人工神经收集实际与应用66788[新版].pptVIP

人工神经网络理论与应用;神经网络基础知识;7.1 生物神经元及人工神经元的组成;神经元结构与功能;神经元结构与功能;生物神经元的功能与特征;生物神经元的功能与特征;人脑神经系统的结构与特征;人脑神经系统的结构与特征;人脑神经系统的结构与特征; 人工神经元的主要结构单元是信号的输入、综合处理和输出 输出信号强度大小反映了该神经元对相邻神经元影响的强弱 人工神经元之间通过互相联接形成网络，称为人工神经网络 神经元之间相互联接的方式称为联接模式 相互之间的联接强度由联接权值体现。 在人工神经网络中，改变信息处理及能力的过程，就是修改网络权值的过程。 ; 目前多数人工神经网络的构造大体上都采用如下的一些原则：; 7. 2 人工神经网络的模型; 神经元的输出矢量可以表示为： A = f ( W*P + b ) = f (∑ wj pj + b ) (7.2 ) 可以看出偏差被简单地加在W*P上作为激活函数的另一个输入分量。实际上偏差也是一个权值，只是它具有固定常数为1的输入。在网络的设计中，偏差起着重要的作用，它使得激活函数的图形可以左右移动，从而增加了解决问题的可能性。;7. 2. 2 激活转移函数; 激活函数的基本作用是：; （l）阀值型（硬限制型）; （2）线性型; （3）S型(Sigmoid); （3）S型(Sigmoid); 一般地，称一个神经网络是线性或非线性是由网络神经元中所具有的激活函数的线性或非线性来决定的。 ;人工神经网络;人工神经网络的分类;人工神经网络的局限性;7. 2. 3 MP神经元模型;; MP模型神经元是二值型神经元，其输出状态取值为1或0，分别代表神经元的兴奋和抑制状态。如果 n ＞0，即神经元输入加权总和超过某个阈值，那么该神经元兴奋，状态为1；如果n ≤0，那么该神经元受到抑制，状态为0。通常，将这个规定称为MP模型神经元的点火规则。用一数学表达式表示为：;MP模型神经元具有什么特性？能完成什么功能？; 例1 假设一个MP模型神经元有2个输入：p1和p2，其目标输出记为t，试问它能否完成下列真值表功能？ ; 如同许多代数方程一样，由MP模型激活函数得出的不等式具有一定的几何意义，所有输入样本构成样本输入空间。对于任意特定W和P的值都规定了一个超平面（决策平面），其方程为： 它把超平面Rn（X∈Rn）分成了两部分：WX-b0 部分和 WX-b≥0 部分。 ; 一般地，N输入的MP模型神经元有2n个输入样本，几何上分别位于N维超立方体的各顶点处。;7.3 人工神经网络的结构与学习; 根据神经元之间连接的拓扑结构上的不同，可将神经网络结构分为两大类： 分层网络 相互连接型网络 ;1．分层结构; 简单的前向网络； 具有反馈的前向网络； 层内有相互连接的前向网络。;图7.8 （a）简单的前向网络形状； 图7.8 （b）输出层到输入层具有反馈的前向网络； 图7.8 （c） 层内有相互连接的前向网络。; 所谓相互连接型网络是指网络中任意两个神经元之间是可达的，即存在连接路径，如图7.8（d）所示。 ; 权值修正学派认为：神经网络的学习过程就是不断调整网络的连接权，以获得期望的输出的过程。; 相关学习法 误差修正学习法 ; 式中，wji( t + 1)表示修正一次后的某一权值；η称为学习因子，决定每次权值的修正量，x i（t）、xj（t）分别表示 t 时刻第i、第j个神经元的状态。 ; （1）选择一组初始权值和偏差值； （2）计算某一输入模式对应的实际输出与期望输出的误差 （3）更新权值（偏差值可视为输入恒为-1的一个权值）