close all;
plot(P,A,P,T,'+',P,sin(2*pi*P),':'); pause; clc echo off
人工神经网络发展趋势：
人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。
人工智能及网络拓扑算法的发展, 推动了人工神经网络的重新崛起, 迅速发展已成了当今世界人工智能的又一热点。人工神经网络由于它在并行处理和自适应方面的优良特性及在模式识别方面的应用成果已使人们对之刮目相看。人工神经网络正向模拟人类认知的道路上深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向；在现代神经科学研究成果的基础上，试图用模拟神经网络加工、记忆信息的方式，制造各种智能机器；神经元网络的实现是其广泛应用的前提，是软件与硬件的有效结合，可以针对网络材料和功能结构，研究更简洁高效的网络结构，同时扩大神经元芯片的作用范围； 利用光电结合的神经计算机，创造出功能更全，应用更广的人工神经网络，提高其信息处理能力，进一步优化从理论到实际的实现；人类与计算机的自然口译、流畅的谈话、音频检索甚至用自然语言与计算机对话也是其发展实现的方向之一
[vi]
。
虽然人工神经网络已经取得了一定的进步，但是还存在许多缺陷，例如：应用的面不够宽阔、结果不够精确；现有模型算法的训练速度不够高；算法的集成度不够高；同时我们希望在理论上寻找新的突破点，建立新的通用模型和算法。需进一步对生物神经元系统进行研究，不断丰富人们对人脑神经的认识
[vii]
。
参 考 文 献
[1] 韩立群. 人工神经网络[M]. 北京:北京邮电大学出版社，2006.
[2] 武妍，王守觉.一种通过反馈提高神经网络学习性能的新算法[J].计算机研究与发展，2004，41（9）: 1488-1492.
[3]邓学荣, 王全.神经网络系统.新浪潮.1 9 8 9 年第6 期
[4] 罗忠，谢永斌，朱重光. CMAC学习过程收敛性研究[J]. 自动化学报，1997，23（4）:455-461. [5] 何国光，朱萍，曹志彤，等. 混沌神经网络的Lyapunov指数与混沌区域[J]. 浙江大学报，
2004，31（7）:387-390.
[6]董军，胡上序. 混沌神经网络研究进展和展望[J]. 信息与控制，1997，26（5）:360-368. [7] WU Wei，WANG Jian，CHENG Ming-song，et al. Convergenceanalysis of online gradient method for BP neural networks[J].Neural Networks ， 2011（24）:91-98.