简述神经网络的基本思想(收集5篇)

简述神经网络的基本思想篇1

关键词：人工神经网络遗传算法模拟退火算法群集智能蚁群算法粒子群算

1什么是智能算法

智能计算也有人称之为“软计算”，是们受自然（生物界）规律的启迪，根据其原理，模仿求解问题的算法。从自然界得到启迪，模仿其结构进行发明创造，这就是仿生学。这是我们向自然界学习的一个方面。另一方面，我们还可以利用仿生原理进行设计(包括设计算法)，这就是智能计算的思想。这方面的内容很多，如人工神经网络技术、遗传算法、模拟退火算法、模拟退火技术和群集智能技术等。

2人工神经网络算法

“人工神经网络”(artificialneuralnetwork，简称ann)是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。早在本世纪40年代初期，心理学家mcculloch、数学家pitts就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论的研究时代。其后，frosenblatt、widrow和j.j.hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。

神经系统的基本构造是神经元(神经细胞)，它是处理人体内各部分之间相互信息传递的基本单元。据神经生物学家研究的结果表明，人的一个大脑一般有1010～1011个神经元。每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支——树突组成。轴突的功能是将本神经元的输出信号(兴奋)传递给别的神经元。其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接受到的所有信号进行简单处理(如：加权求和，即对所有的输入信号都加以考虑且对每个信号的重视程度——体现在权值上——有所不同)后由轴突输出。神经元的树突与另外的神经元的神经末梢相连的部分称为突触。

2.1人工神经网络的特点

人工神经网络是由大量的神经元广泛互连而成的系统，它的这一结构特点决定着人工神经网络具有高速信息处理的能力。人脑的每个神经元大约有103～104个树突及相应的突触，一个人的大脑总计约形成1014～1015个突触。用神经网络的术语来说，即是人脑具有1014～1015个互相连接的存储潜力。虽然每个神经元的运算功能十分简单，且信号传输速率也较低(大约100次/秒)，但由于各神经元之间的极度并行互连功能，最终使得一个普通人的大脑在约1秒内就能完成现行计算机至少需要数10亿次处理步骤才能完成的任务。

人工神经网络的知识存储容量很大。在神经网络中，知识与信息的存储表现为神经元之间分布式的物理联系。它分散地表示和存储于整个网络内的各神经元及其连线上。每个神经元及其连线只表示一部分信息，而不是一个完整具体概念。只有通过各神经元的分布式综合效果才能表达出特定的概念和知识。

由于人工神经网络中神经元个数众多以及整个网络存储信息容量的巨大，使得它具有很强的不确定性信息处理能力。即使输入信息不完全、不准确或模糊不清，神经网络仍然能够联想思维存在于记忆中的事物的完整图象。只要输入的模式接近于训练样本，系统就能给出正确的推理结论。

正是因为人工神经网络的结构特点和其信息存储的分布式特点，使得它相对于其它的判断识别系统，如：专家系统等，具有另一个显著的优点：健壮性。生物神经网络不会因为个别神经元的损失而失去对原有模式的记忆。最有力的证明是，当一个人的大脑因意外事故受轻微损伤之后，并不会失去原有事物的全部记忆。人工神经网络也有类似的情况。因某些原因，无论是网络的硬件实现还是软件实现中的某个或某些神经元失效，整个网络仍然能继续工作。

人工神经网络是一种非线性的处理单元。只有当神经元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号。因此神经网络是一种具有高度非线性的超大规模连续时间动力学系统。它突破了传统的以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模拟人脑智能行为能力的一大飞跃。

2.2几种典型神经网络简介

2.2.1多层感知网络(误差逆传播神经网络)

在1986年以rumelhart和mccelland为首的科学家出版的《paralleldistributedprocessing》一书中，完整地提出了误差逆传播学习算法，并被广泛接受。多层感知网络是一种具有三层或三层以上的阶层型神经网络。典型的多层感知网络是三层、前馈的阶层网络，即：输入层i、隐含层(也称中间层)j和输出层k。相邻层之间的各神经元实现全连接，即下一层的每一个神经元与上一层的每个神经元都实现全连接，而且每层各神经元之间无连接。

但bp网并不是十分的完善，它存在以下一些主要缺陷：学习收敛速度太慢、网络的学习记忆具有不稳定性，即：当给一个训练好的网提供新的学习记忆模式时，将使已有的连接权值被打乱，导致已记忆的学习模式的信息的消失。?

2.2.2竞争型(kohonen)神经网络

它是基于人的视网膜及大脑皮层对剌激的反应而引出的。神经生物学的研究结果表明：生物视网膜中，有许多特定的细胞，对特定的图形(输入模式)比较敏感，并使得大脑皮层中的特定细胞产生大的兴奋，而其相邻的神经细胞的兴奋程度被抑制。对于某一个输入模式，通过竞争在输出层中只激活一个相应的输出神经元。许多输入模式，在输出层中将激活许多个神经元，从而形成一个反映输入数据的“特征图形”。竞争型神经网络是一种以无教师方式进行网络训练的网络。它通过自身训练，自动对输入模式进行分类。竞争型神经网络及其学习规则与其它类型的神经网络和学习规则相比，有其自己的鲜明特点。在网络结构上，它既不象阶层型神经网络那样各层神经元之间只有单向连接，也不象全连接型网络那样在网络结构上没有明显的层次界限。它一般是由输入层(模拟视网膜神经元)和竞争层(模拟大脑皮层神经元，也叫输出层)构成的两层网络。两层之间的各神经元实现双向全连接，而且网络中没有隐含层。有时竞争层各神经元之间还存在横向连接。竞争型神经网络的基本思想是网络竞争层各神经元竞争对输入模式的响应机会，最后仅有一个神经元成为竞争的胜者，并且只将与获胜神经元有关的各连接权值进行修正，使之朝着更有利于它竞争的方向调整。神经网络工作时，对于某一输入模式，网络中与该模式最相近的学习输入模式相对应的竞争层神经元将有最大的输出值，即以竞争层获胜神经元来表示分类结果。这是通过竞争得以实现的，实际上也就是网络回忆联想的过程。

除了竞争的方法外，还有通过抑制手段获取胜利的方法，即网络竞争层各神经元抑制所有其它神经元对输入模式的响应机会，从而使自己“脱颖而出”，成为获胜神经元。除此之外还有一种称为侧抑制的方法，即每个神经元只抑制与自己邻近的神经元，而对远离自己的神经元不抑制。这种方法常常用于图象边缘处理，解决图象边缘的缺陷问题。

竞争型神经网络的缺点和不足：因为它仅以输出层中的单个神经元代表某一类模式。所以一旦输出层中的某个输出神经元损坏，则导致该神经元所代表的该模式信息全部丢失。

2.2.3hopfield神经网络

1986年美国物理学家j.j.hopfield陆续发表几篇论文，提出了hopfield神经网络。他利用非线性动力学系统理论中的能量函数方法研究反馈人工神经网络的稳定性，并利用此方法建立求解优化计算问题的系统方程式。基本的hopfield神经网络是一个由非线性元件构成的全连接型单层反馈系统。

