神經元模型和網絡結構(已修改)
2025-01-18 06:52 本頁面
【正文】 第 2章 神經元模型和網絡結構 目的 理論和實例 符號 神經元模型 網絡結構 小結 例題 結束語 目的 第 1章給除了生物神經元和神經網絡的簡述?，F在來介紹簡化的神經元數學模型，并解釋這些人工神經元如何相互連接形成各種網絡結構。另外，本章還將通過幾個簡單的實例闡述這些網絡如何工作。本書中將使用本章所引入的概念和符號。 原理和實例 符號 本書中的圖、數字公式以及解釋圖和數字公式的正文，將使用一下符號： 標量：小寫的斜體字母，如 a,b,c。 向量：小寫的黑正體字母，如 a,b,c。 矩陣：大寫的黑整體字母，如 A,B,C。 ● ● ● 神經元模型 1. 單輸入神經元 權值 偏置 (值 ) 凈輸入 傳輸函數 圖 21 單輸入神經元 ∑ fw n ab輸 入 通 用 神 經 元p1a = f ( w p + b ) 若將這個簡單模型和前面第 1章所討論的生物神經元相對照，則權值 w對應于突觸的連接強度，細胞體對應于累加器和傳輸函數，神經元輸出 a代表軸突的信號。 神經元輸出按下式計算 ： a=f(wp+b) 注：還有多閾值、多權值神經元 實際輸出取決與所選擇的待定傳輸函數。 2. 傳輸函數 圖 21中的傳輸函數可以是 n的線性或者非線性函數。可以用特定的傳輸函數滿足神經元要解決的特定問題。 本書包括了各個不同的傳輸函數。下面將討論其中最常用的三種。 硬極限傳輸函數 線性傳輸函數 a=n () 對數 S形傳輸函數 a=1/1+en () a=hardlim(n) a=hardlim(wp+b) 硬極限傳輸函數 單輸入 hardlim神經元 圖 22 硬極限傳輸函數 + 1 10an+ 1 10ap b / w a=purelin(n) a=purelin(wp+b) 線性傳輸函數 單輸入 purelin神經元 圖 23 線性傳輸函數 + 1 10an+ b b0ap b / w a=logsig(n) a=logsig(wp+b) LogSigmoid 傳輸函數 單輸入 logsig神經元 圖 24 對數 S形傳輸函數 名稱 輸入 /輸出關系 圖標 MATLAB函數 硬極限函數 a=0,n0 a=1,n≥0 hardlim 對稱硬極限函數 a=1,n0 a=+1,n≥0 hardlims 線性函數 a=n purelin 飽和線性函數 a=0,n0 a=n,0≤n≤1 a=1,n1 satlin 對
教學課件相關推薦
鄂ICP備17016276號-1