人工神經網絡理論與應用(編輯修改稿)
2025-06-22 02:14 本頁面
【文章內容簡介】 互連的方式稱為連接模式或連接模型。它不僅決定了神經元網絡的互連結構，同時也決定了神經網絡的信號處理方式。 人工神經網絡的分類 ? 目前，已有的人工神經網絡模型至少有幾十種，其分類方法也有多種。例如，若按網絡拓撲結構，可分為無反饋網絡與有反饋網絡；若按網絡的學習方法，可分為有教師的學習網絡和無教師的學習網絡；若按網絡的性能，可分為連續(xù)型網絡與離散型網絡，或分為確定性網絡與隨機型網絡；若按突觸連接的性質，可分為一階線性關聯網絡與高階非線性關聯網絡。 人工神經網絡的局限性 ? 人工神經網絡是一個新興學科，因此還存在許多問題。其主要表現有： ? (1) 受到腦科學研究的限制：由于生理實驗的困難性，因此目前人類對思維和記憶機制的認識還很膚淺，還有很多問題需要解決； ? (2) 還沒有完整成熟的理論體系； ? (3) 還帶有濃厚的策略和經驗色彩； ? (4) 與傳統(tǒng)技術的接口不成熟。 ? 上述問題的存在，制約了人工神經網絡研究的發(fā)展。 7. 2. 3 MP神經元模型 MP 神 經 元 模 型 是 由 美 國 心 理 學 家McClloch和數學家 Pitts共同提出的 ， 因此 ， 常稱為 MP模型 。 MP神經元模型是典型的閾值型神經元 ， 見圖 ， 它相當于一個多輸入單輸出的閾值器件 。 ． ． ． w1 w2 wr p1 p2 pr ∑ b ?????? ? ???riii bpwfA1 圖 MP模型神經元 如圖 ()所示 ， 假定 p1， p2， … ， pn表示神經元的 n個輸入； wi表示神經元的突觸連接強度 ， 其值稱為權值； n 表示 神經元的輸入總和 ， f (n) 即為 激活函數 ； a 表示神經元的輸出 ， b 表示神經元的閾值 ，那么 MP模型神經元的輸出可描述為 ()式所示： ． ． ． w1 w2 wr p1 p2 pr ∑ b ?????? ? ???riii bpwfa1圖 MP模型神經元 ? ??????? ????ri iibpwnnfa1 () MP模型神經元是二值型神經元 ， 其輸出狀態(tài)取值為 1或 0， 分別代表神經元的興奮和抑制狀態(tài) 。 如果 n ＞ 0， 即神經元輸入加權總和超過某個閾值 ， 那么該神經元興奮 ， 狀態(tài)為 1；如果 n ≤0， 那么該神經元受到抑制 ， 狀態(tài)為 0。 通常 ， 將這個規(guī)定稱為 MP模型神經元的 點火規(guī)則 。 用一數學表達式表示為： 對于 MP模型神經元 ， 權值 w在 （ － 1， ＋ 1） 區(qū)間連續(xù)取值 。 取負值表示抑制兩神經元間的連接強度 ， 正值表示加強 。 ? ????????0001nnnfA () MP 模型神經元 具 有 什 么 特 性 ？ 能完成什么功能 ？ 為了回答這個問題，我們以簡單的邏輯代數運算為例來說明。 例 1 假設一個 MP模型神經元有 2個輸入： p1和 p2， 其目標輸出記為 t， 試問它能否完成下列真值表功能 ？ 解：根據要求，神經元的權值和閾值必須滿足如下不 等式組： 若取 b值為 ,W1和 W2取 。 可以驗證用這組權值和閾值構成的 2輸入 MP模型神經元能夠完成該邏輯 “ 或 ” 運 算 。 00201021?????????????WWWW00201021?????????bbWbWbWW(1)(2)(3) (4) 不 等 式 組 真 值 表 p1 p2 t 1 1 1 1 0 1 0 1 1 0 0 0 如同許多代數方程一樣 ， 由 MP模型激活函數得出的不等式具有一定的幾何意義 ， 所有輸入樣本構成樣本輸入空間 。 對于任意特定 W和 P的值都規(guī)定了一個超平面 （ 決策平面 ） ， 其方程為： 它把超平面 Rn（ X∈ Rn） 分成了兩部分： WXb0 部分和 WXb≥0 部分 。 bXW ???? 一般地 ， N輸入的MP模型神經元有
外語相關推薦
鄂ICP備17016276號-1