人工神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用-免費(fèi)閱讀
【正文】 . 學(xué)習(xí)技術(shù)分類 根據(jù)學(xué)習(xí)時(shí)是否需要外部指導(dǎo)信息，通常將神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)分為三種類型，即 : ? 有導(dǎo)師學(xué)習(xí) ? 強(qiáng)化學(xué)習(xí) ? 無導(dǎo)師學(xué)習(xí) 有導(dǎo)師學(xué)習(xí) 必須預(yù)先知道學(xué)習(xí)的期望結(jié)果 —— 教師信 息 ， 并依此按照某一學(xué)習(xí)規(guī)則來修正權(quán)值 。 第一次學(xué)習(xí)結(jié)束后， MP模型神經(jīng)元的參數(shù)為： w1 (1) = ， w2 (1) = ， b(1) = 0。 誤差修正學(xué)習(xí)法 根據(jù)期望輸出與實(shí)際輸出之間的誤差大小來修正權(quán)值。 根據(jù)神經(jīng)元之間連接的拓?fù)浣Y(jié)構(gòu)上的不同，可將神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為兩大類： 分層網(wǎng)絡(luò) 相互連接型網(wǎng)絡(luò) 1． 分層結(jié)構(gòu) 分層網(wǎng)絡(luò)將一個(gè)神經(jīng)網(wǎng)絡(luò)模型中的所有神經(jīng)元按功能分成若干層 ， 一般有輸入層 、 隱層 （ 又稱中間層 ） 和輸出層各層順序連接 ， 如圖 7. 7所示 。 取負(fù)值表示抑制兩神經(jīng)元間的連接強(qiáng)度 ， 正值表示加強(qiáng) 。其主要表現(xiàn)有： ? (1) 受到腦科學(xué)研究的限制：由于生理實(shí)驗(yàn)的困難性，因此目前人類對(duì)思維和記憶機(jī)制的認(rèn)識(shí)還很膚淺，還有很多問題需要解決； ? (2) 還沒有完整成熟的理論體系； ? (3) 還帶有濃厚的策略和經(jīng)驗(yàn)色彩； ? (4) 與傳統(tǒng)技術(shù)的接口不成熟。人工神經(jīng)系統(tǒng)的功能實(shí)際上是通過大量神經(jīng)元的廣泛互連，以規(guī)模宏偉的并行運(yùn)算來實(shí)現(xiàn)的。實(shí)際上偏差也是一個(gè)權(quán)值，只是它具有固定常數(shù)為 1的輸入。例如，一個(gè)人能很快認(rèn)出多年不見、面貌變化較大的老朋友。人類大腦的各個(gè)部分是協(xié)同工作、相互影響的，并沒有哪一部分神經(jīng)元能對(duì)智能活動(dòng)的整個(gè)過程負(fù)有特別重要的責(zé)任。每個(gè)人的大腦大約有 10111012個(gè)神經(jīng)元，每個(gè)神經(jīng)元大約有 103104個(gè)突觸，即與其它 103104個(gè)神經(jīng)元相連。相反，當(dāng)傳入沖動(dòng)的時(shí)空整合結(jié)果使細(xì)胞膜電位低于動(dòng)作電位的閾值時(shí)，細(xì)胞進(jìn)入抑制狀態(tài)，無神經(jīng)沖動(dòng)輸出。 ? 細(xì)胞膜內(nèi)外的電位之差被稱為 膜電位 。細(xì)胞體是神經(jīng)元的主體，用于處理由樹突接受的其它神經(jīng)元傳來的信號(hào)； ? 軸突是由細(xì)胞體向外延伸出的所有纖維中最長(zhǎng)的一條分枝，用來向外傳遞神經(jīng)元產(chǎn)生的輸出電信號(hào)。每個(gè)神經(jīng)元都有一條軸突，其最大長(zhǎng)度可達(dá)1m以上。在無信號(hào)輸入時(shí)的膜電位稱為靜止膜電位。 生物神經(jīng)元的功能與特征 ? (3) 脈沖與電位轉(zhuǎn)換 ? 突觸界面具有脈沖 /電位信號(hào)轉(zhuǎn)化功能。 ? (1) 記憶和存儲(chǔ)功能 ? 人腦神經(jīng)系統(tǒng)的記憶和處理功能是有機(jī)的結(jié)合在一起的?？梢?，在大腦中，不僅知識(shí)的存儲(chǔ)是分散的，而且其控制和決策也是分散的。 ? (6) 自組織和自學(xué)習(xí)功能 ? 人腦能夠通過內(nèi)部自組織、自學(xué)習(xí)能力不斷適應(yīng)外界環(huán)境，從而可以有效地處理各種模擬的、模糊的或隨機(jī)的問題。 在網(wǎng)絡(luò)的設(shè)計(jì)中，偏差起著重要的作用，它使得激活函數(shù)的圖形可以左右移動(dòng)，從而增加了解決問題的可能性。 ? 基于對(duì)人類生物系統(tǒng)的這一認(rèn)識(shí)，人們也試圖通過對(duì)人工神經(jīng)元的廣泛互連來模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。 ? 上述問題的存在，制約了人工神經(jīng)網(wǎng)絡(luò)研究的發(fā)展。 ? ????????0001nnnfA () MP 模型神經(jīng)元 具 有 什 么 特 性 ？ 能完成什么功能 ？ 為了回答這個(gè)問題，我們以簡(jiǎn)單的邏輯代數(shù)運(yùn)算為例來說明。 輸 出 層 中 間 層 輸 入 層 輸入 輸出 圖 分層網(wǎng)絡(luò)的功能層次 簡(jiǎn)單的前向網(wǎng)絡(luò)； 具有反饋的前向網(wǎng)絡(luò)； 層內(nèi)有相互連接的前向網(wǎng)絡(luò) 。誤差修正學(xué)習(xí)法也稱 δ學(xué)習(xí)規(guī)則，可由如下四步來描述； ? ? ? ? ? ?? ? ? ?txtytytwtw ijejjiji ???? )(1 ?() 例 2．考慮一個(gè) 2輸入 MP模型神經(jīng)元的學(xué)習(xí)。 b(1)≮ 0。 強(qiáng)化學(xué)習(xí) 利用某一表示 “ 獎(jiǎng)／懲 ” 的全局信號(hào) ， 衡量與強(qiáng)化輸入相關(guān)的局部決策如何 。 表 2 .1 一個(gè)二輸入 MP 模型神經(jīng)元學(xué)習(xí)過程x1x2 ηw1w2 θ 圖 2 .1 100 0 .1 0 ( b )01 0 .3 0 .2 0 .3 (c)11 0 .2 0 0 .4 0 .1 ( d )10 0 .1 0 .1 0 (e)01 0 .2 5 0 .1 5 0 .2 5 ( f )10 0 .1 2 5 0 .2 2 5 0 .1 2 5 ( g )01 0 .0 6 2 5 0 .0 8 7 5 0 .1 8 7 5 ( h )學(xué)習(xí)過程中決策直線在樣本平面的位置變化，如圖 。 )11)()()((21 ?? ?????itbtixtiw () 1. 當(dāng)輸入 x1x2 = 00時(shí)： 要使實(shí)際輸出 y = 1，必須滿足激活函數(shù)大于 0，即：
外語相關(guān)推薦
鄂ICP備17016276號(hào)-1