6、人工神经网络能力的传统路线图

人工神经网络能力的传统路线图

1. 人工神经网络的实用价值与设计类型

人工神经网络（ANNs）的实际应用依赖于其能够执行对工程或其他经济领域重要的特定计算任务。然而，一些流行的说法常让人误以为ANNs仅能执行一两项基本任务，其余只是“简单应用”，这是极具误导性的。

1988 年的广泛调查显示，ANNs存在三种基本设计类型，至今仍在使用：
- 硬连线设计 ：用于执行高度特定、具体的任务，例如“硅视网膜”进行图像预处理。
- 静态或组合优化设计 ：实现多变量复杂函数的最小化或最大化。
- 基于学习的设计 ：随着时间调整或适应ANN的权重或参数，使系统能在广泛应用中执行通用任务。

学习设计如今占据该领域的大部分，但其他两类仍值得探讨。

2. 硬连线设计

硬连线设计通常试图模仿某些大脑回路的细节，包含成人脑内所有的连接和参数，无需进一步学习。主要示例如下：
| 示例 | 用途 |
| ---- | ---- |
| 硅视网膜 | 图像预处理 |
| 硅耳蜗 | 语音数据预处理 |
| 六足机器人的人工控制器 | 基于对蟑螂的研究进行建模 |

大脑自身也使用相对固定的预处理器和后处理器，以简化高级中枢的工作，这是基于数百万年的进化和特定具体任务的经验。目前许多关于小波的工作（常作为ANN之前的预处理器）可归为此类，但小波分析也可通过神经网络方法实现自适应。