1. 研究目的与意义（文献综述）
人工神经网络（artificial neural networks,ann）是一种模仿动物神经网络行为特征，采用数学和物理的方法进行研究的一种分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。当前人工神经网络作为智能科学的重要组成部分，由于他从模拟人脑生物神经系统的结构入手，进而模拟人脑的功能，已成为脑科学、认知科学、计算机科学、数学和物理学等学科共同关注的焦点。其应用研究已经渗透到工业、农业、国防、航空等领域，并且在信号处理、智能控制、图像处理、非线性优化、模式识别、联想记忆、知识获取与表示等方面取得了令人鼓舞的进展。神经网络实际应用的需求推动了其理论研究的发展，当前其主要研究方向包括理论研究，实现技术研究以及应用研究。人工神经网络起始于19世纪末期，但他的发展却经历了一条曲折的道路，在他发展的过程的个领域佼佼者提出了基于多个角度的算法基础的神经网络模型。如感知器，误差反向传播网络，径向基函数网络，cerellatron神经网络，hopfield神经网络，boltzmann机，自适应共振理论网络等等，并且针对神经网络的缺陷，引入了如带动量项的bp算法，遗传算法，粒子群算法等对神经网络的模型进行优化计算，改善网络的性能。
在现有的神经网络中从拓扑结构上看可以分为前馈型神经网络以及反馈型神经网络。
前馈型人工神经网络是多层排列的，信号由输入层到输出层单向传输的网络模型。其信息只能从输入层单元向上传输到它上面一层的单元，然后再向前一层一层地传输。在前馈网络中的神经单元输入与输出的关系，可采用线性阈值传递函数或单调上升的非线性传递函数。由于八十年代提出的bp网络学习算法，使之成为目前应用最为广泛的人工神经网络模型。而在反馈型神经网络中，每个神经元同时将自身的输出信号作为输入信号反馈给其他神经元，它需要工作一段时间才能达到稳定。hopfield神经网络是反馈型神经网络中最简单且应用广泛的模型，它具有联想映射和联想记忆的功能。 从大量的成功使用神经网络的案例看来，选择神经网络一般具有以下一些基本的原则：
2. 研究的基本内容与方案
本课题的研究内容主要包括以下内容：（1）神经网络发展的现状与瓶颈
（2）神经网络的基本原理
（3）神经网络算法的优化算法（遗传算法等）
3. 研究计划与安排
1 － 2周 查阅相关文献，学习了解神经网络的发展相关；
3 － 4周 翻译外语资料，写开题报告；
5 － 6周 学习神经网络基本原理、实现方法以及仿真方法；
4. 参考文献（12篇以上）
1、人工智能之路 神经计算科学：在细胞的水平上模拟脑功能 阮晓刚 北京：国防工业出版社，2006.5
2、神经网络与机器学习(加) simon haykin著 , 申富饶等 译,北京:机械工业出版社,2011
3、人工神经网络原理 马锐 北京：机械工业出版社，2010.7