网络中的每一个神经元都将自己的输出通过连接权传送给所有其它神经元，同时又都接收所有其它神经元传递过来的信息。即：网络中的神经元t时刻的输出状态实际上间接地与自己的t-1时刻的输出状态有关。所以hopfield神经网络是一个反馈型的网络。其状态变化可以用差分方程来表征。反馈型网络的一个重要特点就是它具有稳定状态。当网络达到稳定状态的时候，也就是它的能量函数达到最小的时候。这里的能量函数不是物理意义上的能量函数，而是在表达形式上与物理意义上的能量概念一致，表征网络状态的变化趋势，并可以依据hopfield工作运行规则不断进行状态变化，最终能够达到的某个极小值的目标函数。网络收敛就是指能量函数达到极小值。如果把一个最优化问题的目标函数转换成网络的能量函数，把问题的变量对应于网络的状态，那么hopfield神经网络就能够用于解决优化组合问题。

对于同样结构的网络，当网络参数(指连接权值和阀值)有所变化时，网络能量函数的极小点(称为网络的稳定平衡点)的个数和极小值的大小也将变化。因此，可以把所需记忆的模式设计成某个确定网络状态的一个稳定平衡点。若网络有m个平衡点，则可以记忆m个记忆模式。

当网络从与记忆模式较靠近的某个初始状态(相当于发生了某些变形或含有某些噪声的记忆模式，也即：只提供了某个模式的部分信息)出发后，网络按hopfield工作运行规则进行状态更新，最后网络的状态将稳定在能量函数的极小点。这样就完成了由部分信息的联想过程。

hopfield神经网络的能量函数是朝着梯度减小的方向变化，但它仍然存在一个问题，那就是一旦能量函数陷入到局部极小值，它将不能自动跳出局部极小点，到达全局最小点，因而无法求得网络最优解。

3遗传算法

遗传算法（geneticalgorithms）是基于生物进化理论的原理发展起来的一种广为应用的、高效的随机搜索与优化的方法。其主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。它是在70年代初期由美国密执根（michigan）大学的霍兰（holland）教授发展起来的。1975年霍兰教授发表了第一本比较系统论述遗传算法的专著《自然系统与人工系统中的适应性》（《adaptationinnaturalandartificialsystems》）。遗传算法最初被研究的出发点不是为专门解决最优化问题而设计的，它与进化策略、进化规划共同构成了进化算法的主要框架，都是为当时人工智能的发展服务的。迄今为止，遗传算法是进化算法中最广为人知的算法。

近几年来，遗传算法主要在复杂优化问题求解和工业工程领域应用方面，取得了一些令人信服的结果，所以引起了很多人的关注。在发展过程中，进化策略、进化规划和遗传算法之间差异越来越小。遗传算法成功的应用包括：作业调度与排序、可靠性设计、车辆路径选择与调度、成组技术、设备布置与分配、交通问题等等。

3.1特点

遗传算法是解决搜索问题的一种整理算法，对于各种整理问题都可以使用。搜索算法的共同特征为：①首先组成一组候选解；②依据某些适应性条件测算这些候选解的适应度；③根据适应度保留某些候选解，放弃其他候选解；④对保留的候选解进行某些操作，生成新的候选解。在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。

遗传算法还具有以下几方面的特点：

(1)遗传算法从问题解的串集开始嫂索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解。遗传算法从串集开始搜索，覆盖面大，利于全局择优。(2)许多传统搜索算法都是单点搜索算法，容易陷入局部的最优解。遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。

(3)遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。

(4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。

(5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织搜索时，硬度大的个体具有较高的生存概率，并获得更适应环境的基因结构。

3.2运用领域

前面描述是简单的遗传算法模型，可以在这一基本型上加以改进，使其在科学和工程领域得到广泛应用。下面列举了一些遗传算法的应用领域：①优化：遗传算法可用于各种优化问题。既包括数量优化问题，也包括组合优化问题。②程序设计：遗传算法可以用于某些特殊任务的计算机程序设计。③机器学习：遗传算法可用于许多机器学习的应用，包括分类问题和预测问题等。④经济学：应用遗传算法对经济创新的过程建立模型，可以研究投标的策略，还可以建立市场竞争的模型。⑤免疫系统：应用遗传算法可以对自然界中免疫系统的多个方面建立模型，研究个体的生命过程中的突变现象以及发掘进化过程中的基因资源。⑥进化现象和学习现象：遗传算法可以用来研究个体是如何学习生存技巧的，一个物种的进化对其他物种会产生何种影响等等。⑦社会经济问题：遗传算法可以用来研究社会系统中的各种演化现象，例如在一个多主体系统中，协作与交流是如何演化出来的。

4模拟退火算法

模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据metropolis准则，粒子在温度t时趋于平衡的概率为e-δe/(kt)，其中e为温度t时的内能，δe为其改变量，k为boltzmann常数。用固体退火模拟组合优化问题，将内能e模拟为目标函数值f，温度t演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解计算目标函数差接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(coolingschedule)控制，包括控制参数的初值t及其衰减因子δt、每个t值时的迭代次数l和停止条件s。

5群体（群集）智能（swarmintelligence）

受社会性昆虫行为的启发，计算机工作者通过对社会性昆虫的模拟产生了一系列对于传统问题的新的解决方法，这些研究就是群集智能的研究。群集智能(swarmintelligence)中的群体(swarm)指的是“一组相互之间可以进行直接通信或者间接通信(通过改变局部环境)的主体，这组主体能够合作进行分布问题求解”。而所谓群集智能指的是“无智能的主体通过合作表现出智能行为的特性”。群集智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案提供了基础。

群集智能的特点和优点：群体中相互合作的个体是分布式的(distributed)，这样更能够适应当前网络环境下的工作状态;没有中心的控制与数据，这样的系统更具有鲁棒性(robust)，不会由于某一个或者某几个个体的故障而影响整个问题的求解。可以不通过个体之间直接通信而是通过非直接通信(stimergy)进行合作，这样的系统具有更好的可扩充性(scalability)。由于系统中个体的增加而增加的系统的通信开销在这里十分小。系统中每个个体的能力十分简单，这样每个个体的执行时间比较短，并且实现也比较简单，具有简单性(simplicity)。因为具有这些优点，虽说群集智能的研究还处于初级阶段，并且存在许多困难，但是可以预言群集智能的研究代表了以后计算机研究发展的一个重要方向。

在计算智能(computationalintelligence)领域有两种基于群智能的算法，蚁群算法(antcolonyoptimization)和粒子群算法(particleswarmoptimization)，前者是对蚂蚁群落食物采集过程的模拟，已经成功运用在很多离散优化问题上。

5.1蚁群优化算法

受蚂蚁觅食时的通信机制的启发，90年代dorigo提出了蚁群优化算法(antcolonyoptimization，aco)来解决计算机算法学中经典的“货郎担问题”。如果有n个城市，需要对所有n个城市进行访问且只访问一次的最短距离。

