您的位置：关键词：神经网络
有趣的是，Cainaniello对脑的某一状态所对应不同的参数作了举例说明．比如，对应于理解、联想、忘记、睡眠和梦等出现的情况．但他给出的方程组很难求出定量解，并且还未与神经系统的结构相结合，仅仅对神经系统的功能作一些定性分析．当然，他的非线性时变方程组，在一些简化的特殊条件下可以得到解析解．所以许多学者在计算机上用模拟方法研究这个相当复杂的问题．
1962年Rosenblatt对他的感知器作了总结［11］．还有些科学家采用其它数学模 型，如，用代数、矩阵等方法来研究神经网络．值得一提的是，我国中科院生物物理所在19 65年提出用矩阵法描述一些神经网络模型．他们重点研究视觉系统信息传递过程和加工的机 理以及建立有关数学模型．此外，Fogel、Owens和Walsh在1966年出版了一本关于进化规 划的专著Artificial Intelligience Through Simulated Evolution．由于该书所提倡的 思想方法根本不合当时人工智能的主流，受到学术界的怀疑，一直到90年代初才被人们重视 ．
60年代中、后期，Grossberg［12，13］从信息处理的角度，研究了思维和大脑结合的理论问题，运用数学方法研究自组织性、自稳定性和自调节性，以及直接存取信息的有关模型．他建立了一种神网络结构，即：他给出的内星(instar)、外星(outstar)和雪崩(av alanche)为最小的结构．他提出的雪崩网可用于空间模式的学习和回忆以及时间模式的处 理方面，如，执行连续语音识别和控制机器人手臂的运动．他的这些成果，对当时影响很大 ，有些学者与Grossberg合作，他组建的自适应系统中心取得了丰硕的成果，几乎涉及到 神经网络的各个领域．日本神经网络理论家Amari注重生物神经网络的行为与严格的数学 描述相结合，尤其是对信任分配问题的研究，得到许多重要结果．Willshaw等人［14］提出了一种模型：存贮输入信号和只给出部分输入，恢复较完整的信号，即全息音( holophone)模型．这为利用光学原理实现神经网络奠定了理论基础，为全息图与联想记 忆关系的本质问题的研究开辟了一条新途径．Nilsson对多层机，即具有隐层的广义认 知机作了精辟论述［15］，他认为网络计算过程实质上是一种坐标变换或是一种映射．他已对这类系统的结构和功能有比较清楚的认识．但他没有给出一种实用的学习算法．那时，尚无人知道训练由多层阈值逻辑单元(TLUs)组成的多层机的实用方法．60年代，美国在视感控制方面曾热过一阵子，由于识别视觉特征的功能一直得不到增强，于是受到冷落，主要是缺乏理论的正确指导．不言而喻，要解决这样复杂的问题就应该建立它的基本理 论．直到80年代初，Ullman指出了似运动机制的计算理论、Marr的视觉理论，他们为 这一领域的发展奠定了坚实的理论基础．
(3) 坚持阶段． 神经网络理论那遥远但并非遥不可及的目标着实吸引了很多人的目光，美国军方 认为神经网络工程应当比“原子弹工程”更重要，并对它的投资兴趣非常大，而对其实践的 效果也比较满意．这时，Minsky警觉的是，人工智能的发展与前途问题．以顺序离符号推导为其基本特征与神经网络大相径庭．他引发学术界的争议，导致对人工智能投资的增加．他从感知器的功能及局限性入手，在数学上进行了分析，证明了感知器不能实现XOR 逻辑函数问题，也不能实现其它的谓词函数．他认识到感知器式的简单神经网络对 认知群不变性无能为力．1969年Minsky和Papert在MIT出版了一本论著Percertrons，对 当时与感知器有关的研究及其发展产生了恶劣的影响，有些学者把研究兴趣转移到人工智能 或数字计算机有关的理论和应用方面．这样，推动了人工智能的发展，使它占了主导地位．美国在此后15年里从未资助神经网络研究课题，前苏联有关研究机构也受到感染，终止了已经资助的神经网络研究的课题．