1、傳統(tǒng)的馮諾依曼計(jì)算機(jī)雖然具有快速、高效的邏輯運(yùn)算等功能，但其形象思維能力差、無自我學(xué)習(xí)能力等缺點(diǎn)對(duì)于形象思維領(lǐng)域的模式識(shí)別等問題卻是無能為力。人工神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單處理單元構(gòu)成的非線性動(dòng)力學(xué)系統(tǒng)，具有分布式的信息存貯、大規(guī)模并行處理、自學(xué)習(xí)和自組織等特點(diǎn)，可以解決傳統(tǒng)計(jì)算機(jī)難以解決或無法解決的人工智能方面問題。本文結(jié)合兩者特點(diǎn)，提出并實(shí)現(xiàn)了一種脫機(jī)工作可訓(xùn)練的模式識(shí)別專用神經(jīng)網(wǎng)絡(luò)系統(tǒng)。 本文基于高維空間點(diǎn)覆蓋理論，分析了樣本點(diǎn)

2、在高維空間中的分布特性，并從幾何的角度詳細(xì)闡述了高維空間中點(diǎn)與點(diǎn)、點(diǎn)與線和點(diǎn)和面之間的關(guān)系及其相應(yīng)算法。同時(shí)介紹了半導(dǎo)體神經(jīng)計(jì)算機(jī)的理論基礎(chǔ)，以及能實(shí)現(xiàn)半導(dǎo)體神經(jīng)計(jì)算機(jī)內(nèi)部雙權(quán)值神經(jīng)元的單節(jié)拍浮點(diǎn)組合邏輯運(yùn)算的設(shè)計(jì)方法。 結(jié)合符號(hào)主義和連接主義兩者的特點(diǎn)，脫機(jī)工作可訓(xùn)練的模式識(shí)別專用神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以在無上位機(jī)的情況下，通過一次采樣，便可獨(dú)立完成包括模式采集、特征提取、樣本學(xué)習(xí)以及識(shí)別等一整套與實(shí)物識(shí)別相關(guān)的工作。文中對(duì)該系統(tǒng)具體