3.4 应用场景
经过几十年的发展，神经网络理论在模式识别、自动控制、信号处理、辅助决策、人工智能等众多研究领域取得了广泛的成功。下面介绍神经网络在一些领域中的应用现状。
3.4.1 人工神经网络在信息领域中的应用
在处理许多问题中，信息来源既不完整，又包含假象，决策规则有时相互矛盾，有时无章可循，这给传统的信息处理方式带来了很大的困难，而神经网络却能很好地处理这些问题，并给出合理的识别与判断。
1. 信息处理
现代信息处理要解决的问题是复杂的，人工神经网络具有模仿或代替与人的思维有关的功能，可以实现自动诊断、问题求解，解决传统方法所不能或难以解决的问题。人工神经网络系统具有很高的容错性、健壮性及自组织性，即使连接关系遭到很高程度的破坏，它仍能处在优化工作状态，这点在军事系统电子设备中得到广泛的应用。现有的智能信息系统有智能仪器、自动跟踪监测仪器系统、自动控制制导系统、自动故障诊断（如图3-27所示）和报警系统等。
图3-27 一种基于循环神经网络的智能故障诊断流程
2. 模式识别
模式识别是对表征事物或现象的各种形式的信息进行处理和分析，来对事物或现象进行描述、辨认、分类和解释的过程。该技术以贝叶斯概率论和申农的信息论为理论基础，对信息的处理过程更接近人类大脑的逻辑思维过程。现在有两种基本的模式识别方法，即统计模式识别方法和结构模式识别方法。人工神经网络是模式识别中的常用方法，近年来发展起来的人工神经网络模式的识别方法逐渐取代传统的模式识别方法。经过多年的研究和发展，模式识别已成为当前比较先进的技术，被广泛应用到文字识别、语音识别、指纹识别、遥感图像识别、人脸识别、手写体字符的识别（如图3-28所示）、工业故障检测、精确制导等方面。
图3-28 手写体字符的识别
3.4.2 人工神经网络在医学中的应用
由于人体和疾病的复杂性、不可预测性，在生物信号与信息的表现形式上、变化规律（自身变化与医学干预后变化）上，对其进行检测与信号表达，获取的数据及信息的分析、决策等诸多方面都存在非常复杂的非线性联系，适合人工神经网络的应用。目前的研究几乎涉及从基础医学到临床医学的各个方面，主要应用在生物信号的检测与自动分析、医学专家系统等。
1. 生物信号的检测与分析
大部分医学检测设备都是以连续波形的方式输出数据的，这些波形是诊断的依据。人工神经网络是由大量的简单处理单元连接而成的自适应动力学系统，具有巨量并行性、分布式存储、自适应学习的自组织等功能，可以用它来解决生物医学信号分析处理中常规法难以解决或无法解决的问题。神经网络在生物医学信号检测与处理中的应用主要集中在对脑电波信号的分析、听觉诱发电位信号的提取、肌电波和胃肠电波等信号的识别、心电波信号的压缩、医学图像的识别和处理等。
例如，神经网络可用于模拟人体心血管系统。利用神经网络构建人的心血管系统模型，并将模型与人的实际生理测量进行对比，从而对身体健康情况进行诊断。如果这个程序定期进行，就可以在早期检测出潜在的危害，与疾病做斗争的过程容易得多。人的心血管系统模型必须模仿不同生理活动水平下的生理变量（心率、收缩压、舒张压和呼吸率）之间的关系。如果将模型应用于国人，那么该模型便是此人的身体状况模型。
2. 医学专家系统
传统的专家系统，是把专家的经验和知识以规则的形式存储在计算机中，建立知识库，用逻辑推理的方式进行医疗诊断。但是在实际应用中，随着数据库规模的增大，将导致知识“爆炸”，在知识获取途径中也存在“瓶颈”问题，致使工作效率很低。以非线性并行处理为基础的神经网络为专家系统的研究指明了新的发展方向，解决了专家系统的上述问题，并提高了知识的推理、自组织、自学习能力，从而神经网络在医学专家系统中得到广泛的应用和发展。
