人工神經(jīng)網(wǎng)絡及其應用之自組織網(wǎng)絡(完整版)
【正文】 神經(jīng)元之間的權值相互抑制，對于 k≠i 有 wij＜ 02023/3/2914 網(wǎng)絡模型168。 與內(nèi)星不同，外星聯(lián)接強度的變化 Δw 是與輸入矢量 P成正比的– 當輸入矢量被保持高值，比如接近 1時，每個權值 wij將趨于輸出 ai值，若 pj＝ 1，則外星使權值產(chǎn)生輸出矢量– 當輸入矢量 pj為 0時，網(wǎng)絡權值得不到任何學習與修正2023/3/299 外星學習規(guī)則168。 可以通過內(nèi)星及其學習規(guī)則可訓練某一神經(jīng)元節(jié)點只響應特定的輸入矢量 P，它借助于調(diào)節(jié)網(wǎng)絡權矢量 W近似于輸入矢量 P來實現(xiàn)的168。人工神經(jīng)網(wǎng)絡及其應用第 6講 自組織網(wǎng)絡一、自組織神經(jīng)網(wǎng)絡二、自組織競爭網(wǎng)絡三、科荷倫網(wǎng)絡四、自適應共振網(wǎng)絡五、內(nèi)容小結六、考試事宜內(nèi)容安排2023/3/292 自組織網(wǎng)絡特點 網(wǎng)絡類型 網(wǎng)絡學習規(guī)則一、自組織神經(jīng)網(wǎng)絡2023/3/293 自組織網(wǎng)絡特點168。 單內(nèi)星中對權值修正的格勞斯貝格內(nèi)星學習規(guī)則為168。當有 r個外星相并聯(lián)，每個外星與 s個線性神經(jīng)元相連組成一層外星時，其權值修正方式為– W＝ sr 權值列矢量– lr＝學習速率– A＝ sq 外星輸出– P＝ rq 外星輸入2023/3/2910 科荷倫學習規(guī)則168。網(wǎng)絡工作方式– 輸入矢量經(jīng)過網(wǎng)絡前向傳遞– 網(wǎng)絡競爭? 激活函數(shù)為硬限制二值函數(shù)? 競爭網(wǎng)絡的激活函數(shù)使加權輸入和為最大的節(jié)點贏得輸出為 1，而其他神經(jīng)元的輸出皆為 0(?)– 權值調(diào)整（可以處于訓練與工作期間）? 競爭網(wǎng)絡在經(jīng)過競爭而求得獲勝節(jié)點后，則對與獲勝節(jié)點相連的權值進行調(diào)整? 調(diào)整權值的目的是為了使權值與其輸入矢量之間的差別越來越小，從而使訓練后的競爭網(wǎng)絡的權值能夠代表對應輸入矢量的特征2023/3/2915 競爭網(wǎng)絡原理168。 競爭網(wǎng)絡修正權值的公式為– 式中 lr為學習速率，且 0＜ lr＜ 1，一般的取值范圍為 ； pj為經(jīng)過歸一化處理后的輸入168。 競爭網(wǎng)絡的學習和訓練過程，實際上是對輸入矢量的劃分聚類過程，使得獲勝節(jié)點與輸入矢量之間的權矢量代表獲勝輸入矢量168。它由多個細胞聚合而成的，在接受外界刺激后，它們會自動形成功能柱168。 理想情況– 能夠?qū)W會新的知識，同時對已學過的知識沒有不利影響– 在輸入矢量特別大的情況下，很難實現(xiàn)。 從結構上講– R層為一個競爭網(wǎng)絡，具有 s個節(jié)點，它代表了對輸入模式的分類。 本學期 《 神經(jīng)網(wǎng)絡 》 課程的全部內(nèi)容至此結束168。 成績公布時間：課程結束后十周2023/3/2936The EndQuestions Suggestions？Thanks！2023/3/2937靜夜四無鄰，荒居舊業(yè)貧。 2023/3/29 1:20:0201:20:0229 March 20231做前，能夠環(huán)視四周；做時，你只能或者最好沿著以腳為起點的射線向前。 三月 211:20 上午 三月 2101:20March 29, 20231少年十五二十時，步行奪得胡馬騎。 三月 21三月 2101:20:0201:20:02March 29, 20231意志堅強的人能把世界放在手中像泥塊一樣任意揉捏。 三月 211:20 上午 三月 2101:20March 29, 20231業(yè)余生活要有意義，不要越軌。 1:20:02 上午 1:20 上午 01:20:02三月 21楊柳散和風，青山澹吾慮。 三月 21三月 21Monday, March 29, 2023很多事情努力了未必有結果，但是不努力卻什么改變也沒有。 01:20:0201:20:0201:203/29/2023 1:20:02 AM1以我獨沈久，愧君相見頻。 神經(jīng)網(wǎng)絡更多精彩之處需要大家在今后的學習與
教學課件相關推薦
鄂ICP備17016276號-1