赵晓罡

摘    要：针对当前人工智能方法存在的训练精度瓶颈问题和智能系统对高精度人工智能方法的迫切需求问题，结合小波分析和BP（back propagation）、RBF（radial basis function）神经网络的优点，提出了自适应小波神经网络（adaptive wavelet neural network，AWNN）方法，将其应用于智能视频分析系统和智能控制系统，并验证了AWNN方法可以取得更好的收敛性、准确性、精度等。通过对AWNN方法与经典的神经网络进行理论分析，并与计算机仿真进行对比分析，验证了该方法可以提升经典神经网络的速度和精度;进而通过将AWNN方法植入真实的视频分析系统进行实验，验证了AWNN方法与现有的视频分析技术相比具有更准确的内容分类能力;最终将AWNN方法与经典控制方法相结合，通过与两种现有的神经网络控制方法进行对比分析，验证了AWNN控制方法具有更好的控制性能。

关键词：高精度;自适应小波神经网络人工智能;方法

1  前言

经典的人工智能方法主要可以分为两大类：一是基于规则和推理技术的人工智能，例如专家系统、模糊逻辑、搜索方法、遗传算法、群集智能和基于规则的机器学习方法;二是基于人脑原理的神经网络技术，例如前馈神经网络、反馈神经网络、复合神经网络和基于神经网络的机器学习方法。

经典的人工智能方法在知识的海量存储和智能单元的处理能力（智能算法的局限性）两个方面遇到了瓶颈，导致其智能在一些简单的领域被有限地应用。经典的人工智能方法在学习知识的容量、精度和稳定性三方面待提升。……