人工智能(神經(jīng)網(wǎng)絡(luò))45-wenkub
2023-03-10 12:28:46 本頁面
【正文】 (σ )之間的關(guān)系。有向弧的權(quán)值表示相互連接的兩個人工神經(jīng)元間相互作用的強弱。 人工神經(jīng)網(wǎng)絡(luò)的組成與結(jié)構(gòu) 1. 人工神經(jīng)網(wǎng)絡(luò)的組成 人工神經(jīng)網(wǎng)絡(luò)（簡稱 ANN）是由大量處理單元經(jīng)廣泛互連而組成的人工網(wǎng)絡(luò)，用來模擬腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。 （ 4）結(jié)構(gòu)的可塑性。突觸是軸突的終端。神經(jīng)元主要由三部分構(gòu)成： ?（ 1）細(xì)胞體 。它的研究目標(biāo)是通過研究人腦的組成機理和思維方式，探索人類智能的奧秘，進而通過模擬人腦的結(jié)構(gòu)和工作模式，使機器具有類似人類的智能。它已在模式識別、機器學(xué)習(xí)、專家系統(tǒng)等多個方面得到應(yīng)用，成為人工智能研究中的活躍領(lǐng)域。（ 2）軸突 。 2. 神經(jīng)元的功能特性 （ 1）時空整合功能。 （ 5）脈沖與電位信號的轉(zhuǎn)換。而這些處理單元我們把它稱作 人工神經(jīng)元 。 神經(jīng)網(wǎng)絡(luò)的基本概念及組成特性 圖 人工神經(jīng)網(wǎng)絡(luò)的組成 圖 M－ P神經(jīng)元模型 神經(jīng)網(wǎng)絡(luò)的基本概念及組成特性 2. 人工神經(jīng)元的工作過程 對于某個處理單元 （ 神經(jīng)元 ） 來說 ， 假設(shè)來自其他處理單元（ 神經(jīng)元 ） i的信息為 Xi， 它們與本處理單元的互相作用強度即連接權(quán)值為 Wi, i=0,1,…,n1,處理單元的內(nèi)部閾值為 θ。閾值型函數(shù)為激發(fā)函數(shù)的神經(jīng)元是一種最簡單的人工神經(jīng)元，也就是我們前面提到的 MP模型。以它為激發(fā)函數(shù)的神經(jīng)元也具有飽和特性。 ? 從輸入層到輸出層有反饋的網(wǎng)絡(luò)。 ? 按拓?fù)浣Y(jié)構(gòu)分：有反饋網(wǎng)絡(luò)和無反饋網(wǎng)絡(luò) 。 （ 2） 具有大規(guī)模并行協(xié)同處理能力。 神經(jīng)網(wǎng)絡(luò)的基本概念及組成特性 ? 人工神經(jīng)網(wǎng)絡(luò)研究的興起與發(fā)展 ?人工神經(jīng)網(wǎng)絡(luò)的研究經(jīng)歷了不少的曲折，大體上可分為四個階段 : ? 產(chǎn)生時期 (20世紀(jì) 50年代中期之前 ) ? 高潮時期 (20世紀(jì) 50年代中期到 20世紀(jì) 60年代末期 ) ? 低潮時期 (20世紀(jì) 60年代末到 20世紀(jì) 80年代初期 ) ? 蓬勃發(fā)展時期 (20世紀(jì) 80年代以后 ) 神經(jīng)網(wǎng)絡(luò)的基本概念及組成特性 ? 感知器模型 ? 感知器模型是美國學(xué)者羅森勃拉特（ Rosenblatt）為研究大腦的存儲、學(xué)習(xí)和認(rèn)知過程而提出的一類具有自學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)模型，它把神經(jīng)網(wǎng)絡(luò)的研究從純理論探討引向了從工程上的實現(xiàn)。 設(shè) xi(t)是時刻 t感知器的輸入（ i=1,2,......,n）， ωi(t)是相應(yīng)的連接權(quán)值， y(t)是實際的輸出， d(t)是所期望的輸出，且感知器的輸出或者為 1，或者為 0，則單層感知器的學(xué)習(xí)算法 感知器模型及其學(xué)習(xí)算法 感知器模型學(xué)習(xí)算法 ? 線性不可分問題 ?單層感知器不能表達(dá)的問題被稱為線性不可分問題。 即 y總等于～ x1。 也就是說 ， 單層感知器不能表達(dá)的問題的數(shù)量遠(yuǎn)遠(yuǎn)超過了它所能表達(dá)的問題的數(shù)量 。 ?多層感知器克服了單層感知器的許多缺點，原來一些單層感知器無法解決的問題，在多層感知器中就可以解決。 反向傳播模型及其學(xué)習(xí)算法 ? BP算法的網(wǎng)絡(luò)結(jié)構(gòu)是一個前向多層網(wǎng)絡(luò)，如圖所示。 ? 反向傳播用于逐層傳遞誤差，修改神經(jīng)元間的連接權(quán)值，以使網(wǎng)絡(luò)對輸入信息經(jīng)過計算后所得到的輸出能達(dá)到期望的誤差要求。 （ 4） 計算網(wǎng)絡(luò)的實際輸出和期望輸出的誤差 。 反向傳播模型及其學(xué)習(xí)算法 圖 BP學(xué)習(xí)算法的流程圖 BP算法的優(yōu)缺點： ? 優(yōu)點：理論基礎(chǔ)牢固，推導(dǎo)過程嚴(yán)謹(jǐn)，物理概念清晰，通用性好等。所以 BP算法是不完備的。 Hopfield模型及其學(xué)習(xí)算法 由于在反饋網(wǎng)絡(luò)中，網(wǎng)絡(luò)的輸出要反復(fù)地作為輸入再送入網(wǎng)絡(luò)中，這
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1