常使用逼近检验。

结果判定（interpretation of the results）：在许多情况下，应用领域的专家必须用其他实验证据和分析判定聚类结果，最后做出正确的结论。

5、聚类分析计算方法主要有如下几种

划分法(partitioning methods)：给定一个有N个对象的数据集，利用分裂法构造K个分组，每个分组就代表一个聚类（K

层次法(hierarchical methods)：这种方法对给定的数据集进行层次似的分解，直到某种条件满足为止。根据层次分解的形成方式，该方法可分为“分解”和“合并”两种方案，并且经常与其他方法结合使用进行优化。代表算法有：BIRCH算法[7]、CURE算法等；

基于密度的方法(density-based methods)：基于密度的方法是根据密度完成对象的聚类。它是根据邻域对象的密度或者根据某种密度函数生成簇。与其它方法的一个根本区别是：它不是基于各种各样的距离的，而是基于密度的。这个方法的指导思想是，只要一个区域中的点的密度大过某个阀值，就把它加到与之相近的聚类中去。代表算法有：DBSCAN算法[9]、OPTICS算法[10]、ST-DBSCAN算法[11]等。

基于网格的方法(grid-based methods)：这种方法首先将数据空间量化为有限个单元的网格结构，然后利用网格结构完成聚类，所有的处理都是以单个的单元为对象的。它突出的优点就是处理速度很快，通常这与目标数据库中记录的个数无关，它只与把数据空间分为多少个单元有关。代表算法有：STING算法[12]、CLIQUE算法、WAVE-CLUSTER算法等。

基于模型的方法(model-based methods)：基于模型的方法给每一个聚类假定一个模型，并找出一个能适应相应模型的数据集。该方法试图优化给定的数据和某数学模型的拟合，这样一个模型可能是数据点在空间中的密度分布函数或者其它。它的一个潜在的假定就是：目标数据集是由一系列的概率分布所决定的。通常有两种尝试方向：统计的方案和神经网络的方案。

6、聚类算法的现况

数据挖掘是近年来信息产业界非常热门的研究方向，聚类的用途很广泛，而聚类分析是数据挖掘中的核心技术。在商业上，聚类分析是细分市场的有效工具。虽然传统的聚类算法已经能比较成功的解决了低维数据的聚类问题，但是随着技术的进步使得数据库规模越来越大、复杂性越来越高，处理数据的工作越来越复杂，因此在处理许多问题时，现有的算法已无法处理和满足要求，特别是对于高维数据和大型数据的情况。高维数据聚类分析是聚类分析中一个非常活跃的领域，同时它也是一个具有挑战性的工作。目前，高维数据聚类分析在各个领域都有很广泛的应用，很多应用需要对包含大量特征项或者维数的对象进行分析，例如市场调查分析、信息安全、金融、娱乐、反恐等。

7、结语

本文介绍了一些聚类的基本知识，作为工具的聚类对数据的分组，从理论上学习掌握这部分知识，为下一步利用聚类知识作学习研究打下了基础。

参考文献

[1]Michalski R,Stepp R. Learning from Observation:Conceptual Clustering. Machine Learing.Spring-Verlag,1984.

[2]张明卫,刘莹,张斌,朱志良.一种基于概念的数据聚类模型.软件学报,Vol.20, No.9,September 2009：2387—2396.

[3]李晶皎,王爱侠等译.（希）西奥多里德斯 等著.电子工业出版社,2006.

[4]Han JW, Kamber M, Wrote; Fan M, Meng XF, Trans. Data Mining Concepts and Techniques. Beijing: China Machine Press, 2001.232-236 (in Chinese)

[5]N g, R. , Han, J. Efficient and effective cluster method fo r spatial data m ining. In: Bocca, J. , J arke, M. , Zanio lo, C. ,eds. P roceedings of the 20th International Conference of V ery L arge Data Bases. San F rancisco, CA: Mo rgan Kaufmann Publisher, 1994. 144～ 155.