《医学课件神经网络与遗传算法.ppt》由会员分享，可在线阅读，更多相关《医学课件神经网络与遗传算法.ppt（203页珍藏版）》请在三一文库上搜索。
1、荆 岳 坯 梦 酶 吨 汗 卸 悠 黄 汕 为 臣 勇 缀 痴 携 哀 问 桥 淆 撅 檄 嚏 擎 秉 啤 狞 侯 悍 爆 拇 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 人工神经网络与遗传算法 Artificial Neural Network and Genetic Algorithm 筛 假 瞻 蝎 操 洋 纳 嘴 糯 颐 踊 嗅 垒 胀 睬 代 每 似 汉 秆 激 呼 漓 悔 漓 兜 藤 姑 鳞 芳 缚 鞭 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 001110
2、1000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110
3、前言前言 教材 主要参考书 课程目的 课程内容 知识基础 课时安排 成绩评定 衣 紫 尿 脂 引 膝 盗 促 盅 寻 猜 烧 帛 鲁 势 且 感 束 胆 沏 矿 烹 醉 垃 莎 麦 挖 孕 淌 铝 篱 峦 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 10101010
4、11001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 教 材 书 名：人工神经网络导论 出版社：高等教育出版社 作 者：蒋宗礼 定 价：12.4元 魁 寻 苹 耸 昌 泰 抿 掉 劝 赛 吊 阀 往 幻 溶 月 忻 翻 哄 阶 坛 钙 焊 座 嘛 陷 夫 蔽 祥 邻 熬 焉 神 经 网 络 与
5、遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 00
6、11101000110100 1010101011001110 0011101000110100 1010101011001110 主要参考书 1、沈世镒,神经网络理论与应用,科学出版社。 2、郝红伟,Matlab 6.0 入门,中国电力出版社。 3、闻新、周露等，Matlab神经网络应用设计， 科学出版社。 4、周明，孙树栋，遗传算法原理及应用，国防工业 出版社，1999。 裁 涵 盛 审 癣 壶 穗 邢 占 蚤 押 耳 姐 酵 讳 桥 娟 紧 醉 际 个 邪 醛 小 柱 输 困 庆 房 宵 税 谦 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000
7、110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011
8、101000110100 1010101011001110 课程目的课程目的 1、引导学生了解人工神经网络及遗传算法的基本思想。 2、重点介绍感知器及BP网络模型，让学生掌握其结构、 数学描述及学习算法。 3、通过实验进一步体会BP神经网络模型的应用及性能。 4、了解人工神经网络与遗传算法的有关研究思想，培养 将该方法应用与工程实践的能力。 5、查阅适当的参考文献，将所学的知识应用于将来的学 习或科研中。 扛 衍 什 麦 脂 伪 佯 瞥 屠 菩 珍 腺 潜 搞 鹊 稼 捆 犁 标 绿 素 遮 宴 鼠 庸 权 耕 培 露 毕 昼 烘 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传
9、 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 101010
10、1011001110 0011101000110100 1010101011001110 课程内容课程内容 第1章 概述 1. 1 人工神经网络研究与发展 1. 2 生物神经元 1. 3 人工神经网络的构成 第2章 人工神经网络基本模型 2. 1 感知器模型 2. 2 线性神经网络 2. 3 BP神经网络 2. 4 其他神经网络 悯 坎 唾 枪 袄 憋 傍 毁 纠 补 辊 贵 尘 洲 馋 箕 字 佬 廓 翌 滚 该 破 较 劫 阵 弘 雷 恃 橙 渗 珐 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110
11、0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 10101010110
12、01110 第3章 BP神经网络理论 3. 1 网络结构 3. 2 数学模型 3. 3 学习算法 3. 4 网络的泛化能力 3. 5 算法的改进 3. 6 网络结构参数的确定 第4章 BP神经网络应用 4. 1 MATLAB应用基础 4. 2 一个正弦波学习程序设计 4. 3 网络结构调整与算法改进 4. 4 网络计算与分析 馏 契 馒 抹 痔 迄 隆 礁 永 怕 豺 谆 赣 宿 擦 韦 笺 湾 啮 泞 镭 往 幂 匠 籽 擦 啥 仓 雍 锁 柜 佰 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 00
13、11101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001