在解决货郎担问题时，蚁群优化算法设计虚拟的“蚂蚁”将摸索不同路线，并留下会随时间逐渐消失的虚拟“信息素”。虚拟的“信息素”也会挥发，每只蚂蚁每次随机选择要走的路径，它们倾向于选择路径比较短的、信息素比较浓的路径。根据“信息素较浓的路线更近"的原则，即可选择出最佳路线。由于这个算法利用了正反馈机制，使得较短的路径能够有较大的机会得到选择，并且由于采用了概率算法，所以它能够不局限于局部最优解。

蚁群优化算法对于解决货郎担问题并不是目前最好的方法，但首先，它提出了一种解决货郎担问题的新思路；其次由于这种算法特有的解决方法，它已经被成功用于解决其他组合优化问题，例如图的着色(graphcoloring)以及最短超串(shortestcommonsupersequence)等问题。

5.2粒子群优化算法

粒子群优化算法(pso)是一种进化计算技术(evolutionarycomputation)，有eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究。

pso同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。

同遗传算法比较，pso的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。

粒子群优化算法(pso)也是起源对简单社会系统的模拟，最初设想是模拟鸟群觅食的过程，但后来发现pso是一种很好的优化工具。

5.2.1算法介绍

pso模拟鸟群的捕食行为。一群鸟在随机搜索食物，在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。

pso从这种模型中得到启示并用于解决优化问题。pso中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。

pso初始化为一群随机粒子(随机解)，然后通过叠代找到最优解，在每一次叠代中，粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解，这个解叫做个体极值pbest，另一个极值是整个种群目前找到的最优解，这个极值是全局极值gbest。另外也可以不用整个种群而只是用其中一部分最优粒子的邻居，那么在所有邻居中的极值就是局部极值。

5.2.2pso算法过程

①种群随机初始化。

②对种群内的每一个个体计算适应值(fitnessvalue)。适应值与最优解的距离直接有关。

③种群根据适应值进行复制。

④如果终止条件满足的话，就停止，否则转步骤②。

从以上步骤，我们可以看到pso和遗传算法有很多共同之处。两者都随机初始化种群，而且都使用适应值来评价系统，而且都根据适应值来进行一定的随机搜索。两个系统都不是保证一定找到最优解。但是，pso没有遗传操作如交叉(crossover)和变异(mutation)，而是根据自己的速度来决定搜索。粒子还有一个重要的特点，就是有记忆。

与遗传算法比较，pso的信息共享机制是很不同的。在遗传算法中，染色体(chromosomes)互相共享信息，所以整个种群的移动是比较均匀的向最优区域移动。在pso中,只有gbest(orlbest)给出信息给其他的粒子，这是单向的信息流动。整个搜索更新过程是跟随当前最优解的过程。与遗传算法比较,在大多数的情况下，所有的粒子可能更快的收敛于最优解。

现在已经有一些利用pso代替反向传播算法来训练神经网络的论文。研究表明pso是一种很有潜力的神经网络算法，同时pso速度比较快而且可以得到比较好的结果。

6展望

目前的智能计算研究水平暂时还很难使“智能机器”真正具备人类的常识，但智能计算将在21世纪蓬勃发展。不仅仅只是功能模仿要持有信息机理一致的观点。即人工脑与生物脑将不只是功能模仿，而是具有相同的特性。这两者的结合将开辟一个全新的领域，开辟很多新的研究方向。智能计算将探索智能的新概念，新理论，新方法和新技术，而这一切将在以后的发展中取得重大成就。

参考文献

[1]“ant-colonyoptimizationalgorithms(aco)”，

leanair4.mit.edu/docushare/dscgi/ds.py/get/file-378/rg_ee141_w8aco.pdf

简述神经网络的基本思想篇2

[关键词]网络技术、研究性学习、思想政治课

2001年6月，《国务院关于基础教育改革与发展的决定》颁布，进一步明确了“加快构建和改革课程体系、结构、内容，建立新的基础教育课程体系”的改革目标；同年6月，教育部制定了《基础教育课程改革纲要（试行）》（以下简称《纲要》），确定了基础教育的改革目标，研制了各门课程的课程标准。《纲要》明确规定从小学至高中设置综合实践活动并作为必修课，其内容主要包括：信息技术教育、研究性学习、社区服务与社会实践以及劳动技术教育；而网络技术为主导的信息技术教育和研究性学习又成为其中的亮点。

研究性学习，是指以学生的自主性、操作性学习为基础，从学校生活和社会生活中选择和确定研究的专题，独自自主开展研究，以个人或小组合作的方式进行，从中培养创新精神和创造能力的一种学习方式和学习活动。研究性学习最大的特点是注重培养学生独立思考和学习能力，改变传统教与学的方式，教与学的重心不再仅仅放在获取知识的层面上，而是转到学会学习，掌握学习方法上，使被动地接受转向主动地探究学习。现代信息技术的发展，尤其是以网络技术为核心的信息技术的发展，使我们享受极大的信息资源的同时，学习手段、学习过程、学习方式也发生了大大的改变。网络技术教学就是以网络技术为物质手段，学生自主化学习，对需要的网络信息进行查找、筛选、核实、分析、研究，用网络信息为自己的学习服务，在实践的过程中培养科学的态度和价值观以及创新精神、研究精神，并学会解决生活中与网络技术学习有关的问题。基于网络技术的研究性学习正是在这样的环境下提出的。

一、研究性学习与网络技术整合的可能性与现实性分析

马克思辨证唯物主义告诉我们，任何事物的发展都具有可能性与现实性。研究性学习，网络技术都是教育科研领域两个崭新的课题，探究二者在特定学科教学中的关系，对于更好的推进基础教育课程改革，促进素质教育发展均具有积极意义。

1、国家教育行政强制力与政策指导为开展研究性学习与网络技术教学提供有力保障。

2000年1月国家教育部决定，研究性学习成为《全日制普通高级中学课程计划（试验修订稿）》中综合实践活动板块的一项重要内容，列为必修课，教育部还专门印发了《普通高中“研究性学习”实施指南（施行）》，要求各学校从2001年9月开始实施，对设置研究性学习的目的，研究性学习的目标、特点，学习内容的选择与设计，实施、评价、管理，进行了明确的规定。

2000年10月，教育部决定从2001年起利用5到10年的时间在全国中小学基本普及信息教育，全面实施“校校通”工程，以信息化带动教育的现代化，实现教育的跨越式发展，并提出加快信息技术教育与其他课程的整合。

目前，各校、各地区都在加快教育信息化，尤其是网络技术应用的进程，探索如何有效应用信息技术培养适应经济全球化的信息时代的人才。信息技术与课程整合的研究，由此拉开帷幕。

2、网络技术为研究性学习提供了必要的环境条件和丰富的教育资源

许多地区在进行研究性学习的过程中，遇到许多问题，其中教育资源的匮乏显得尤为突出。培养人的创新精神和实践能力是信息时代学校教育的核心，而创造能力的关键是对信息的处理能力。

