20xx年醫(yī)學專題—神經(jīng)網(wǎng)絡與數(shù)據(jù)融合1-預覽頁
【正文】 六頁，共五十二頁。)。,第七頁，共五十二頁。 神經(jīng)計算機的研究也為神經(jīng)網(wǎng)絡的理論研究提供了許多有利條件，各種神經(jīng)網(wǎng)絡模擬軟件包、神經(jīng)網(wǎng)絡芯片以及電子神經(jīng)計算機的出現(xiàn)，體現(xiàn)了神經(jīng)網(wǎng)絡領域的各項研究均取得了長足進展。ng)研究期（1991~）,第八頁，共五十二頁。 概括以上的簡要介紹，可以看出，當前又處于神經(jīng)網(wǎng)絡理論的研究高潮，不僅給新一代智能計算機的研究帶來巨大影響，而且將推動整個人工智能領域的發(fā)展。人類大腦的神經(jīng)細胞大約在1011一1013個左右。通過神經(jīng)元及其聯(lián)接的可塑性，使得大腦具有學習、記憶和認知等各種智能。延伸部分按功能分有兩類，一種稱為樹突(Dendrite)，用來接受(jiēsh242。,特征 (1) 并行分布處理 大腦中單個神經(jīng)元的信息處理速度是很慢的，每次約1毫秒，比通常的電子門電路要慢幾個數(shù)量級。 而在這個處理過程中，與腦神經(jīng)系統(tǒng)的一些主要功能，如視覺、記億、推理等有關。（圖片查詢/檢索）,第十二頁，共五十二頁。ng)。各個子系統(tǒng)之間具有(j249。,三、人工神經(jīng)網(wǎng)絡 人工神經(jīng)網(wǎng)絡(Artificial Neural Network，ANN)是對人類大腦特性的一種描述(mi225。是人工智能研究的一種方法。,ANN研究與應用的主要內容 (1) 人工神經(jīng)網(wǎng)絡模型的研究 ? 神經(jīng)網(wǎng)絡原型研究，即大腦神經(jīng)網(wǎng)絡的 生理結構、思維機制。 ? 神經(jīng)網(wǎng)絡的學習算法與學習系統(tǒng)。 ? 神經(jīng)網(wǎng)絡的計算能力與信息存貯容量。 ? 信號處理，自適應濾波、時間序列(x249。,ANN 與人工智能 對于智能的模擬和機器再現(xiàn)肯定可以開發(fā)拓展出一代新興產(chǎn)業(yè)。展望人工神經(jīng)網(wǎng)絡的成功應用，人類智能有可能產(chǎn)生一次新的飛躍。ir243。ng)的對數(shù)值。,定理1 N個神經(jīng)元的神經(jīng)網(wǎng)絡的信息表達能力上限為： C＜ (位)。 其中[N／2]指小于或等于N／2的最大整數(shù)。xu233。 感知器在形式上與MP模型差不多，它們之間的區(qū)別在于神經(jīng)元間連接權的變化。,感知器處理單元對n個輸入進行加權和操作： 其中， xi為第i個輸入，wi為第i個輸入到處理單元的連接權值，θ為閾值。ng)輸出，od是實際輸出，感知器的計算值， D是訓練樣本集,第二十八頁，共五十二頁。j236。,（4） 感知器的學習算法 感知器引入的學習算法稱之為誤差學習算法。)繼續(xù)。ngf249。1986年，Rumelhart等人在多層神經(jīng)網(wǎng)絡模型的基礎上，提出了多層神經(jīng)網(wǎng)絡模型的反向傳播學習算法—BP（Back propagation）算法，實現(xiàn)了Minsky的多層網(wǎng)絡設想。)，也可以采用線性傳遞函數(shù)(h225。,輸出層函數(shù) 如果輸出層是S型神經(jīng)元，那么整個網(wǎng)絡的輸出被限制在一個較小的范圍內，如果輸出層使用(shǐy242。傳遞函數(shù)均是可微的單調增函數(shù)。,標準的BP神經(jīng)網(wǎng)絡的拓撲結構由三層組成，最左層稱為輸入(shūr249。,第三十六頁，共五十二頁。更多的網(wǎng)絡層雖然能提高神經(jīng)網(wǎng)絡學習復雜映射關系的能力，但因為隨著網(wǎng)絡層的增加，神經(jīng)元及其連接權將大規(guī)模增加，所占用的計算機資源過多，網(wǎng)絡學習收斂反而慢了。修改權值的規(guī)則稱為學習算法，它可以根據(jù)經(jīng)驗或學習來改變。,第三十九頁，共五十二頁。y,第四十二頁，共五十二頁。ng)的方位角、俯仰角和速度觀測。n)性能互補, 提高對目標的跟蹤能力。因此可以采用最小二乘規(guī)則, 對紅外數(shù)據(jù)進行自己濾波，然后(r225。,在進行了有效(yǒuxi224。nt237。n)化狀態(tài)方程和觀測方程分別為,分別為目標的位置(w232。,BP網(wǎng)絡(wǎnglu242。 訓練好的網(wǎng)絡根據(jù)加速度方差在線自動調節(jié)網(wǎng)絡輸出，網(wǎng)絡輸出反饋給濾波器F2，再融合F2的加速度方差調整系統(tǒng)方差，以適應目標的各種機動變化。)后的加速度方差為,為新的自適應跟蹤(gēnzōng)算法的加速度方差,第四十八頁，共五十二頁。n)的機動目標跟蹤算法研究”,第五十頁，共五十二頁。 （第二組）,第五十一頁，共五十二頁。這種可塑性反映出大腦功能既有先天的制約因素，也有可能通過后天的訓練和學習而得到加強。ng)等
電大資料相關推薦
鄂ICP備17016276號-1