14、110 第5章 遗传算法 5. 1 形成与发展 5. 2 基本原理 5.2.1 基本概念 5.2.2 编码 5.2.3 适应度函数 5.2.4 遗传算子 5.2.5 遗传学习算法 5. 3 研究方向 5. 4 应用实例 孔 紧 骂 届 湖 弟 违 丰 柱 董 受 还 蜡 蓬 赚 甭 恨 血 免 扳 饿 娃 盗 舰 背 柏 绣 疏 花 镁 恍 鞋 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 10101
15、01011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 知识基础知识基础 1、激励函数（阶跃函数、非线性函数、 连续函数、单调函数）、函数收敛 2、偏微分、
16、梯度、方差与均方差 3、向量与矩阵 4、最优解与解空间 5、Matlab使用 6、人工智能基础 携 侮 另 耳 萤 新 媳 物 睦 衙 鹊 克 佩 混 望 铭 匠 厢 尊 璃 尺 腑 侗 踊 碌 踪 怎 蒂 谓 恒 拿 各 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100
17、 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 课时安排课时安排 1、上课：24学时 814周二34节， 812周五12节 2、上机：20学时 1320周五12节，19 20周二34节 3、其它：8学时 1518周二34节 用于查阅资料、作业、论文写作 锐 柏 卡 掩 澡
18、 葫 肮 涣 尧 揭 竹 鄙 膊 葬 慑 棋 粱 沤 都 幽 灸 童 瘸 窍 磅 蚁 扳 昼 胸 糯 栋 装 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 00111
19、01000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 成绩评定成绩评定 1、出勤率（到课率和上机） 2、作业一次 3、论文一篇 冈 面 威 氛 蝶 敦 大 序 巧 舒 姚 嚏 疥 弥 吾 复 空 乍 恬 微 碳 茎 怕 声 无 孺 梅 集 焰 历 能 惺 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 101010101100111
20、0 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 101010101
21、1001110 1. 1 人工神经网络的研究与发展 第第1 1章章 概述概述 萌 芽 期 第 一 次 高 潮 再认 识和 应用 研究 期 第 二 次 高 潮 反 思 期 40年 代初 50年 代末 60年 代末 80年代90年代 矽 氛 甄 剁 兽 弊 宿 更 队 溪 澄 贪 弘 果 领 莽 明 毁 锭 埃 民 诧 峰 虏 攀 悬 雁 竞 工 划 拇 简 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100
22、1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 1、萌芽期 40年代初，美国Mc Culloch和Pitts从信息 处理的角度，研究神经细
23、胞行为的数学模型表 达提出了阈值加权和模型MP模型。 1949年，心理学家Hebb提出著名的Hebb学 习规则，即由神经元之间结合强度的改变来实 现神经学习的方法。Hebb学习规的基本思想至 今在神经网络的研究中仍发挥着重要作用。 饱 亚 抨 饭 路 崩 蓑 尖 滞 纪 秩 痛 奉 阴 笆 方 态 窖 迄 终 泪 溃 唯 雨 非 炉 茹 帝 驾 搞 约 海 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100
24、 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 2、第一次高潮 50年代末期，Rosenblatt提出感知机模型(Perceptron)
25、。 感知机虽然比较简单，却已具有神经网络的一些基本性质 ，如分布式存贮、并行处理、可学习性、连续计算等。这 些神经网络的特性与当时流行串行的、离散的、符号处理 的电子计算机及其相应的人工智能技术有本质上的不同， 由此引起许多研究者的兴趣。 在60代掀起了神经网络研究的第一次高潮。但是，当 时人们对神经网络研究过于乐观，认为只要将这种神经元 互连成一个网络，就可以解决人脑思维的模拟问题，然而 ，后来的研究结果却又使人们走到另一个极端上。 卞 戎 彭 丹 蔫 不 扳 莲 乍 特 驻 恕 奏 扶 谈 涩 僚 祝 戮 鼓 喝 署 绅 熔 帆 橡 沁 薄 壁 秋 榷 几 神 经 网 络 与 遗 传 算
26、法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 00111010
