目前神经网络的应用已渗透到各个领域，并在模式识别、自适应滤波和信号处理、俗音识别、图像处理、生物医学工程等方面取得了令人鼓舞的进展。神经网络的应用和发展蒋影响新一代计算机的设计原理，肴可能为新一代计算机和人工智能开辟一条崭薪的途径。本文拟就神经计算机的现状和发浪渔势作一重点讨论，并介绍一些产品。

   一、神经计龙权伪种灸神经计算机的实现主要有四种方法:① 软件仿真实现、即在现有计算机上$l]用软件编鞋卖规，每虚拟实现;③全硬件vL傲实现; 也吮卖现。这四种方法的实现速度遂渐加快，以光器件为最快。软件仿真实现指利用编程的方法在现有的通用机上进行神经网络计算的方法。由于该种方法速度慢、耗时多，不能适应卖际应用场合的需要，所以仅用于神经网络的理论研究。全硬件实现是指物理上的处理单元和通讯通道与一个应用问题的神经网络模型中的神经元和连接一一对应，每一神经元及每一连接都有与之对应的物理器件。

   很显然，全硬件实现的优点是速度快，但全硬件实现中各处理单元之间的连接方式一般难以改变，因此全硬件方式往往在专用神经网络计算机中 . 果角护缺芝寇用性、灵活性和可编程性。如果用P个物理单元去实现 N个神经元组成的神经网络的计算，只要用神经器件模拟人脑或器官需解决的最关锐悯题是、①表示神经元结合强度的权值变化在工艺王如何实现，②随着神经元数目增加，神经无之间的连线数目急剧上升，从而引起了高密度连接问题，③提高器件速度和容错能力所必须的大规模并行问题。

    目前神经器件的发展状况，以硅Lsl器件为多，最新的器件如下: ①日本理光公司RN‘100芯片，是世界上第一块具有内部学习功能的神经大规模芯片，它是根据脉冲密度调制原理工作的，这种调制类似于人脑使用的系统，芯片把数据存储在脑单元之间的连接图中。 ②Boll实验室用于高速字符识别的模拟神经处理器石’该器件以0。9微米的CMOS工艺实现，在4.5x7平方毫米面积上包含18万个晶体管，每片含动96个突触(如果为16个神经元，则每个元含邪6个突触，若为256个神经元，则每元含1时、突触)，状态精度为3比特，权精度B比特。输入输出速率每秒120兆比，计算速率每秒50亿次连接，构成一个64 入、拢隐、韶出的网络时，平均性能为每秒8 亿次连接。

论文发表，一定要选择评职要求的符合的期刊，如行业，级别等，以免做无用功！可以在本站了解一下评职的具体要求哦！