【正文】 jkkjjj wyy ?? )1(第五步：轉(zhuǎn)到第二步，循環(huán)至權(quán)值穩(wěn)定為止。 2． BP算法 兩個(gè) 階段 正向傳播階段：逐層狀態(tài)更新 反向傳播階段：誤差 BP算法的學(xué)習(xí)過程 設(shè)：某層任一神經(jīng)元 j的 輸入為 j，輸出為 yj； 相鄰低一層中任一 神經(jīng)元 i的輸出為 yi。 令 。 人工神經(jīng)元間的互連：信息傳遞路徑軸突 突觸 樹突的簡化； 連接的權(quán)值：兩個(gè)互連的神經(jīng)元之間相互作用的強(qiáng)弱。 人工神經(jīng)網(wǎng)絡(luò)發(fā)展概況 人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural Networks， ANN)： 簡稱神經(jīng)網(wǎng)絡(luò)。 抑制狀態(tài)的神經(jīng)元 由樹突和細(xì)胞體 接收傳來的興奮電位 不應(yīng)期 產(chǎn)生輸出脈沖 輸入興奮總 量超過閾值 神經(jīng)元被激發(fā) 進(jìn)入興奮狀態(tài) 由突觸傳遞給其它神經(jīng)元 人工神經(jīng)元及神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)元：生物神經(jīng)元的簡化模擬。 T21 ],[ nxxx ??X輸出層第 j個(gè)神經(jīng)元對(duì)應(yīng)第 j個(gè)模式類， θj：第 j個(gè)神經(jīng)元的閾值； wij：輸入模式第 i個(gè)分量與 輸出層第 j個(gè)神經(jīng)元間的連接權(quán)。 ? yM y1 ? x1 x2 x n ? ? ? ? 輸入層 第一隱層 第二隱層 輸出層 中間層為一層或多層處理單元； 前饋網(wǎng)絡(luò)； 結(jié)構(gòu)： 只允許一層連接權(quán)可調(diào)。 改進(jìn)的權(quán)值修正： )]1()([)()1( ?????? twtwytwtw ijijijijij ???—— 收斂快、權(quán)值平滑變化 α：平滑因子， 0α1。 經(jīng)驗(yàn)證明，當(dāng) η隨 k的增加而減小時(shí)，算法一定收斂。 —— 反饋網(wǎng)絡(luò) 相互連接結(jié)構(gòu) 前饋神經(jīng)網(wǎng)絡(luò) 感知器 感知器（ Perceptron）： F． Rosenblatt于 1957年提出。 第四個(gè)階段： 1987年至今，趨于平穩(wěn)。 (2) 很強(qiáng)的自適應(yīng)學(xué)習(xí)能力； (3) 可將識(shí)別和若干預(yù)處理融為一體進(jìn)行； (4) 并行工作方式； (5) 對(duì)信息采用分布式記憶，具有魯棒性。 神經(jīng)網(wǎng)絡(luò)的最重要特征之一。 算法描述 第一步：設(shè)置初始權(quán)值 wij(1)， w(n+1)j(1)為第 j個(gè)神經(jīng)元的閾值。