研究性学习需要更为集约丰富的共享资源，包括需要丰富的信息资源和丰富的导师资源，导师资源可以通过专门师资培训和能力应用培训实现，而信息资源可以通过网络实现。网络作为信息技术的核心与主导，在应用教学中具有如下特点：

①集约化的丰富资源。包括信息资源和智慧资源，是课程实施的坚实基础。

②网络资源具有共享性、大量性和广泛传播性的特点。

③网络为学生的合作学习创造了条件，提供了更多的自由选择的机会。建构主义在强调学习者主动建构内部心理过程的同时，强调学习者的“协作”和“对话”，可以使学习者对问题的理解更深入，认识更全面；而且，资源的共享和时空的超越决定了学习者在学习过程中更多自由选择机会。

④网络化学习的特点。网络化学习具有图文、音频并茂的丰富多彩的人机界面；网络能为学生提供符合人类联想思维与记忆特点的、以超文本结构组织的大规模知识库与信息库，学生可以查阅和访问分布在世界各地的多种信息源，必要时可以从该信息源复制、下载所需的软件和资料。

3、以网络技术与研究性学习的整合能最大限度地发挥学生学习主动性与创造性

传统教学中，教科书和教师的教案成为学生获取知识、信息的主要来源、途径，依据行为主义学习理论，在这种建立在“以教师为中心”靠灌输传授的教学模式中，学习的过程被理解为被动的接受外界刺激的过程。这种教学、学习模式的优势十分明显，却又存在严重的弊病：忽视学生的认知主体作用，学生在整个教学过程中始终处于被动的知识接受器的地位，学生的学习主动性被完全忽略，甚至被压抑。

研究性学习是一种以学生自主性、探索性为基础的新的学习方式，它注重学生动手实独立思考，自主学习、解决问题的能力。通过教与学的传统方式的改变，师生共同建立起平等、民主、和谐的、教学相长教学环境，有效提高学生分析、解决问题的能力。网络技术本身就是进行研究性学习的基本手段之一，它要求研究性学习的师生在学习过程中，对学习信息的搜索、整理、挖掘，以利于自身学习活动的顺利进行，提高学习效率。

可见，无论是研究性学习，还是网络技术教学，一个重要的特点是，重视教学、学习主体（学生、教师）的主体性、主动性，崇尚学习过程的自主、创造。

二、研究性学习与网络技术在中学思想政治课整合的探讨

21世纪是人类全面进入信息化社会的世纪，联合国教科文组织国际21实际教育委员会在一份报告中指出：“新技术使人类进入了信息传播全球化的时代，它们消除了距离的障碍，正十分有效地参与整个明日的社会”。的确，现代信息技术，尤其是网络技术为中心的现代教育技术，为教学方法与教学模式的变革提供了坚实的物质基础，同时也给教育工作者以新的挑战；如何适应社会信息化的发展，随时代步伐，着力教育改革，成为一个新的课题。

另一方面，全国上下兴起以改革课程为中心的基础教育改革方兴未艾。研究性学习作为一种学习的理念、策略和方法，已经续渐成为知识经济时代基础教育的研究热点。传统的课程设置和课堂教学只注重确定知识传授，“以课堂为中心，以书本为中心，以教师为中心”，培养的学生是一种继承型、“知识”型人才，而非创造型、实践型人才。研究性学习，使学习的组织、单位、学习内容、形式、学习的周期、评价，教师与师生关系等教学元素发生了质的变化，向中国传统教育模式与方法冲突，推动我国基础教育改革。

1、我国传统思想政治课教学与现代教育的悖向性。

思想政治课的内容，体现了国家、社会对学生个体的发展需要，从学生能否有效地接受思想政治课的内容、理解国家社会对自己的德育要求的角度来看，必须强调学生发展为本的教学理念，即应当充分重视学生人格的形成与发展的规律，充分考虑学生今天能否适应社会生活。思想政治课本身又具有开放性、综合性、时代性、前瞻性和社会性特点，与时代和社会息息相关，与个人成长息息相关，从这个角度上出发，思想政治课的组织与教学应该是开放的、发展的，并且是使受教育者个体（学生）融进教学环境，接触生活、社会的过程。

思想政治课的教学目标与塑造完整人格，培养全面发展的人才的社会、国家是一致的，而传统的思想政治课“为考试而学，为考试而教”，教学的基础性在歪曲目的驱动下彻底毁灭了学生的主动性与创造性。

传统思想政治课与机械“倒灌”的教学方式教学，师生关系被禁锢在输入与输出的简单系统性，缺乏反馈、信息，学生思维僵化，实践能力差，创新与创造能力意识薄弱，培养一批又一批机械的“知识”型人才。

从20世纪90年代全球第三次教育改革浪潮至今，各国教育改革此起彼伏，世界范围内的教育改革更是层出不穷，改革的焦点集中在课程的更新上。

在全球出现“教育战略热”和以“新国民精神”为主的新教育理念浪潮的大环境，我国教育以服务实现中华民族现代化为根本目标，教育改革和发展出现了如下趋势：从传统教育走向现代创新教育，从产学研分离走向产学研一体化，从学历型社会走向学习型社会，从教育国家化走向教育国际化，从封闭教育手段走向教育信息化，从教师的知识传承走向引导创新，从办学体制单一走向多元化，从集中统一模式走向非均衡发展模式。中学思想政治课教学是培养有理想、有道德、有文化、有纪律的社会主义公民，加强青少年思想道德建设的重要途径。在新世纪的教育教学改革过程中，改进中学思想政治课的教学方法、手段、教学理念，让学生适应以新科技革命为主导的知识经济、信息时代的来临具有深远而中大的意义。

2、研究性学习与网络技术的整合与思想政治课的改革一致。

（1、）实施研究性学习与网络技术教学符合思想政治课的时代性。在中学各门学科中，思想政治课与社会变革的联系最为紧密，在思想政治课教学过程中，教师必须随时关注时事、政治理论的新动向，研究性学习主张探究社会生活，能迅速而直接地直接了解社会、生活的变化，学习的过程和终结又能把研究性的成果得以展现和评价，保证学习内容的更新，时代性得以体现。而网络技术的运用能够最大限度的利用网络巨大的信息量，使网络技术教学能在巨大信息量的前提下开展学习活动，网络的同步新闻、滚动信息保证了学习者涉足知识的时效性。

（2、）实施研究性学习与网络技术教学符合思想政治课开放性的要求。一方面，当代中学生是在改革开放不断深入的环境中成长起来的，他们较多地接触日新月异的现实收获和纷繁复杂的社会问题；另一方面，中学德育教学注重培养完善人格，发展个性，而德育教学是思想政治课教学的核心和基本点。无论是中学生接触社会社会、了解时事，分析问题，培养完善德育，研究性学习与网络技术教学通过政策粉丝、社会调查，具体通过研究性学习和网络技术开拓视野，发展兴趣，完善人格。