27、00110100 1010101011001110 0011101000110100 1010101011001110 3、反思期 60年代末，美国著名人工智能专家Minsky和Papert对Rosenblatt的 工作进行了深人研究，出版了有较大影响的Perceptron一书，指 出感知机的功能和处理能力的局限性，同时也指出如果在感知器中引 入隐含神经元，增加神经网络的层次，可以提高神经网络的处理能力 ，但是却无法给出相应的网络学习算法。另一方面，由于60年代以来 微电子技术日新月异的发展，电子计算机的计算速度飞速提高，加上 那时以功能模拟为目标、以知识信息处理为基础的知识工程等研究成 果，
28、给人工智能从实验室走向实用带来了希望，这些技术进步给人们 造成这样的认识：以为串行信息处理及以它为基础的传统人工智能技 术的潜力是无穷的，这就暂时掩盖了发展新型计算机和寻找新的人工 智能途径的必要性和迫切性。再者，当时对大脑的计算原理、对神经 网络计算的优点、缺点、可能性及其局限性等还很不清楚，使对神经 网络的研究进入了低潮。 爹 亿 糖 授 芽 街 匡 经 持 腾 玛 砰 烬 嘴 颓 韦 雌 蹄 住 躁 涟 肮 酵 瘸 核 庭 你 狭 括 哄 理 尤 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0
29、011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 101010101100
30、1110 4、第二次高潮 进入80年代，首先是基于“知识库”的专家系统的研 究和运用，在许多方面取得了较大成功。但在一段时间 以后，实际情况表明专家系统并不像人们所希望的那样 高明，特别是在处理视觉、听觉、形象思维、联想记忆 以及运动控制等方面，传统的计算机和人工智能技术面 临着重重困难。模拟人脑的智能信息处理过程，如果仅 靠串行逻辑和符号处理等传统的方法来济决复杂的问题 ，会产生计算量的组合爆炸。因此，具有并行分布处理 模式的神经网络理论又重新受到人们的重视。对神经网 络的研究又开始复兴，掀起了第二次研究高潮。 萍 慢 崔 胆 束 督 魏 馏 倦 腔 输 钠 饶 击 筒 据 毁 摔 拜 池
31、歼 孔 磐 黔 膳 聚 岗 务 惜 剧 镜 酵 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 00
32、11101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 1982年，美国加州理工学院物理学家JHopfield提出了一种新的神 经网络循环神经网络。他引入了“能量函数”的概念，使得网络稳定性 研究有了明确的判据。 1984年， JHopfield研制了后来被人们称为“Hopfield网”的电路，物 理实现为神经计算机的研究奠定了基础，解决了著名的TSP问题。 1985年，UCSD的Hinton、Sejnowsky、Rumelhart等人所在的并行分 布
33、处理小组的研究者在Hopfield网中引入随机机制，提出了Boltzmann机 。 1986年，Rumelhart等人在多层神经网络模型的基础上，提出了多层 神经网络模型的反向传播学习算法BP（Back propagation）算法，解决 了多层前向神经网络的学习问题，证明了多层神经网络具有很强的学习 能力，它可以完成许多学习任务，解决许多实际问题。 蒲 卑 瞧 忆 獭 帧 靳 旬 席 毫 墟 吝 扬 葫 焕 供 仅 埃 寥 鸥 霓 源 社 棚 傅 执 铸 曙 趁 肩 调 聊 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 101010
34、1011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100
35、1010101011001110 5、再认识和应用研究期（1991） 九十几年来，许多具备不同信息处理能力的神经网络 已被提出来并应用于许多信息处理领域，如模式识别、自 动控制、信号处理、决策辅助、人工智能等方面。神经计 算机的研究也为神经网络的理论研究提供了许多有利条件 ，各种神经网络模拟软件包、神经网络芯片以及电子神经 计算机的出现，体现了神经网络领域的各项研究均取得了 长足进展。同时，相应的神经网络学术会议和神经网络学 术刊物的大量出现，给神经网络的研究者们提供了许多讨 论交流的机会。 象 嗜 疹 搪 娶 询 训 癌 既 挺 竣 道 贡 炸 挫 促 敢 灵 倡 云 馁 萨 缎 绑 降 零
36、 纺 拌 屠 剁 盂 红 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110
37、100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 虽然人们已对神经网络在人工智能领域的研究达 成了共识，对其巨大潜力也毋庸置疑，但是须知，人 类对自身大脑的研究，尤其是对其中智能信息处理机 制的了解，还十分肤浅。因而现有的研究成果仅仅处 于起步阶段，还需许多有识之士长期的艰苦努力。 概括以上的简要介绍，可以看出，当前又处于神 经网络理论的研究高潮，不仅给新一代智能计算机的 研究带来巨大影响，而且将推动整个人工智能领域的 发展。但另一方面，由于问题本身的复杂性，不论是
38、神经网络原理自身，还是正在努力进行探索和研究的 神经计算机，目前，都还处于起步发展阶段。 远 战 细 俺 睦 抨 莱 锋 乏 汪 酒 里 培 扮 寨 孽 诫 兵 柒 畅 阜 夫 讯 皆 渡 祁 勇 列 勋 为 购 郝 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 10
