neuralnetworksandfuzzysystemschapter(編輯修改稿)
2024-11-29 17:25 本頁面
【文章內(nèi)容簡介】 ，則第 個突觸連接被抑制 ：是單調(diào)非減函數(shù)，其作用就是把激勵或膜電位 轉(zhuǎn)化為有界信號 ? ? ? ?xyi j i j i i j jm m s x s y? ? ? ?? ? ? ?i j i j i i j jm m s x s y? ? ? ?0ijm ?0ijm ? ijij()isix ? ?iisx2020/11/29 16 確定性的競爭學(xué)習(xí) （ Grossberg， 1969） 用是競爭信號調(diào)整 ‘ 信號 突觸 ’ 的差分，即： 若 ，則輸出神經(jīng)元場 中的第 個神經(jīng)元贏得競爭； 若 ，則輸出神經(jīng)元場 中的第 個神經(jīng)元輸?shù)舾偁帯? ? ? ? ?ij j j i i i jm s y s x m? ???? ??? ? 11 jjj cysye ???( 0)c? ? 1jjsy ? YFjjYF? ? 0jjsy ?2020/11/29 17 確定性的競爭學(xué)習(xí) （ Grossberg， 1969） 競爭可以歸結(jié)為 最近鄰模式匹配的問題 。 是一個度量指示器函數(shù)。 ? ?? ?? ? ? ?? ?? ?? ? ? ?? ?1 , m in ,0 , m in ,jkkjjjkkd S X m d S X mSyd S X m d S X m? ??? ????? ?jjSy2020/11/29 18 確定性的競爭學(xué)習(xí) （ Grossberg， 1969） 實(shí)際中， 是線線性的，即， 輸入模式矢量 就代表了神經(jīng)元場 中的輸出。此時，競爭學(xué)習(xí)準(zhǔn)則就成為 線性競爭學(xué)習(xí)準(zhǔn)則： ? ?i i iS x x?XFXFX? ?j i i jm S y X m? ???? ??2020/11/29 19 確定性的微分 Hebbian學(xué)習(xí) （ Kosko， 1988） 學(xué)習(xí)準(zhǔn)則 信號速度： 雖然信號可能是非負(fù)的，但是速度則可正可負(fù) ? ? ? ? ? ? ? ?i j i ji j i i j j i jm m S x S y S x S y? ? ?? ? ? ?? ? 39。ii iiiiid S x d S d x Sxd t d x d t???2020/11/29 20 確定性的微分競爭學(xué)習(xí) 學(xué)習(xí)法則： 微分競爭，只有改變了才學(xué)習(xí)，速度 使局部獎懲強(qiáng)化。 線性微分競爭學(xué)習(xí)法則 ： ? ? ? ?i j j j i i i jm S y S x m?? ???? ??jS?? ?ij j j ijm S y X m?? ???? ??2020/11/29 21 三．概率空間和隨機(jī)過程 隨機(jī)過程是隨機(jī)變量族的序列，更一般的講，是隨機(jī)矢量族的序列（即多維隨機(jī)矢量）。 隨機(jī)過程也是有序號的隨機(jī)變量，不同序號的集合定義了不同的隨機(jī)過程。 一個有限序號集定義了一個 隨機(jī)矢量 ，如 一個有限可數(shù)的序號集定義了一個 隨機(jī)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1