計(jì)算智能ppt課件(2)(編輯修改稿)
2025-05-30 07:08 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 實(shí)時(shí)分類(lèi) P er cept r on 有 誤差修正 正向 線性分類(lèi)，預(yù)測(cè) A dal i ne/ Madal i ne 有 誤差修正 反向 分類(lèi)，噪聲抑制 BP 有 誤差修正 反向 分類(lèi) AVQ 有 誤差修正 反向 數(shù)據(jù)自組織 C P N 有 H ebb 律 反向 自組織映射 BM 有 H ebb/ 模擬退火 反向 組合優(yōu)化 CM 有 H ebb/ 模擬退火 反向 組合優(yōu)化 AHC 有 誤差修正 反向 控制 A RP 有 隨機(jī)增大 反向 模式匹配，控制 SN MF 有 H ebb 律 反向 語(yǔ)音 /圖象處理 續(xù)前表： 神經(jīng)計(jì)算 18 ?基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示 在這里，知識(shí)并不像在產(chǎn)生式系統(tǒng)中那樣獨(dú)立地表示為每一條規(guī)則，而是將某一問(wèn)題的若干知識(shí)在同一網(wǎng)絡(luò)中表示。例如，在有些神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，知識(shí)是用神經(jīng)網(wǎng)絡(luò)所對(duì)應(yīng)的有向權(quán)圖的鄰接矩陣及閾值向量表示的。 基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示與推理 神經(jīng)計(jì)算 19 ?基于神經(jīng)網(wǎng)絡(luò)的推理是通過(guò)網(wǎng)絡(luò)計(jì)算實(shí)現(xiàn)的。把用戶提供的初始證據(jù)用作網(wǎng)絡(luò)的輸入，通過(guò)網(wǎng)絡(luò)計(jì)算最終得到輸出結(jié)果。 ?一般來(lái)說(shuō)，正向網(wǎng)絡(luò)推理的步驟如下： ?把已知數(shù)據(jù)輸入網(wǎng)絡(luò)輸入層的各個(gè)節(jié)點(diǎn)。 ?利用特性函數(shù)分別計(jì)算網(wǎng)絡(luò)中各層的輸出。 ?用閾值函數(shù)對(duì)輸出層的輸出進(jìn)行判定，從而得到輸出結(jié)果。 基于神經(jīng)網(wǎng)絡(luò)的推理 神經(jīng)計(jì)算 20 論域 U到 [0,1]區(qū)間的任一映射 ， 即 ，都確定 U的一個(gè)模糊子集 F； 稱(chēng)為 F的隸屬函數(shù)或隸屬度。在論域 U中，可把模糊子集表示為元素 u與其隸屬函數(shù) 的序偶集合，記為： () 定義 模糊集合 (Fuzzy Sets) F?]1,0[: ?UF?)(uF?}|))(,{( UuuuF F ?? ? 模糊計(jì)算 模糊集合、模糊邏輯及其運(yùn)算 F?21 ?若模糊集是論域 U中所有滿足 的元素 u構(gòu)成的集合，則稱(chēng)該集合為模糊集 F的支集。 ?當(dāng) u滿足 ，稱(chēng)為交叉點(diǎn)。 ?當(dāng)模糊支集為 U中一個(gè)單獨(dú)點(diǎn)，且 u滿足 則稱(chēng)模糊集為模糊單點(diǎn) 。 定義 模糊支集、交叉點(diǎn)及模糊單點(diǎn) 0)( ?uF??F??F? 模糊計(jì)算 22 ?設(shè) A和 B為論域 U中的兩個(gè)模糊集，其隸屬函數(shù)分別為 和 ，則對(duì)于所有 ，存在下列運(yùn)算： ?A與 B的并（邏輯或）記為 ，其隸屬函數(shù)定義為： () ?A與 B的交（邏輯與）記為 ，其隸屬函數(shù)定義為： ()
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1