在麻醉与危重医学等相关领域的研究中，涉及多生理变量的分析与预测，在临床数据中存在着一些尚未发现或无确切证据的关系与现象，信号的处理、干扰信号的自动区分检测、各种临床状况的预测等都可以应用到人工神经网络技术。
3.4.3 人工神经网络在经济领域中的应用
1. 市场价格预测
对商品价格变动的分析，可归结为对影响市场供求关系的诸多因素的综合分析。传统的统计经济学方法因其固有的局限性，难以对价格变动做出科学的预测，而人工神经网络容易处理不完整的、模糊不确定或规律性不明显的数据，所以用人工神经网络进行价格预测有着传统方法无法相比的优势。从市场价格的确定机制出发，依据影响商品价格的家庭个数、人均可支配收入、贷款利率、城市化水平等复杂、多变的因素，建立较为准确可靠的模型。该模型可以对商品价格的变动趋势进行科学预测，并得到准确客观的评价结果。
2. 风险评估
风险是指在从事某项特定活动的过程中，因其存在的不确定性而产生的经济或财务的损失、自然破坏或损伤的可能性。防范风险的最佳办法就是事先对风险做出科学的预测和评估。应用人工神经网络的预测思想是根据具体现实的风险来源，构造出适合实际情况的信用风险模型的结构和算法，得到风险评价系数，然后确定实际问题的解决方案。利用该模型进行实证分析能够弥补主观评估的不足，可以取得满意效果。
3.4.4 人工神经网络在交通领域中的应用
近年来，人们对神经网络在交通运输系统中的应用开始了深入的研究。交通运输问题是高度非线性的，可获得的数据通常是大量的、复杂的，用神经网络处理相关问题有它巨大的优越性。应用范围涉及汽车驾驶员行为的模拟、参数估计、路面维护、车辆检测与分类、交通模式分析、货物运营管理、交通流量预测、运输策略与经济、交通环保、空中运输、船舶的自动导航及船只的辨认、地铁运营及交通控制等领域并已经取得了很好的效果。
例如，配网线路智能化巡检，架空线路主要依靠无人机巡视，根据巡视计划智能化设定无人机巡航路线，在拍摄过程中智能化识别线路名称、杆号、设备类型等，对路线上设备进行全方位、多视角抓拍，并将图像信息发送至人工智能缺陷判断模块。
人工智能缺陷判断模块，通过图像识别和机器学习技术，与典型缺陷库中缺陷图像进行逐一比对，从而进行缺陷判断，并将包含缺陷判断结果的巡视信息自动传送到信息系统。电缆设备主要依靠红外和局放等带电检测手段，检测完成后将检测图片和地理信息及设备名称智能化对应，利用自然语言处理技术智能化生成检测信息报告，自动发送给信息系统。
基于掌上电脑（Personal Digital Assistant, PDA）的人工巡视作为辅助巡视手段，集成了设备台账信息和地理信息，在巡视中智能化提醒巡视人员当前巡视的线路名称以及历史巡视记录、故障记录以及检修记录等，巡视结束后更新巡视记录数据库，并将本次巡视信息发送给信息系统。配电线路智能化巡检流程如图3-29所示。
图3-29 配电线路智能化巡检流程
3.4.5 人工神经网络在心理学领域中的应用
从神经网络模型的形成开始，它就与心理学就有着密不可分的联系。神经网络抽象于神经元的信息处理功能，神经网络的训练则反映了感觉、记忆、学习等认知过程。人们通过不断的研究，变化着人工神经网络的结构模型和学习规则，从不同角度探讨着神经网络的认知功能，为其在心理学的研究中奠定了坚实的基础。近年来，人工神经网络模型已经成为探讨社会认知、记忆、学习等高级心理过程机制的不可或缺的工具。人工神经网络模型还可以对脑损伤病人的认知缺陷进行研究，对传统的认知定位机制提出了挑战。
虽然人工神经网络已经取得了一定的进步，但是还存在许多缺陷，例如：应用的面不够宽阔、结果不够精确；现有模型算法的训练速度不够高；算法的集成度不够高；同时我们希望在理论上寻找新的突破点，建立新的通用模型和算法。需进一步对生物神经元系统进行研究，不断丰富人们对人脑神经的认识。