人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用之自組織網(wǎng)絡(luò)(已修改)
2025-03-06 15:28 本頁(yè)面
【正文】 人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用第 6講 自組織網(wǎng)絡(luò)一、自組織神經(jīng)網(wǎng)絡(luò)二、自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)三、科荷倫網(wǎng)絡(luò)四、自適應(yīng)共振網(wǎng)絡(luò)五、內(nèi)容小結(jié)六、考試事宜內(nèi)容安排2023/3/292 自組織網(wǎng)絡(luò)特點(diǎn) 網(wǎng)絡(luò)類型 網(wǎng)絡(luò)學(xué)習(xí)規(guī)則一、自組織神經(jīng)網(wǎng)絡(luò)2023/3/293 自組織網(wǎng)絡(luò)特點(diǎn)168。 特點(diǎn)– 自組織神經(jīng)網(wǎng)絡(luò)可以自動(dòng)向環(huán)境學(xué)習(xí)，不需要教師指導(dǎo)；而前面所講到的前向網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)均需要教師指導(dǎo)學(xué)習(xí)– 與 BP網(wǎng)絡(luò)相比，這種自組織自適應(yīng)的學(xué)習(xí)能力進(jìn)一步拓寬了人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別、分類方面的應(yīng)用168。 思想基礎(chǔ)– 生物的神經(jīng)網(wǎng)絡(luò)中，如人的視網(wǎng)膜中，存在著一種“側(cè)抑制 ”現(xiàn)象，即一個(gè)神經(jīng)細(xì)胞興奮后，通過(guò)它的分支會(huì)對(duì)周圍其他神經(jīng)細(xì)胞產(chǎn)生抑制– 借鑒上述思想，自組織網(wǎng)絡(luò)能夠?qū)斎肽Ｊ竭M(jìn)行自組織訓(xùn)練和判斷，并將輸入模式分為不同的類型2023/3/294 網(wǎng)絡(luò)類型168。 需要訓(xùn)練– 自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)? 適用與具有典型聚類特性的大量數(shù)據(jù)的辨識(shí)– Kohunen網(wǎng)絡(luò)? 訓(xùn)練學(xué)習(xí)后使網(wǎng)絡(luò)權(quán)值分布與輸入樣本概率密度分布相似? 可以作為樣本特征檢測(cè)儀，在樣本排序、樣本分類及樣本檢測(cè)方面有廣泛應(yīng)用– 對(duì)傳網(wǎng)絡(luò)（ Counter Propagation Network）? 在功能上用作統(tǒng)計(jì)最優(yōu)化和概率密度函數(shù)分析? 可用于圖像處理和統(tǒng)計(jì)分析– 神經(jīng)認(rèn)知機(jī)等168。 不需要訓(xùn)練– 自適應(yīng)共振理論（ ART）? 分類的類型數(shù)目可自適應(yīng)增加2023/3/295 網(wǎng)絡(luò)學(xué)習(xí)規(guī)則168。 格勞斯貝格 (S． Grossberg)提出了兩種類型的神經(jīng)元模型：內(nèi)星與外星，用以來(lái)解釋人類及動(dòng)物的學(xué)習(xí)現(xiàn)象– 內(nèi)星可以被訓(xùn)練來(lái)識(shí)別矢量– 外星可以被訓(xùn)練來(lái)產(chǎn)生矢量168。 基本學(xué)習(xí)規(guī)則– 內(nèi)星學(xué)習(xí)規(guī)則– 外星學(xué)習(xí)規(guī)則– 科荷倫學(xué)習(xí)規(guī)則2023/3/296 內(nèi)星與外星外星通過(guò)聯(lián)接權(quán)矢量向外輸出一組信號(hào) A內(nèi)星通過(guò)聯(lián)接權(quán)矢量 W接受一組輸入信號(hào) P 2023/3/297 內(nèi)星學(xué)習(xí)規(guī)則168。 可以通過(guò)內(nèi)星及其學(xué)習(xí)規(guī)則可訓(xùn)練某一神經(jīng)元節(jié)點(diǎn)只響應(yīng)特定的輸入矢量 P，它借助于調(diào)節(jié)網(wǎng)絡(luò)權(quán)矢量 W近似于輸入矢量 P來(lái)實(shí)現(xiàn)的168。 單內(nèi)星中對(duì)權(quán)值修正的格勞斯貝格內(nèi)星學(xué)習(xí)規(guī)則為168。 內(nèi)星神經(jīng)元聯(lián)接強(qiáng)度的變化 Δw 1j與輸出成正比的。– 如果內(nèi)星輸出 a被某一外部方式而維護(hù)高值時(shí)，通過(guò)不斷反復(fù)地學(xué)習(xí)，趨使 Δw 1j逐漸減少，直至最終達(dá)到 w1j＝ pj，從而使內(nèi)星權(quán)矢量學(xué)習(xí)了輸入矢量 P，達(dá)到了用內(nèi)星來(lái)識(shí)別一個(gè)矢量的目的– 另一方面，如果內(nèi)星輸出保持為低值時(shí)，網(wǎng)絡(luò)權(quán)矢量被學(xué)習(xí)的可能性較小，甚至不能被學(xué)習(xí)2023/3/298 外星學(xué)習(xí)規(guī)則168。 外星網(wǎng)絡(luò)的激活函數(shù)是線性函數(shù)。它被用來(lái)學(xué)習(xí)回憶一個(gè)矢量，其網(wǎng)絡(luò)輸入 P也可以是另一個(gè)神經(jīng)元模型的輸出168。 外星被訓(xùn)練來(lái)在一層 s個(gè)線性神經(jīng)元的輸出端產(chǎn)生一個(gè)特別的矢量 A168。 對(duì)于一個(gè)外星，其學(xué)習(xí)規(guī)則為168。 與內(nèi)星不同，外星聯(lián)接強(qiáng)度的變化 Δw 是與輸入矢量 P成正比的– 當(dāng)輸入矢量被保持高值，比如接近 1時(shí)，每個(gè)權(quán)值 wij將趨于輸出 ai值，若 pj＝ 1，則外星使權(quán)值產(chǎn)生輸出矢量– 當(dāng)輸入矢量 pj為 0時(shí)，網(wǎng)絡(luò)權(quán)值得不到任何學(xué)習(xí)與修正2023/3/299 外星學(xué)習(xí)規(guī)則168。當(dāng)有 r個(gè)外星相并聯(lián)，每個(gè)外星與 s個(gè)線性神經(jīng)元相連組成一層外星時(shí)，其權(quán)值修正方式為– W＝ sr 權(quán)值列矢量– lr＝學(xué)習(xí)速率– A＝ sq 外星輸出– P＝ rq 外星輸入2023/3/2910 科荷倫學(xué)習(xí)規(guī)則168。 科荷倫學(xué)習(xí)規(guī)則是由內(nèi)星規(guī)則發(fā)展而來(lái)的168。 科荷倫規(guī)則168。 科荷倫學(xué)習(xí)規(guī)則實(shí)際上是內(nèi)星學(xué)習(xí)規(guī)則的一個(gè)特例，但它比采用內(nèi)星規(guī)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1