第6章人工神经网络.pptxVIP

ArtificialIntelligencePrinciplesandApplications

第6章人工神经网络

神经网络(neuralnetworks,NN)

■生物神经网络(naturalneuralnetwork,NNN):由中枢神经系统(脑和脊髓)及周围神经系统(感觉神经、运动神经等)所构成的错综复杂的神经网络，其中最重要的是脑神经系统。

-人工神经网络(artificialneuralnetworks,ANN):模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成

第6章人工神经网络

的人工网络系统。

2

口6.1神经元与神经网络

口6.2感知器模型

口6.3BP神经网络及其学习算法口6.4BP神经网络的应用

第6章人工神经网络

3

6.1神经元与神经网络

口6.2感知器模型

口6.3BP神经网络及其学习算法

口6.3BP神经网络的应用

第6章人工神经网络

4

6.1.1生物神经元的结构

6.1.2人脑神经系统的特征6.1.3人工神经系统的特征

6.1.4人工神经网络的发展

6.1神经元与神经网络

5

■神经元约有1000种类型，每个神经元大约与10³-104个其他神经元相连接，形成极为错综复杂而又灵活多变的神经网络。

■人的智能行为就是由如此高度复杂的组织产生的。浩瀚的宇宙中，也许只有包含数千忆颗星球的银河系的复杂性能够与大

脑相比。

■人脑由一千多亿(1011亿-1014

亿)个神经细胞(神经元)交织在一起的网状结构组成，其中大脑皮层约140亿个神经元，小脑皮层约1000亿个神经元。

6.1.1生物神经元的结构

6

树突细胞体

感受部传导部

生物神经元结构

神经元主要由三个部分组成：细胞体、轴突、树突。

轴突末梢

神经冲动传导方向

突触轴突

6.1.1生物神经元的结构

效应部

7

6.1.1生物神经元的结构

8

mY

兴奋电脉冲

膜电位

----……阀值

……静息电位

1ms

6.1.1生物神经元的结构

神经元的兴奋过程电位变化

80

60

40

20

0

-20

-40

-60

-80

-100

9

6.1.1生物神经元的结构

突触传递过程

神经递质产生

神经电脉冲

神经递质

释放

电生理反应

10

6.1.1生物神经元的结构

6.1.2人脑神经系统的特征

6.1.3人工神经系统的特征6.1.4人工神经网络的发展

6.1神经元与神经网络

11

口并行分布处理的工作模式

□神经系统的可塑性和自组织性

口信息处理与信息存贮合二为一

口信息处理的系统性

口能接受和处理模糊的、模拟的、随机的信息口求满意解而不是精确解

口系统的恰当退化和冗余备份(鲁棒性和容错性)

6.1.2人脑神经系统的特征

12

●6.1.1生物神经元的结构

6.1.2人脑神经系统的特征

6.1.3人工神经系统的特征

6.1.4人工神经网络的发展

6.1神经元与神经网络

13

口具有大规模并行协同处理能力。

■每一个神经元的功能和结构都很简单，但是由大量神经元构成的

整体却具有很强的处理能力。

口具有较强的容错能力和联想能力。

单个神经元或者连接对网络整体功能的影响都比较微小。

信息的存储与处理是合二为一的。

系统在受到局部损伤时还可以正常工作。

口具有较强的学习能力。

神经网络的学习可分为有教师学习与无教师学习两类。

由于其运算的不精确性，表现成“去噪音、容残缺”的能力，具有很强的普化(Generalization)能力与抽象能力。

口是大规模自组织、自适应的非线性动力系统。

具有一般非线性动力系统的共性，即不可预测性、耗散性、高维

性、不可逆性、广泛连接性和自适应性等等。14

6.1.3人工神经系统的特征

口缺点

(1)训练时间长

(2)需要大量的训练数据

(3)不能保证结果的优化

(4)不能保证100%的可靠性

6.1.3人工神经系统的特征

15

●6.1.1生物神经元的结构

6.1.2人脑神经系统的特征

6.1.3人工神经系统的特征

6.1.4人工神经网络的发展

6.1.5两种人工智能技术的比较

6.1神经元与神经网络

16

口探索时期(开始于20世纪40年代):

1943年，麦克劳(W.S.McCullocn)和匹茨(W.A.

Pitts)首次提出一个神经网络模型