由於在許多學科中的迅速發展，分形已成為一門描述自然界中許多不規則事物的規律性的學科。它已被廣泛應用在生物學、地球地理學、天文學、計算機圖形學等各個領域。
用分形理論來解釋自然界中那些不規則、不穩定和具有高度複雜結構的現象，可以收到顯著的效果，而將神經網絡與分形理論相結合，充分利用神經網絡非線性映射、計算能力、自適應等優點，可以取得更好的效果。
分形神經網絡的應用領域有圖像識別、圖像編碼、圖像壓縮，以及機械設備系 統的故障診斷等。分形圖像壓縮/解壓縮方法有著高壓縮率和低遺失率的優點，但運算能力不強，由於神經網絡具有並行運算的特點，將神經網絡用於分形圖像壓縮 /解壓縮中，提高了原有方法的運算能力。將神經網絡與分形相結合用於果實形狀的識別，首先利用分形得到幾種水果輪廓數據的不規則性，然後利用3層神經網絡 對這些數據進行辨識，繼而對其不規則性進行評價。
分形神經網絡已取得了許多應用，但仍有些問題值得進一步研究：分形維數的物理意義；分形的計算機仿真和實際應用研究。隨著研究的不斷深入，分形神經網絡必將得到不斷的完善，並取得更好的應用效果。
分享到:
閱讀更多 科技IT管家 的文章
