人工神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用(存儲(chǔ)版)
【正文】 n1 = b＞ 0 b＜ 0 閾值 b需取負(fù)值 根據(jù) （ ） 式得學(xué)習(xí)因子 η的值為： 修正后的權(quán) 、 閾值為： 由于 x1 = x2 = 0， 所以權(quán)值不變 。相關(guān)學(xué)習(xí)法是根據(jù)連接間的激活水平改變權(quán)值的，相關(guān)學(xué)習(xí)法也稱 Hebb學(xué)習(xí)規(guī)則，可用一數(shù)學(xué)表達(dá)式表示為： ? ? ? ? ? ? ? ?? ?txtxtwtw jijiji ,1 ???? () （ 1）選擇一組初始權(quán)值和偏差值； （ 2） 計(jì)算某一輸入模式對(duì)應(yīng)的實(shí)際輸出與期望輸出的誤差 （ 3） 更新權(quán)值 （ 偏差值可視為輸入恒為 1的一個(gè)權(quán)值 ） 式中 ， η為學(xué)習(xí)因子； y je(t)、 yj(t) 分別表示第 j個(gè)神經(jīng) 元 的期望輸出與實(shí)際輸出； x i為第 i個(gè)神經(jīng)元的輸入； （ 4） 返回步驟 （ 2） ， 直到對(duì)所有訓(xùn)練模式 ， 網(wǎng)絡(luò)輸出均 能滿足要求 。 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與學(xué)習(xí) 7. 3. 1 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 如果將大量功能簡單的形式神經(jīng)元通過一定的拓?fù)浣Y(jié)構(gòu)組織起來，構(gòu)成群體并行分布式處理的 計(jì)算結(jié)構(gòu) ，那么這種結(jié)構(gòu)就是 人工神經(jīng)網(wǎng)絡(luò) ，在不引起混淆的情況下，統(tǒng)稱為神經(jīng)網(wǎng)絡(luò)。 用一數(shù)學(xué)表達(dá)式表示為： 對(duì)于 MP模型神經(jīng)元 ， 權(quán)值 w在 （ － 1， ＋ 1） 區(qū)間連續(xù)取值 。 人工神經(jīng)網(wǎng)絡(luò)的局限性 ? 人工神經(jīng)網(wǎng)絡(luò)是一個(gè)新興學(xué)科，因此還存在許多問題。盡管人類神經(jīng)系統(tǒng)規(guī)模宏大、結(jié)構(gòu)復(fù)雜、功能神奇，但其最基本的處理單元卻只有神經(jīng)元。 神經(jīng)元的輸出矢量可以表示為： A = f ( W*P + b ) = f (∑ wj pj + b ) ( ) 可以看出偏差被簡單地加在 W*P上作為激活函數(shù)的另一個(gè)輸入分量。善于將不同領(lǐng)域的知識(shí)結(jié)合起來靈活運(yùn)用，善于概括、類比和推理。 人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與特征 ? (3) 分布式功能 ? 人們通過對(duì)腦損壞病人所做的神經(jīng)心理學(xué)研究，沒有發(fā)現(xiàn)大腦中的哪一部分可以決定其余所有各部分的活動(dòng)，也沒有發(fā)現(xiàn)在大腦中存在有用于驅(qū)動(dòng)和管理整個(gè)智能處理過程的任何中央控制部分。 人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)與特征 ? 神經(jīng)生理學(xué)的研究結(jié)果表明，人腦的神經(jīng)系統(tǒng)是一個(gè)由大量生物神經(jīng)元并行互連所形成的一個(gè)網(wǎng)絡(luò)系統(tǒng)。當(dāng)傳入沖動(dòng)的時(shí)空整合結(jié)果使細(xì)胞膜電位升高，超過動(dòng)作電位的閾值時(shí)，細(xì)胞進(jìn)入興奮狀態(tài)，產(chǎn)生神經(jīng)沖動(dòng)。 ? 神經(jīng)元中的細(xì)胞體相當(dāng)于一個(gè) 初等處理器 ，它對(duì)來自其它各個(gè)神經(jīng)元的信號(hào)進(jìn)行總體求和，并產(chǎn)生一個(gè)神經(jīng)輸出信號(hào)。 (a) 簡單神經(jīng)元網(wǎng)絡(luò)圖 (b) 簡化后的網(wǎng)絡(luò)示意圖 (1) 細(xì)胞體； (2) 樹突； (3) 軸突； (4) 突觸 圖 7. 1 簡單神經(jīng)元網(wǎng)絡(luò)及其簡化結(jié)構(gòu)圖 神經(jīng)元結(jié)構(gòu)與功能 ? 細(xì)胞體由細(xì)胞核、細(xì)胞質(zhì)和細(xì)胞膜等組成，其直徑大約為 ，大小不等。在軸突的末端形成了許多很細(xì)的分枝，這些分支叫 神經(jīng)末梢 。當(dāng)一個(gè)神經(jīng)元的所有輸入總效應(yīng)達(dá)到某個(gè)閾值電位時(shí)，該細(xì)胞變?yōu)榛钚约?xì)胞。沿神經(jīng)纖維傳遞的信號(hào)為離散的電脈沖信號(hào)，而細(xì)胞膜電位的變化為連續(xù)的電位信號(hào)。神經(jīng)元既有存儲(chǔ)功能，又有處理功能，它在進(jìn)行回憶時(shí)不僅不需要先找到存儲(chǔ)地址再調(diào)出所存內(nèi)容，而且還可以由一部分內(nèi)容恢復(fù)全部內(nèi)容。因此，大腦是一種分布式系統(tǒng)。 ? 人工神經(jīng)元的主要結(jié)構(gòu)單元是信號(hào)的輸入、綜合處理和輸出 ? 輸出信號(hào)強(qiáng)度大小反映了該神經(jīng)元對(duì)相鄰神經(jīng)元影響的強(qiáng)弱 ? 人工神經(jīng)元之間通過互相聯(lián)接形成網(wǎng)絡(luò)，稱為人工神經(jīng)網(wǎng)絡(luò) ? 神經(jīng)元之間相互聯(lián)接的方式稱為聯(lián)接模式 ? 相互之間的聯(lián)接強(qiáng)度由聯(lián)接權(quán)值體現(xiàn)。 7. 2. 2 激活轉(zhuǎn)移函數(shù) 激 活 轉(zhuǎn) 移 函 數(shù) （ Activation transfer function） 簡稱激活函數(shù) ， 它是一個(gè)神經(jīng)元及神經(jīng)網(wǎng)絡(luò)的核心之一 。人工神經(jīng)元之間通過互連形成的網(wǎng)絡(luò)稱為人工神經(jīng)網(wǎng)絡(luò)。 7. 2. 3 MP神經(jīng)元模型 MP 神 經(jīng) 元 模 型 是 由 美 國 心 理 學(xué) 家McClloch和數(shù)學(xué)家 Pitts共同提出的 ， 因此 ， 常稱為 MP模型 。 例 1 假設(shè)一個(gè) MP模型神經(jīng)元有 2個(gè)輸入： p1和 p2， 其目標(biāo)輸出記為 t， 試問它能否完成下列真值表功能 ？ 解：根據(jù)要求，神經(jīng)元的權(quán)值和閾值必須滿足如下不 等式組： 若取 b值為 ,W1和 W2取 。 分層網(wǎng)絡(luò)可以細(xì)分為三種互連形式：
外語相關(guān)推薦
鄂ICP備17016276號(hào)-1