線性判別函數(shù)人工神經(jīng)元網(wǎng)絡(luò)模型(已修改)
2025-06-07 18:07 本頁(yè)面
【正文】 人工神經(jīng)網(wǎng)絡(luò) Artificial Neural Networks 人工神經(jīng)網(wǎng)絡(luò)概述 ?1概念 （ 1） 人工神經(jīng)網(wǎng)絡(luò) 是集腦科學(xué)、神經(jīng)心理學(xué)和 信息科學(xué)等多學(xué)科的交叉研究領(lǐng)域，是近年來(lái) 高科技領(lǐng)域的一個(gè)研究熱點(diǎn)。 （ 2）它的研究目標(biāo) 是通過(guò)研究人腦的組成機(jī)理和思維方式，探索人類智能的奧秘，進(jìn)而通過(guò)模擬人腦的結(jié)構(gòu)和工作模式，使機(jī)器具有類似人類的智能。 （ 3）應(yīng)用 它已在模式識(shí)別、機(jī)器學(xué)習(xí)、專家系統(tǒng)等多個(gè)方面得到應(yīng)用，成為人工智能研究中的活躍領(lǐng)域。 人工神經(jīng)網(wǎng)絡(luò)概述 ?2 概念解釋 （ 1）人工神經(jīng)網(wǎng)絡(luò)（ Artificial Neural Networks，簡(jiǎn)記作 ANN），是對(duì)人類大腦系統(tǒng)的一階特性的一種描述。簡(jiǎn)單地講，它是一個(gè) 數(shù)學(xué)模型 ，可以用 電子線路 來(lái)實(shí)現(xiàn)，也可以用 計(jì)算機(jī)程序 來(lái)模擬，是人工智能研究的一種方法。 （ 2）神經(jīng)網(wǎng)絡(luò)是一個(gè)由大量簡(jiǎn)單的處理單元組成的高度復(fù)雜的大規(guī)模非線性自適應(yīng)系統(tǒng) (3)ANN力求從四個(gè)方面去模擬人腦的智能行為 ?物理結(jié)構(gòu) ?計(jì)算模擬 ?存儲(chǔ)與操作 ?訓(xùn)練 ?3主要組成 （ 1） 一組處理單元 （ PE或 AN） ； （ 2） 處理單元的 激活狀態(tài) （ ai） ； （ 3） 每個(gè)處理單元的 輸出函數(shù) （ fi） ； （ 4） 處理單元之間的 聯(lián)接模式 ； （ 5） 傳遞規(guī)則 （ ∑ wijoi） ； （ 6） 把處理單元的輸入及當(dāng)前狀態(tài)結(jié)合起來(lái)產(chǎn)生激活值的 激活規(guī)則 （ Fi） ； （ 7） 通過(guò)經(jīng)驗(yàn)修改聯(lián)接強(qiáng)度的 學(xué)習(xí)規(guī)則 ； （ 8） 系統(tǒng)運(yùn)行的環(huán)境 （ 樣本 集合 ） 。 人工神經(jīng)網(wǎng)絡(luò)概述 ?4 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn) （ 1） 信息的分布表示 （ 2）運(yùn)算的全局并行和局部操作 （ 3）處理的非線性 人工神經(jīng)網(wǎng)絡(luò)概述 神經(jīng)元的結(jié)構(gòu)與功能特性 1. 生物神經(jīng)元的結(jié)構(gòu) 神經(jīng)細(xì)胞是構(gòu)成神經(jīng)系統(tǒng)的基本單元，稱之為生物神經(jīng)元 ，簡(jiǎn)稱 神經(jīng)元 。神經(jīng)元主要由三部分構(gòu)成（ 1）細(xì)胞體（ 2）軸突（ 3）樹(shù)突（ 4）突觸 (如圖 ) 神經(jīng)元的結(jié)構(gòu)與功能特性 2. 人工神經(jīng)元的工作過(guò)程 對(duì)于某個(gè)處理單元（神經(jīng)元）來(lái)說(shuō)，假設(shè)來(lái)自其他處理單元（神經(jīng)元） i的信息為 Xi，它們與本處理單元的互相作用強(qiáng)度即連接權(quán)值為 Wi, i=0,1,…,n 1,處理單元的內(nèi)部閾值為 θ。 神經(jīng)元的結(jié)構(gòu)與功能特性 ???10niiixw而處理單元的輸出為 )xw(fy1n0iii ??? ???那么本處理單元（神經(jīng)元）的輸入為 BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法 ?Rumelhart， McClelland于 1985年提出了 BP網(wǎng)絡(luò)的誤差反向后傳 BP(Back Propagation)學(xué)習(xí)算法 ?BP算法基本原理 ?利用輸出后的誤差來(lái)估計(jì)輸出層的直接前導(dǎo)層的誤差，再用這個(gè)誤差估計(jì)更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計(jì)。 J. McClelland David Rumelhart 1 BP神經(jīng)網(wǎng)絡(luò)模型 ?(1) 三層 BP網(wǎng)絡(luò)結(jié)構(gòu) 1 BP神經(jīng)網(wǎng)絡(luò)模型 ?（ 2）激活函數(shù) ?必須處處可導(dǎo) 一般都使用 S型函數(shù) ?（ 3）使用 S型激活函數(shù)時(shí) BP網(wǎng)絡(luò)輸入與輸出關(guān)系 ?輸入 ?輸出 1 1 2 2 ... nnn e t x w x w x w? ? ? ?1f ( )1e n e ty n e t ??? ?1 BP神經(jīng)網(wǎng)絡(luò)模型 ?（ 4）輸出的導(dǎo)數(shù) 211f 39。( ) ( 1 )1 e ( 1 e ) ne t ne tne t y y?? ? ? ???
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1