（3、）实施研究性学习与网络技术教学符合思想政治课实践性的要求。研究性学习本身具有极强的实践性，它要求在指导学生对研究专题（课题）的选择和研究方案的设计，着眼强化学生实践意识，提高学习直接经验并在探究实践中获得积极感性体验的机会和途径，如社会调查、模型模具的制作和建造、热点问题研究等等；而网络技术教学尤其是泛义上的信息技术教学，同样需要较强的社会实践活动，从教育、教学信息的收集、整理，到学习网站建立，资源库、网络平台营运，都需要学生亲自动手，亲自参与其中，充分体现实践性。

（4、）实施研究性学习与网络技术教学符合思想政治课综合性的要求。思想政治课的综合性体现在教学内容的综合性和教学要求、目的上的综合性。研究性学习与网络技术所涉及的面都是相当广泛的，既可以是传统学科，也可以是新兴学科；既可以是科学方面，也可以是人文方面；既可以是单科性，也可以是综合性，充分照顾不同学习主体、学习内容的具体学习条件下的不同需要。另外，研究性学习与网络技术教学着力培养学生的综合思维素质和综合行为素质，在这个层面上，对思想政治课教学具有举足轻重的作用和意义。

另外，研究性学习与网络技术教学在思想政治教学学习评价体系改进，与具体相关学科融合与综合，推崇人本主义理念上，具有积极的意义。

3、研究性学习与网络技术教学在中学思想政治课的具体运用

（1、）基于网络技术教学与研究性学习的中学思想政治课实施过程。根据研究性学习特点与网络技术教学的要求，基于网络技术教学与研究性学习的中学思想政治课教学模式实施的流程可以分为：研读（初学）教材——确立课题——制定方案——指导并开展研究——成果表述与评价，共五个阶段，具体实施简单介绍如下：

研究教材。这是学习的起点和基础，它决定着以后学习开展的内容、手段、过程，甚至最终的成果表述。按照经验，研读（初学）教材可以采取不同的方法。如朗诵、表演、图片展示、“修改”教材等形式进行。通过研读教材，使学生对教材对所需要再深入学习有了一个感性的认识，同时也能明确教材中的难点和疑点，从而研究课题奠定学习基础。

确立课题。选择课题应当以课本知识为依托，关注社会和科技发展的趋势与走向。一般说来，不同的学习内容有不同的研究方向和手段，确定课题可以教师选题，学生选题等形式进行。在实际的操作中，无论是教师选题还是学生选题，教师应当着力指导学生侧重一个方面作为研究方向，依据具体、可行、新颖、现实的原则，确立学习课题。

制定方案。在确定研究学习课题之后，学生依据分组，各个课题小组结合自己的课题构思、目的、目标等，查询资料、调查访问，确定自己课题小组的具体研究内容，写出课题研究方案，教师对学生存在的问题和困难应当及时给予必要的指导，在此基础上，形成完整的各课题小组子课题的研究方案，以便进行课题的开题论证与评审。

指导并开展研究。在前面的几个准备环节之后，便进入了研究性学习的实质阶段，既开展学习活动。首先要向学生介绍常用的研究方法，常用的科学研究方法有观察法、实验法、文献法、调查法、咨询法等，以网络技术为主要手段，开展学习。其次，要求学生制定一个学生目标，学生就可以上述目标和方案进行自主研究学习。在获取所需的信息之后，要对已获取的信息进行整理、分析和综合。研究成果的表达必须坚持实事求是的原则，教师要教会学生用恰当的方式表达研究成果。

成果表述与评价。这是整个研究性学习活动的重要组成部分。通过交流研讨分享成果，。在交流、研讨的过程中，学生的认识水平会因此而得到提高。常见的研究性学习的成果交流方式有研究，论文、多媒体、表演、展览，成果可以同网页（校园网）展示，体现网络技术在研究性学习中的优越性。

（2、）基于网络技术教学与研究性学习的中学思想政治课整合实例。研究性学习与网络技术教学的学习形式不仅是开放的，而且还是多种多样的，在具体实践过程中，最好是由学生从显示生活中发现问题，提出课题，教师可以指导，也可以推荐课题，凡是与思想政治课相关的内容，都可以大胆地运用两项教学技术，发挥学生主动性，实施研究性与网络技术教学。

本文以“加入WTO对我市经济发展的影响”为例，对在网络技术教学条件下的研究性学习作一简单叙述。

[1]研究课题的目标：

本课题的研究目标主要是让学生通过对该课题的研究，了解“入世”对我市经济结构、文化结构、社会结构的影响，尤其是让学生通过网络搜索、网络信息处理与现实生活的体会，着力解剖“入世”后，同学们身边的微妙变化和对未来形势的展望。

[2]研究课题的具体实施：

阶段一：准备和指导。专门安排一节课，介绍该课题的研究意义、程序，对于开展研究性学习较晚的学校，可请校外的专家或其他有经验的人员做一个专门讲座，对研究性学习的基本知识做必要的辅导。同时，向同学们展示有关利用网络开展研究性学习的成功案例，以便于同学理解和增强实验信心。

阶段二：设计方案，开展研究。首先，让学生通过上网查找有关资料，了解我国为争取“入世”所做的努力，“入世”后对我国经济的影响，“入世”我国在经济、教育、社会等领域将实现怎样的改变与为“入世”条款做怎样的承诺。其次，了解本市的经济基本概况，尤其是对本市历年经济的发展，要进行深入的了解和分析（如属于什么产业结构、出口和对外贸易占全市的经济总量是多少、国有企业的改制和效益如何等等）。最后，把收集和整理的资料进行汇总，开展研究（研究的方法这里不作赘述，可参考有关开展研究性学习常规方法进行），得出结论，在研究的基础上，写出研究报告。

阶段三：评价与交流。在老师的指导下，学生应该先进行自评，总结整个研究过程的不足与成功；然后，有条件的学校通过校园网上的论坛、BBS、留言板进行交流，也可向有关媒体（如报纸、杂志、有关网站）投稿，尽量使成果得到最高效的展示。

[3]研究课题的评价：

根据有关学者的观点，在对课题研究报告的评价中，可以采用定性的评语式与定量的记分式评价相结合的方法。评价的根据可以依据课题的目的、研究过程的积极性、成果的价值与创新等指标来进行。

【参考文献】

[1]张健徐文龙，《中国教育新走向——21世纪中国教育改革与发展展望》，广东教育出版社，2002年4月第1版；

[2]张华，《课程与教学论》，上海教育出版社，2000年11月第1版；

[3]刘婉华罗朝猛，《聚焦研究性学习——从理论到实践》，中山大学出版社，2002年2月第1版；

[4]陆宏冯学斌，《中学信息技术教学理论与实践》，山东人民出版社，2002年7月第1版；

[5]中华人民共和国教育部，《全日制普通高级中学课程计划（试验修订稿）》，2000年1月；

[6]中华人民共和国教育部，《普通高中“研究性学习”实施指南（试行）》，2001年9月；

[7]黄秉刚，《网络环境下的研究性学习之探索》，《人民教育》，2002．4；

[8]郑晓锋，《运用现代信息技术开杂货内研究性学习》，《历史教学》，2002．2；

[9]李海北，《谈网络在研究性学习中的作用》，《开放教育研究》，2002．1；

[10]胡兴松，《思想政治课研究性学习课程实施方案》，《中学政治教学参考》2002．Z1；

[11]毕作勤刘强王绪东，《研究性学习与学科课程的整合》，《中国教育学刊》，2003．4；

简述神经网络的基本思想篇3

[摘要]研究性学习是倡导以学生的自主性学习为基础的一种崭新的学习模式，基于网络技术的研究性学习是以网络技术为媒介和手段，改变传统的学习理念和学习方式，突出现代信息技术教育的作用，开展研究性学习，提高学习效率，培养学生创新和实践能力。本文拟通过论述中学思想政治课的教学如何在基于网络技术条件下进行研究性学习，探讨适合中学思想政治课的新的教学模式。