39、10101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 生物神经系统是一个有高度组织和相互作 用的数量巨大的细胞组织群体。人类大脑的神 经细胞大约在1011一1013个左右。神经细胞也 称神经元，是神经系统的基本单元，它们按不 同的结合方式构成了复杂的神经网络。通过神 经元及其联接的可
40、塑性，使得大脑具有学习、 记忆和认知等各种智能。 1. 2 生物神经元 修 鳞 陡 吠 洲 谁 赣 敖 轿 茄 轻 褒 疽 此 正 淫 纂 北 箱 觉 憨 叶 司 患 惩 午 淑 苇 墒 狠 跺 泣 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 10101010110
41、01110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 1、结构 乡 得 蔑 嫩 粹 合 须 讥 鬼 舅 釜 悍 馋 怕 洛 鸵 鹏 柳 而 瞎 之 牲 没 拣 档 懒 惊 吴 闽 甲 划 赌 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 10
42、10101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110
43、100 1010101011001110 神经元由细胞体(Soma)和延伸部分组成。延伸部分按 功能分有两类，一种称为树突(Dendrite)，用来接受来 自其他神经元的信息；另一种用来传递和输出信息， 称为轴突(Axon)。神经元之间的相互连接从而让信息 传递的部位披称为突触(Synapse)，突触的联接是可塑 的，也就是说突触特性的变化是受到外界信息的影响 或自身生长过程的影响。 真 著 灸 咏 癌 莽 录 侮 轻 阜 记 妒 垫 粮 鹊 诸 坠 辩 脚 苗 将 交 揉 共 堆 鬃 憎 苍 切 宪 哲 穗 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 001110
44、1000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110
45、0011101000110100 1010101011001110 2、特征 (1) 并行分布处理 大脑中单个神经元的信息处理速度是很慢的，每 次约1毫秒，比通常的电子门电路要慢几个数量级。但 是人脑对某一复杂过程的处理和反应却很快，一般只 需几百毫秒。而在这个处理过程中，与脑神经系统的 一些主要功能，如视觉、记亿、推理等有关。按照上 述神经元的处理速度，如果采用串行工作模式，就必 须在几百个串行步内完成，这实际上是不可能办到的 。因此只能把它看成是一个由众多神经元所组成的超 高密度的并行处理系统。例如在一张照片寻找一个熟 人的面孔，对人脑而言，几秒钟便可完成，但如用计 算机来处理，以现有的技
46、术，是不可能在短时间内完 成的。 缔 巢 湖 麓 竿 源 瞅 刑 墓 唱 孤 驭 肝 俄 锐 锈 劣 饵 扦 园 碴 朗 榜 裸 丝 掂 胖 脐 停 祖 演 嚷 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110
47、100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 (2) 神经系统的可塑性和自组织性 从生理学的角度看，它体现在突触的可塑性和联接 状态的变化。例如在某一外界信息反复刺激下接受该信 息的神经细胞之间的突触结合强度会增强。这种可塑性反 映出大脑功能既有先天的制约因素，也有可能通过后天的 训练和学习而得到加强。 (3) 信息处理与信息存贮
48、合二为一 由于大脑神经元兼有信息处理和存贮功能，所以在 进行回亿时，不但不存在先找存贮地址而后再调出所存内 容的问题，而不像现行计算机那样存贮地址和存贮内容 是彼此分开的。 实 斡 甜 姨 进 彼 仗 泵 疤 岛 彤 厄 茁 刚 箔 饺 顶 响 厨 纂 逻 劫 奴 鸭 鬃 蚊 目 裳 蝉 屏 删 来 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 00111010001
49、10100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101000110100 1010101011001110 (4) 信息处理的系统性 大脑的各个部位是一个大系统中的许多子系 统。各个子系统之间具有很强的相互联系，一些 子系统可以调节另一些子系统的行为。例如，视 觉系统和运动系统就存在很强的系统联系，可以 相互协调各种信息处理功能。 (5) 能接受和处理模糊的、模拟的、随机的信息 桃 孺 悔 妄 闲 仗 搐 姓 废 擞 喝 扩 石 迅 港 沃 谦 果 辟 悦 些 骗 回 榴 颅 顽 吠 净 匆 超 贤 伪 神 经 网 络 与 遗 传 算 法 神 经 网 络 与 遗 传 算 法 0011101000110100 1010101011001110 0011101000110100 1010101011001110 0011101