路面是车辆行驶的主要环境，路面不平度会影响车辆的寿命和行驶的安全性、操纵稳定性等等，所以对各种路面进行识别的研究在交通运输领域占据了重要地位，越来越受到重视。目前神经网络技术已经被广泛用于模式识别领域。

神经网络技术是近年来非线性科学领域最重要的研究成果之一，神经网络技术在众多研究者的努力下，理论上日趋完善，算法种类不断增加。自八十年代复苏以来，这一交叉学科已成为人工智能、神经科学、认知科学、心理学、行为学等学科共同关心的焦点，吸引了大批研究人员的注意力。经过多年的研究，在许多领域取得的令人瞩目的成就，比如，它可用于工业中元件自动检查，借助摄像、声纳、雷达识别人和设备，用于识别说话人和手体字，可执行复杂的诊断和控制，如核电站的控制、机器元件寿命的自动实时监督等，声音操作的字处理器、给盲人用的朗读机、机器人服务员已经成为我们的伙伴。这些都充分证明了模拟生物神经计算功能的神经网络具有通常的数字计算机所难以比拟的许多优势，如自学习能力、自组织、自适应性和联想能力等。51243

 神经网络概述

人工神经网络（Artificial Neural Network,ANN）,亦称为神经网络（Nerual Network）,是由大量处理单元（神经元 Neurons）互连而成的网络，是对人脑的抽象﹑简化和模拟，反映人脑的基本特性。人工神经网络的研究是从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是根植于神经科学﹑数学﹑统计学﹑物理学﹑计算机科学及工程等学科的一种技术。

神经网络也经常被称为神经计算机（Neurocomputer）,但它与现代数字计算机的不同之处主要表现在以下方面：

（1）神经网络的信息存储与处理（计算）是合二为一的，即信息的存储体现在神经元互连的分布上；传统计算机的存储与计算是独立的，因而在存储与计算质检存在着瓶颈。

（2）神经网络以大规模模拟计算为主；数字计算机是以串行离散符号处理为主。

（3）神经网络具有很强的鲁棒性和容错性，善于联想﹑概括﹑类比﹑和推广，任何局部的损伤不会影响整体结果。

（4）神经网络具有很强的自学习能力，能为新的输入产生合理的输出，可在学习过程之中不断完善自己，具有创新的特点。

（5）神经网络是一个大规模自适应非线性动力系统，具有集体运算的能力。这与本质上是线性系统的现代数字计算机迥然不同。

人工神经网络是近年来的热点研究领域，涉及到电子科学与技术﹑信息与通信工程﹑计算机科学与技术﹑电气工程﹑控制科学与技术等诸多学科，其应用领域包括建模﹑时间序列分析﹑模式识别和控制等，并在不断的拓展。

神经网络的国内外研究现状

路面是车辆行驶的主要环境，路面不平度会影响车辆的寿命和行驶的安全性、操纵稳定性等等，论文网所以对各种路面进行识别的研究在交通运输领域占据了重要地位，越来越受到重视。目前神经网络已经被广泛用于模式识别领域。

从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的工程，即人工神经网络的研究，经历了一条曲折的路程。大致分为兴起﹑萧条和兴盛三个时期。

早在1943年，心里学家Mcculloch和数学家Pitts在数学生物物理学会刊Bulletin of Mathematical Biophysics上发表文章，总结了生物神经元的一些基本生理特性，提出了形式神经元的数学描述与结构方法，即M-P模型。在M-P模型中，赋予形式神经元的功能较弱，但网络的计算能力巨大，这种巨大的计算潜力在于网络中足够多的神经元以及神经元质检丰富的联系，同时神经元还具有并行计算的能力。M-P模型的提出兴起了对神经网络的研究。