神经网络模型和控制.pptVIP

智能控制技术 中国计量学院自动化教研室 谢 敏 智能控制技术 第4章 人工神经元网络模型 4.1 引言 4.2 常见神经网络模型 4.1 引言 一、人工神经网络研究概述 人脑由一百多亿个神经细胞组成，这些细胞组成的生物神经网络，是人类智能的物质基础。 人工神经网络是指利用工程技术手段模拟人脑神经网络结构和功能的一种技术系统。 一、人工神经网络研究概述 1、1943 ~ 1969年为初创期 一、人工神经网络研究概述 2、1970~1986年为过渡期 一、人工神经网络研究概述 3、 1987~今 发展期 理论研究：多种神经网络模型和理论。 应用研究：模式识别、信息处理、智能控制等。 二、人脑神经细胞的结构和功能 人脑中约有一百多亿个神经细胞。 二、人脑神经细胞的结构和功能 1．细胞体 细胞体是由很多分子形成的综合体，是神经元活动的能量供应地，在整个细胞的最外层称为细胞膜。 2．树突 细胞体的延伸部分产生的分枝称为树突，树突是接受从其它神经元传入的信息的入口。 二、人脑神经细胞的结构和功能 3．轴突 细胞体突起的最长的外伸管状纤维称为轴突。轴突最长可达1米以上。轴突是把神经元兴奋的信息传出到其它神经元的出口。 二、人脑神经细胞的结构和功能 4、突触 是一个神经元与另一个神经元之间相联系并进行信息传送的结构。 它由突触前成分，突触间隙和突触后成分组成。突触前成分是一个神经元的轴突末梢。突触间隙是突触前成分与后成分之间的距离空间。突触后成分可以是细胞体，树突或轴突。 突触的存在说明：两个神经元的细胞质并不直接连通，两者彼此联系是通过突触这种结构接口的。有时，也把突触看作是神经元之间的连接。 二、人脑神经细胞的结构和功能 神经元的4种生物行为有： 能处于抑制或兴奋状态； 能产生爆发和平台两种情况； 能产生抑制后的反冲； 具有适应性。 三、神经元的信息处理与传递 三、神经元的信息处理与传递 三、神经元的信息处理与传递 三、神经元的信息处理与传递 四、神经元的数学模型 四、神经元的数学模型 四、神经元的数学模型 四、神经元的数学模型 四、神经元的数学模型 四、神经元的数学模型 四、神经元的数学模型 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 四、神经网络结构及功能 4.2 常见神经网络模型 一、感知器 感知器（Perceptron）模型由美国心理学家Rosenblatt于1958年提出，其简化模型如下图： 一、感知器 一、感知器 感知器的最大作用就是可以对输入的样本分类，故它可作分类器，感知器对输入信号的分类如下： 即：当感知器的输出为1时，输入样本称为A类；输出为0时，输入样本称为B类。 感知器的分类边界是： 一、感知器 在输入样本只有两个分量x1，x2时，则有分类边界条件： 即 ???? w1x1+w2x2-θ=0? 一、感知器 感知器的学习算法： 感知器的学习算法目的在于找寻恰当的权系数w＝(w1，w2，…，wn)，使系统对一个特定的样本x＝(x1，x2，…，xn)能产生期望输出y。当x分类为A类时，期望值y＝1；X为B类时，y=0。 一、感知器 一、感知器 一、感知器 一、感知器 一、感知器 一、感知器 二、BP网络 二、BP网络 二、BP网络 二、BP网络 二、BP网络 二、BP网络 二、BP网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 三、Hopfield网络 4.1 引言 xj：前级神经元的输出； Wij：第i个神经元和前级j个神经元突触的权系数； θi：第i个神经元的阈值； fi：第i个神经元的非线性激活函数； yi：第i个神经元的输出。 4.1 引言 学习阶段 学习阶段是指神经网络自完善的阶段。这时，网络按一定的学习规则修改突触的权系数Wij，以使使得给定的测度函数E达到最小。 Ψ是一个非线性函数； ηij是权重变化率； n是学习时的迭代次数。 4.1 引言 学习和执行是神经网络不可缺少的两个处理和功能。神经网络的各种有效的行为和作用，都是通过这两个关键的过程来实现的。 通过学习阶段，可以把神经网络训练成对某种信息模式特别敏感，或具有某种特征的动力学系统。通过执行阶段，可以用神经网络识别有关信息模式