张 驰，郭 媛，黎 明

齐齐哈尔大学 计算机与控制工程学院，黑龙江 齐齐哈尔161000

人工神经网络（Artificial Neural Networks，ANN）是一种可用于处理具有多个节点和多个输出点的实际问题的网络结构。虽然人类的大脑和人工神经网络的运用都具有极其强大的信息处理能力，但是两者还是有许多不同之处。谷歌Deepmind最初被Demis Hassabis、Mustafa Suleyman以及Shane Legg创立出来，在2016年创造出AlphaGo打败世界围棋冠军李世石后逐渐被人认可，也说明人工神经网络具有巨大的潜力。与人脑处理信息方式有所不同，运用人工神经网络开发出的机器人采用线性的思维方式处理获取到的信息，计算机通过快速、精确的顺序数值运算，在串行算术类型的任务处理上超过人类。但人脑的“并行处理体系”相对于人工神经网络领域具有绝对领先的能力。

McCulloch心理学家和Pitts数学家于1943年考虑寻找神经元背后的基本原理，将阈值函数作为计算神经元的主要特性，把逻辑演算表述为神经计算架构，提出“神经网络”概念和M-P模型，标志着人工神经网络ANN萌芽[1]。Hebb假设突触权重的变化会如何控制神经元相互激励的方式，在1949年出版的《行为的组织》中提出了Hebb突触以及Hebb学习规则，为人工神经网络算法的发展构建了理论知识基础[2]。20世纪60年代末，Rosenblatt开创了感知器，感知器是建立在M-P模型基础上，第一个物理构建并形成了具有学习能力的人工神经网络[3]。Minsky和Papert在1969年出版Perceptrons：an introduction to computational geometry，提出Rosenblatt的单层感知器只能够学习线性可分模式，无法处理xor等线性不可分问题[4]。1984年Hopfield神经网络（Hopfiled Neural Network，HNN）首次引入，从此基于Hopfield神经网络的动力学行为的理解应用于信息处理和工程研究起到了至关重要的作用[5]。……