[关键词]网络技术、研究性学习、思想政治课

研究性学习，是指以学生的自主性、操作性学习为基础，从学校生活和社会生活中选择和确定研究的专题，独自自主开展研究，以个人或小组合作的方式进行，从中培养创新精神和创造能力的一种学习方式和学习活动。现代信息技术的发展，尤其是以网络技术为核心的信息技术的发展，使我们享受极大的信息资源的同时，在学习手段、学习过程、学习方式上大大的改变。网络技术教学就是以网络技术为物质手段，学生自主化学习，对需要的网络信息进行查找、筛选、核实、分析、研究，用网络信息为自己的学习服务，在实践的过程中培养科学的态度和价值观以及创新精神、研究精神，并学会解决生活中与网络技术学习有关的问题。基于网络技术的研究性学习正是在这样的环境下提出的。

1、我国传统思想政治课教学与现代教育的悖向性。

思想政治课的内容，体现了国家、社会对学生个体的发展需要，从学生能否有效地接受思想政治课的内容、理解国家社会对自己的德育要求的角度来看，必须强调学生发展为本的教学理念，即应当充分重视学生人格的形成与发展的规律，充分考虑学生今天能否适应社会生活。思想政治课本身又具有开放性、综合性、时代性、前瞻性和社会性特点，与时代和社会息息相关，与个人成长息息相关，从这个角度上出发，思想政治课的组织与教学应该是开放的、发展的，并且是使受教育者个体（学生）融进教学环境，接触生活、社会的过程。

思想政治课的教学目标与塑造完整人格，培养全面发展的人才的社会、国家是一致的，而传统的思想政治课“为考试而学，为考试而教”，教学的基础性在歪曲目的驱动下彻底毁灭了学生的主动性与创造性。

传统思想政治课与机械“倒灌”的教学方式教学，师生关系被禁锢在输入与输出的简单系统性，缺乏反馈、信息，学生思维僵化，实践能力差，创新与创造能力意识薄弱，培养一批又一批机械的“知识”型人才。在新世纪的教育教学改革过程中，改进中学思想政治课的教学方法、手段、教学理念，让学生适应以新科技革命为主导的知识经济、信息时代的来临具有深远而中大的意义。

2、研究性学习与网络技术的整合与思想政治课的改革一致。

（1、）实施研究性学习与网络技术教学符合思想政治课的时代性。在中学各门学科中，思想政治课与社会变革的联系最为紧密，社会、生活中的信息随着时间的不断推移而发生变化，在思想政治课教学过程中，教师必须随时关注时事、政治理论的新动向，研究性学习主张探究社会生活，能迅速而直接地直接了解社会、生活的变化，学习的过程和终结又能把研究性的成果得以展现和评价，保证学习内容的更新，时代性得以体现。而网络技术的运用能够最大限度的利用网络巨大的信息量，使网络技术教学能在巨大信息量的前提下开展学习活动，网络的同步新闻、滚动信息保证了学习者涉足知识的时效性。

（2、）实施研究性学习与网络技术教学符合思想政治课开放性的要求。一方面，当代中学生是在改革开放不断深入的环境中成长起来的，他们较多地接触日新月异的现实收获和纷繁复杂的社会问题；另一方面，中学德育教学注重培养完善人格，发展个性，而德育教学是思想政治课教学的核心和基本点。无论是中学生接触社会社会、了解时事，分析问题，培养完善德育，研究性学习与网络技术教学通过政策粉丝、社会调查，具体通过研究性学习和网络技术开拓视野，发展兴趣，完善人格。

（3、）实施研究性学习与网络技术教学符合思想政治课实践性的要求。研究性学习本身具有极强的实践性，它要求在指导学生对研究专题（课题）的选择和研究方案的设计，着眼强化学生实践意识，提高学习直接经验并在探究实践中获得积极感性体验的机会和途径，如社会调查、模型模具的制作和建造、热点问题研究等等；而网络技术教学尤其是泛义上的信息技术教学，同样需要较强的社会实践活动，从教育、教学信息的收集、整理，到学习网站建立，资源库、网络平台营运，都需要学生亲自动手，亲自参与其中，充分体现实践性。

（4、）实施研究性学习与网络技术教学符合思想政治课综合性的要求。思想政治课的综合性体现在教学内容的综合性和教学要求、目的上的综合性。研究性学习与网络技术所涉及的面都是相当广泛的，既可以是传统学科，也可以是新兴学科；既可以是科学方面，也可以是人文方面；既可以是单科性，也可以是综合性，充分照顾不同学习主体、学习内容的具体学习条件下的不同需要。另外，研究性学习与网络技术教学着力培养学生的综合思维素质和综合行为素质，在这个层面上，对思想政治课教学具有举足轻重的作用和意义。

另外，研究性学习与网络技术教学在思想政治教学学习评价体系改进，与具体相关学科融合与综合，推崇人本主义理念上，具有积极的意义。

3、研究性学习与网络技术教学在思想政治课的具体运用

（1、）基于网络技术教学与研究性学习的中学思想政治课实施过程。根据研究性学习特点与网络技术教学的要求，基于网络技术教学与研究性学习的中学思想政治课教学模式实施的流程可以分为：研读（初学）教材——确立课题——制定方案——指导并开展研究——成果表述与评价，共五个阶段，具体实施简单介绍如下：

研究教材。这是学习的起点和基础，它决定着以后学习开展的内容、手段、过程，甚至最终的成果表述。按照经验，研读（初学）教材可以采取不同的方法。如朗诵、表演、图片展示、“修改”教材等形式进行。通过研读教材，使学生对教材对所需要再深入学习有了一个感性的认识，同时也能明确教材中的难点和疑点，从而研究课题奠定学习基础。

确立课题。选择课题应当以课本知识为依托，关注社会和科技发展的趋势与走向。一般说来，不同的学习内容有不同的研究方向和手段，确定课题可以教师选题，学生选题等形式进行。在实际的操作中，无论是教师选题还是学生选题，教师应当着力指导学生侧重一个方面作为研究方向，依据具体、可行、新颖、现实的原则，确立学习课题。

制定方案。在确定研究学习课题之后，学生依据分组，各个课题小组结合自己的课题构思、目的、目标等，查询资料、调查访问，确定自己课题小组的具体研究内容，写出课题研究方案，教师对学生存在的问题和困难应当及时给予必要的指导，在此基础上，形成完整的各课题小组子课题的研究方案，以便进行课题的开题论证与评审。

