前言

神經(jīng)網(wǎng)絡控制系統(tǒng)又成為模糊控制系統(tǒng)，是個新興的控制方法，就象我們說小明學習很好，但是怎么個好法就是個很模糊的概念。模糊控制不同與經(jīng)典控制理論的關(guān)鍵在于他有一套屬于他自己的模糊算法，這個對數(shù)學的要求還是挺高的，模糊控制也成做為智能控制系統(tǒng)。

神經(jīng)網(wǎng)絡的特點分析

（1） 神經(jīng)網(wǎng)絡的一般特點

作為一種正在興起的新型技術(shù)神經(jīng)網(wǎng)絡有著自己的優(yōu)勢，他的主要特點如下：

① 由于神經(jīng)網(wǎng)絡模仿人的大腦，采用自適應算法。使它較之專家系統(tǒng)的固定的推理方式及傳統(tǒng)計算機的指令程序方式更能夠適應化環(huán)境的變化?？偨Y(jié)規(guī)律，完成某種運算、推理、識別及控制任務。因而它具有更高的智能水平，更接近人的大腦。

② 較強的容錯能力，使神經(jīng)網(wǎng)絡能夠和人工視覺系統(tǒng)一樣，根據(jù)對象的主要特征去識別對象。 ③ 自學習、自組織功能及歸納能力。

以上三個特點是神經(jīng)網(wǎng)絡能夠?qū)Σ淮_定的、非結(jié)構(gòu)化的信息及圖像進行識別處理。石油勘探中的大量信息就具有這種性質(zhì)。因而，人工神經(jīng)網(wǎng)絡是十分適合石油勘探的信息處理的。

（2） 自組織神經(jīng)網(wǎng)絡的特點

自組織特征映射神經(jīng)網(wǎng)絡作為神經(jīng)網(wǎng)絡的一種，既有神經(jīng)網(wǎng)絡的通用的上面所述的三個主要的特點又有自己的特色。

① 自組織神經(jīng)網(wǎng)絡共分兩層即輸入層和輸出層。

② 采用競爭學記機制，勝者為王，但是同時近鄰也享有特權(quán)，可以跟著競爭獲勝的神經(jīng)元一起調(diào)整權(quán)值，從而使得結(jié)果更加光滑，不想前面的那樣粗糙。

③ 這一網(wǎng)絡同時考慮拓撲結(jié)構(gòu)的問題，即他不僅僅是對輸入數(shù)據(jù)本身的分析，更考慮到數(shù)據(jù)的拓撲機構(gòu)。

權(quán)值調(diào)整的過程中和最后的結(jié)果輸出都考慮了這些，使得相似的神經(jīng)元在相鄰的位置，從而實現(xiàn)了與人腦類似的大腦分區(qū)響應處理不同類型的信號的功能。

④ 采用無導師學記機制，不需要教師信號，直接進行分類操作，使得網(wǎng)絡的適應性更強，應用更加的廣泛，尤其是那些對于現(xiàn)在的人來說結(jié)果還是未知的數(shù)據(jù)的分類。頑強的生命力使得神經(jīng)網(wǎng)絡的應用范圍大大加大。

?自組織神經(jīng)網(wǎng)絡相對傳統(tǒng)方法的優(yōu)點

自組織特征映射神經(jīng)網(wǎng)絡的固有特點決定了神經(jīng)網(wǎng)絡相對傳統(tǒng)方法的優(yōu)點：

（1）自組織特性，減少人為的干預，減少人的建模工作，這一點對于數(shù)學模型不清楚的物探數(shù)據(jù)處理尤為重要，減少不精確的甚至存在錯誤的模型給結(jié)果帶來的負面影響。

（2）強大的自適應能力大大減少了工作人員的編程工作，使得被解放出來的處理人員有更多的精力去考慮參數(shù)的調(diào)整對結(jié)果的影響。使得更快的改進方法成為可能。

（3）網(wǎng)絡工作過程中考慮數(shù)據(jù)和網(wǎng)絡的拓撲結(jié)構(gòu)的問題，更類似人類大腦思考問題的方式，問題的解決更符合人的特點，使得結(jié)果的可信程度加大。

（4）無導師學習機制，不需要教師信號。對于地球物理勘探這類的很少有準確的教師信號作為指導的問題而言，這一點很有優(yōu)勢，很好的模仿人腦，所得結(jié)果是其他方法處理結(jié)果的很好的參考。

?關(guān)于人工神經(jīng)網(wǎng)絡

人工神經(jīng)網(wǎng)絡是近幾年來循序發(fā)展的人工智能新技術(shù)，他比專家系統(tǒng)、模糊理論等人工智能技術(shù)具有更高水平。

人工神經(jīng)網(wǎng)絡在80年代中期得到了飛速的發(fā)展。1982年美國加州州立理工學院物理學家Hopfield教授提出了Hopfield人工神經(jīng)網(wǎng)絡模型，他將能量函數(shù)的概念引入人工神經(jīng)網(wǎng)絡，并給出了穩(wěn)定性的判據(jù)，開拓了人工神經(jīng)網(wǎng)絡用于聯(lián)想記憶和優(yōu)化計算的新途徑。

人工神經(jīng)網(wǎng)絡模擬人類部分形象思維的能力，是模擬人工智能的一條途徑。特別是可以利用人工神經(jīng)網(wǎng)絡解決人工智能研究中所遇到的一些難題。人工神經(jīng)網(wǎng)絡理論的應用已經(jīng)滲透到多個領(lǐng)域，在計算機視覺、模式識別、智能控制、非線性優(yōu)化、自適應濾波相信息處理、機器人等方面取得了可喜的進展。