神經(jīng)網(wǎng)絡(luò)算法的ppt課件(已修改)
2025-01-17 15:50 本頁面
【正文】 人工神經(jīng)元網(wǎng)絡(luò)（ ANN） Artificial Neural Network 生物神經(jīng)元及生物神經(jīng)網(wǎng)絡(luò) 什么是人工神經(jīng)網(wǎng)絡(luò) ? 人工神經(jīng)網(wǎng)絡(luò)就是基于模仿生物大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)或計算機。 生物神經(jīng)元及生物神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)的分類 按照網(wǎng)絡(luò)特性 ? 靜態(tài)網(wǎng)絡(luò) ? 動態(tài)網(wǎng)絡(luò) 按照學(xué)習(xí)方法 ? 有導(dǎo)師學(xué)習(xí) ? 無導(dǎo)師學(xué)習(xí) 感知器（ Perceptron） 感知器的非線性激勵函數(shù) 感知器的數(shù)學(xué)描述 )()1()(0001)(1yfuyeyfyyyfHLTysHL????????????xw?感知器的線性可分問題 多層神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu) 多層神經(jīng)網(wǎng)絡(luò)的例子 模式分類與函數(shù)逼近 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 ul,1 ul,2 ul,Nl ul,j … … u2,1 u2,2 u2,N2 u2,j … … uL,1 uL,NL … … 輸入層 第一層 第二層 輸出層 u0,1 u0,2 u0,j u0,N0 … W l, j, i = ? 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 神經(jīng)網(wǎng)絡(luò)的反向擴散學(xué)習(xí)算法 動態(tài)網(wǎng)絡(luò) —— Hopfield網(wǎng)絡(luò) 若按照神經(jīng)網(wǎng)絡(luò)運行過程中的信息流向來分類，那么所有網(wǎng)絡(luò)都可分為前饋式網(wǎng)絡(luò)和反饋式網(wǎng)絡(luò)，在前一章中，主要介紹了前饋式網(wǎng)絡(luò)通過許多具有簡單處理能力的神經(jīng)元的復(fù)合作用使整個網(wǎng)絡(luò)具有復(fù)雜的非線性映射能力。在那里，著重分析了網(wǎng)絡(luò)學(xué)習(xí)算法，研究的重點是怎樣盡快地得到網(wǎng)絡(luò)的整體非線性處理能力。在本章中，我們將集中討論反饋式網(wǎng)絡(luò)，通過網(wǎng)絡(luò)神經(jīng)元狀態(tài)的變遷而最終穩(wěn)定于某一狀態(tài)而得到聯(lián)想存貯或神經(jīng)計算的結(jié)果。在這里，主要關(guān)心的是網(wǎng)絡(luò)穩(wěn)定性的問題，研究的重點是怎樣得到和利用穩(wěn)定的反饋式網(wǎng)絡(luò)。 動態(tài)網(wǎng)絡(luò) —— Hopfield網(wǎng)絡(luò) 哈波菲爾德 (Hopfield)網(wǎng)絡(luò)是得到最充分研究和廣泛
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1