指导并开展研究。在前面的几个准备环节之后，便进入了研究性学习的实质阶段，既开展学习活动。首先要向学生介绍常用的研究方法，常用的科学研究方法有观察法、实验法、文献法、调查法、咨询法等，以网络技术为主要手段，开展学习。其次，要求学生制定一个学生目标，学生就可以上述目标和方案进行自主研究学习。在获取所需的信息之后，要对已获取的信息进行整理、分析和综合。研究成果的表达必须坚持实事求是的原则，教师要教会学生用恰当的方式表达研究成果。

成果表述与评价。这是整个研究性学习活动的重要组成部分。通过交流研讨分享成果，。在交流、研讨的过程中，学生的认识水平会因此而得到提高。常见的研究性学习的成果交流方式有研究，论文、多媒体、表演、展览，成果可以同网页（校园网）展示，体现网络技术在研究性学习中的优越性。

（2、）基于网络技术教学与研究性学习的中学思想政治课整合实例。研究性学习与网络技术教学的学习形式不仅是开放的，而且还是多种多样的，在具体实践过程中，最好是由学生从显示生活中发现问题，提出课题，教师可以指导，也可以推荐课题，凡是与思想政治课相关的内容，都可以大胆地运用两项教学技术，发挥学生主动性，实施研究性与网络技术教学。

本文以“加入WTO对我市经济发展的影响”为例，对在网络技术教学条件下的研究性学习作一简单叙述。

[1]研究课题的目标：

本课题的研究目标主要是让学生通过对该课题的研究，了解“入世”对我市经济结构、文化结构、社会结构的影响，尤其是让学生通过网络搜索、网络信息处理与现实生活的体会，着力解剖“入世”后，同学们身边的微妙变化和对未来形势的展望。

[2]研究课题的具体实施：

阶段一：准备和指导。专门安排一节课，介绍该课题的研究意义、程序，对于开展研究性学习较晚的学校，可请校外的专家或其他有经验的人员做一个专门讲座，对研究性学习的基本知识做必要的辅导。同时，向同学们展示有关利用网络开展研究性学习的成功案例，以便于同学理解和增强实验信心。

阶段二：设计方案，开展研究。首先，让学生通过上网查找有关资料，了解我国为争取“入世”所做的努力，“入世”后对我国经济的影响，“入世”我国在经济、教育、社会等领域将实现怎样的改变与为“入世”条款做怎样的承诺。其次，了解本市的经济基本概况，尤其是对本市历年经济的发展，要进行深入的了解和分析（如属于什么产业结构、出口和对外贸易占全市的经济总量是多少、国有企业的改制和效益如何等等）。最后，把收集和整理的资料进行汇总，开展研究（研究的方法这里不作赘述，可参考有关开展研究性学习常规方法进行），得出结论，在研究的基础上，写出研究报告。

阶段三：评价与交流。在老师的指导下，学生应该先进行自评，总结整个研究过程的不足与成功；然后，有条件的学校通过校园网上的论坛、BBS、留言板进行交流，也可向有关媒体（如报纸、杂志、有关网站）投稿，尽量使成果得到最高效的展示。

[3]研究课题的评价：

根据有关学者的观点，在对课题研究报告的评价中，可以采用定性的评语式与定量的记分式评价相结合的方法。评价的根据可以依据课题的目的、研究过程的积极性、成果的价值与创新等指标来进行。

（字数：3600字）

【参考文献】

[1]张健徐文龙，《中国教育新走向——21世纪中国教育改革与发展展望》，广东教育出版社，2002年4月第1版；

简述神经网络的基本思想篇4

1.统计分析方法

统计分析方法是利用统计学原理对数据库中的数据进行分析，从而找出它们之间的关系和规律的方法。统计分析一直是分析空间数据的常用方法，侧重空间物体和现象的非空间特性分析。统计分析方法包括线性与非线性分析、相关分析、回归分析、差异分析、判别分析、Bayes网络等。统计分析方法的缺点是难以处理字符型数据，需要具有领域知识和统计知识，一般由具有统计经验的领域专家来完成。

2.基于集合论的数据挖掘方法

集合论（简称集论）是一门研究集合（由一些抽象数学对象构成的整体）的数学理论。集论（加上逻辑和谓词演算）是数学的公理化基础之一，通过集合、元素及成员关系来形式化地表示其他数学对象。基于集合论的数据挖掘方法包括覆盖正例排斥反例方法、概念层次网络方法和基于粗糙集理论方法，其中应用最广泛的是粗糙集（RS）理论方法。这三种方法中都使用了集合理论中的一些概念和原理，并涉及到大量的集合运算。

粗糙集理论（RoughSetTheory）是波兰学者Z.Pawlak在1982年提出的，它被广泛研究并应用于不精确、不确定、不完全的信息分类分析和知识获取。粗糙集（RS）作为集合论的扩展，是一种用于研究不完全和不完整信息描述的数据挖掘技术，它能够在缺少数据先验知识的情况下，以考察数据的分类能力为基础，解决模糊或不确定数据的分析和处理。

覆盖正例排斥反例方法是利用覆盖所有正例、排斥所有反例的思想来寻找规则。首先在正例集合中任选一个种子，到反例集合中逐个比较。与字段取值构成的选择子相容则舍去，相反则保留。按此思想循环所有正例种子，将得到正例的规则（选择子的合取式），比较典型的算法有Michalski的AQ11方法、洪家荣改进的AQ15方法和AE5方法。

概念层次网络（HNC）理论是关于自然语言理解处理的一个理论体系，它建立了网络式概念符号基元体系，即概念表述的数学表示式，这个表示式能够与自然语言的词语建立起语义映射关系，同时它是高度数字化的，每一个符号基元（字母或数字）都具有确定的意义，可充当概念联想的激活因子。语义网络是树状的分层结构，每一层的若干节点分别用数字来表示，网络中的任何一个节点都可以通过从最高层开始到该节点结束的一串数字唯一确定。HNC通过概念符号基元体系把自然语言映射到概念空间，数字化的概念表达式可以树形展开，这样才能充分利用概念符号化带来的优点对概念进行各种运算和操作。

3.决策树方法

决策树是通过一系列规则对数据进行分类的过程，其表现形式是类似于树形结构的流程图。首先，以信息论中的信息增益原理为基础，寻找数据库中最大信息量的字段，建立决策树的根节点；然后根据字段的不同属性值建立树的分枝，再在每个分枝子集中递归建立树的下层分枝和节点，非叶子节点表示属性，最下层的叶子节点表示数据集的子类类别，这样便生成一棵决策树；最后对决策树进行剪枝处理，通过树形结构产生一组规则，依照规则将数据集分类。它着眼于从一组无序、没有规则的数据中推理出决策树表示形式的分类规则。决策树方法的优点是决策制定的过程可见，不需要长时间构造过程，描述简单、易于理解、分类速度快；缺点是很难基于多个变量组合发现规则。决策树方法擅长处理非数值型数据，而且特别适合大规模的数据处理。常用的决策树算法有CLS算法、ID3算法、C4.5算法等。

