智能控制chap(編輯修改稿)
2024-09-11 22:13 本頁面
【文章內(nèi)容簡介】 于突觸的信息傳遞特性是可變的 ， 隨著神經(jīng)沖動傳遞方式的變化 ， 傳遞作用強弱不同 ，形成了神經(jīng)元之間連接的柔性 ， 稱為結(jié)構(gòu)的可塑性 。 通過樹突和軸突 ， 神經(jīng)元之間實現(xiàn)了信息的傳遞 。 神經(jīng)元具有如下功能： (1) 興奮與抑制：如果傳入神經(jīng)元的沖動經(jīng)整和后使細(xì)胞膜電位升高 ， 超過動作電位的閾值時即為興奮狀態(tài) ， 產(chