神經(jīng)網(wǎng)絡感知機ppt課件(已修改)
2025-01-17 15:34 本頁面
【正文】 1 —— 感知機 人工神經(jīng)網(wǎng)絡模型 大腦是由生物神經(jīng)元構成的巨型網(wǎng)絡，它在本質上不同于計算機，是一種大規(guī)模的并行處理系統(tǒng)，它具有學習、聯(lián)想記憶、綜合等能力，并有巧妙的信息處理方法。 3 人工神經(jīng)網(wǎng)絡是模擬人腦思維方式的數(shù)學模型，從微觀結構和功能上對人腦進行抽象和簡化，模擬人類智能。人工神經(jīng)網(wǎng)絡 (簡稱神經(jīng)網(wǎng)絡 )也是由大量的、功能比較簡單的形式神經(jīng)元互相連接而構成的復雜網(wǎng)絡系統(tǒng)，用它可以模擬大腦的許多基本功能和簡單的思維方式。 4 我們不可能對生物學上的神經(jīng)網(wǎng)絡作完全的了解，只可能在某種成度上描述我們所了解的情況。同樣，人工神經(jīng)網(wǎng)絡也只可能是在某種程度上對真實的神經(jīng)網(wǎng)絡的一種模擬和逼近。 5 神經(jīng)元模型 a) 生物神經(jīng)元模型 ? 神經(jīng)元 neuron,neural cell也就是神經(jīng)細胞。人腦就是由大量神經(jīng)元組合而成的。 ? 神經(jīng)元由 細胞體、樹突和軸突組成。 ? 中心 接受器 傳導信息 人工神經(jīng)元模型，如圖所示 感知機是最早被設計并被實現(xiàn)的人工神網(wǎng)絡。 感知器是一種非常特殊的神經(jīng)網(wǎng)絡，它在人工神經(jīng)網(wǎng)絡的發(fā)展歷史上有著非常重要的地位，盡管它的能力非常有限，主要用于線性分類。 yj?1?nx1?xn? θ 或 yj某個神經(jīng)元 j 的輸入 — 輸出關系為 其中， 為閥值， 為連接權， f(?)為變換函數(shù)，也稱活化函數(shù) (activation function)。 ? ?Sy jj f?? ?1, 00???? ????? jijniiji xx?? jniijij xs ?? ?? 1?j ?ji9 感知機的結構 10 我們以單層感知器來說明： ?兩個輸入 x1 和 x2 。 ?一個閥值 θ ?兩個待調整的權值 W1和 W2 ?決策函數(shù)為 ?樣本集分別屬于 2類。 ? ? ??? ??? xxXd 2211θ yx1?1 ?2x2x??????? ?Xd? ? 1??Xd? ? 1?Xd11 1 特點： １）多輸入，單輸出 ２）激活函數(shù)／傳遞函數(shù)為二值，一般為階躍函 數(shù)或符號函數(shù) ３）輸出為二值：０／１或－１／１ ４） ?????? ???????? ? ????niiiniii xfxfy01???? ??uf1 u0 1 u≤ 0 或 1 u0 ０ u≤ 0 12 2 感知機的工作方式： 學習階段 —— 修改權值 （根據(jù) “ 已知的樣本 ” 對權值不斷修改；―― 有導師學習） 工作階段 —— 計算單元變化，由響應函數(shù)給出新輸入下的輸出。 13 樣本： p＝ {p1， p2…… p p} Y＝ {y1， y2…… y p} p Y W 學習機 W 學習算法 學習的過程，主要是修正權值Ｗ，閾值 θ 感知機的學習階段： 14 ?設有 N個訓練樣本 ?當給定某個樣本 p的輸入 /輸出模式對時，感知機輸出單元會產(chǎn)生一個實際輸出向量，用期望輸出（樣本輸出）與實際輸出之差來修正網(wǎng)絡連接權值。 15 ?權值修改采用簡單
教學課件相關推薦
鄂ICP備17016276號-1