4.聚类分析方法

聚类分析方法是根据数据特征，按一定的距离或相似性系统，将数据分成一系列相互区分的类，划分的标准是类内差别最小、类间差别最大。即将实体对象或抽象对象的集合分组，这个由类似的对象组成的多个类的过程称为聚类。通过聚类以后，数据集就转化为类集，同类数据具有相似的变量值，不同类数据的变量值不具有相似性。在知识模式类型无法得知的情况下，可以运用聚类分析法进行分类、识别。按照模式间的相似程度进行自动分类的聚类分析法，能够将相似度大的模式归为一类。按聚类过程分，聚类分析法有凝聚算法、分裂算法、增量聚类和划分聚类。按相似性系统，聚类算法可以分成基于距离的方法、基于层次的方法、基于密度的方法以及基于网格的方法。例如，层次方法就是按照一定的层次分解给定的数据对象集合，可以分为分裂层次方法和凝聚层次方法。聚类分析法适用于分析样本之间的内部关系，合理的评价样本结构。此外，孤立点的检测也可以应用聚类分析。聚类是为了将某个对象从大量的数据中分离出来，而不是简单地将数据集合在一起。目前，聚类分析法已广泛应用于图像处理、模式识别、经济分析等多个研究领域。

5.人工神经网络方法

神经网络法是一种模拟生物神经系统的结构和功能，通过训练来学习的非线性预测模型，可完成分类、聚类、特征挖掘等多种数据挖掘任务。神经网络（NerualNet）指由大量的神经元（PE）互连而成的网络，神经网路模型通常由输入层、中间层（亦称隐层）和输出层组成。在每个神经元求得输入值后，再汇总计算总输入值；由过滤机制比较总输入值，确定网络的输出值。可以通过连接一组神经元来模拟复杂行为，当修改连接层的“接度”或权值时，神经网络就进行了学习或“训练”。

神经网络的学习方法主要表现在上述权值的修改过程上。这种方法模拟了人脑神经元结构，通过大量神经元构成的网络来实现自适应的非线性动态系统，具有对非线性数据快速建模的能力，通过对训练集的反复学习来调节自身的网络结构和连接权值，并对未知的数据进行分类和预测。其优点是具有自学习、自组织、自适应、抗干扰、分布存储、联想记忆、非线性学习、大规模并行处理等功能，对复杂情况能得到精确的预测结果；缺点是不适合处理高维度变量，具有“黑箱”性，人们难以理解网络的学习和决策过程，输出结果也难以解释。目前，神经网络法主要用于数据挖掘的分类、聚类知识以及特征的挖掘过程。

简述神经网络的基本思想篇5

说明：

可能您的专业并不完全符合本试题所涉及的领域。因此，并非所有的问题都需要回答，您可以只回答你所熟悉和能够回答的问题。允许参考任意的资料，但请独立完成此试题，我们更欣赏您独立的思考和创新的精神。本试题并非我们录用或者不录用您的惟一依据。应聘高级研究人员者请回答这部分问题。

1．人工智能与模式识别的研究已有多年，但似乎公认的观点认为它仍然非常困难。试对你所熟悉的任一方向（如指纹识别、人像识别、语音识别、字符识别、自然语言理解等）的发展状况进行描述。并设想如果你将从事该方向的研究，你打算如何着手，以建立有效的识别理论和方法；或者你认为现在的理论和方法有何缺陷，有什么办法来进行改进？（500字以内即可，不要太长）

2．简述下面任一主题的主要理论框架或主要观点（500字以内即可，不要太长）

（1）DavidMarr的视觉计算理论框架

（2）格式塔（Gestalt）心理学派的主要观点

（3）Bayes决策理论

（4）人工神经网络中的BP网络、自组织网络和联想记忆网络的主要内容

（5）基因算法

（6）小波分析

（7）目前流行的有损静态图像压缩方法

3．设想你要设计一个算法，检测给定的图像中是否有矩形结构。所要检测的矩形可能有多种形态，试提出你的算法框架。要求你的算法至少能检测出样本中的矩形，而拒绝其他的任意非矩形结构。矩形的大小、位置和方向未知，要求你的算法能确定这些参数。

如果你认为这个问题太难而不能解决，请说明理由。

高级软件开发人员招聘试题

说明：

可能您的专业并不完全符合本试题所涉及的领域。因此，并非所有的问题都需要回答，您可以只回答你所熟悉和能够回答的问题。允许参考任意的资料，但请独立完成此试题，我们更欣赏您独立的思考和创新的精神。本试题并非我们录用或者不录用您的惟一依据。

应聘高级软件开发人员者请回答这部分问题。

1．数据的逻辑存储结构（如数组，队列，树等）对于软件开发具有十分重要的影响，试对你所了解的各种存储结构从运行速度、存储效率和适用场合等方面进行简要地分析。

2．数据库技术是计算机系统中一个非常重要的领域，几乎所有的计算机应用中都或多或少地用到了数据库。试简要地谈谈数据库设计中应当注意哪些问题，以及如何解决？给出两种你所熟悉的DBMS，要求一种适用于小型应用，另一种适用于大型应用，给出你做出选择的理由。

3．某公司的主要业务是提供WWW和E-mail服务，出于安全考虑，该公司要求我公司提供一套网络指纹登录系统，该系统要求能够利用指纹替代E-mail中常用的密码，并对所提供的部分网页通过指纹认证后才能访问，请利用你所学过的知识对该系统进行分析设计，你可以指定网络的配置（包括协议），但必须保证邮件用户既可通过网页（http方式）收取信件，也可通过Outlook收取信件。请分析该系统的可行性，可行时给出系统结构和主要的存储结构，指出系统中的难点和解决方法。（假设指纹识别的问题已经解决）

高级硬件开发人员招聘试题

说明：

可能您的专业并不完全符合本试题所涉及的领域。因此，并非所有的问题都需要回答，您可以只回答你所熟悉和能够回答的问题。允许参考任意的资料，但请独立完成此试题，我们更欣赏您独立的思考和创新的精神。本试题并非我们录用或者不录用您的惟一依据。

应聘高级硬件开发人员者请回答这部分问题。

1．下面是一些基本的数字电路知识问题，请简要回答：

（1）什么是Setup和Holdup时间？

（2）什么是竞争与冒险现象？怎样判断？如何消除？

（3）请画出用D触发器实现2倍分频的逻辑电路。

（4）什么是“线与”逻辑？要实现它，在硬件特性上有什么具体要求？

（5）什么是同步逻辑和异步逻辑？

（6）请画出微机接口电路中，典型的输入设备与微机接口逻辑示意图（数据接口、控制接口、所存器／缓冲器）。

（7）你知道哪些常用的逻辑电平？TTL与COMS电平可以直接互连吗？

2．可编程逻辑器件在现代电子设计中越来越重要，请问：

（1）你所知道的可编程逻辑器件有哪些？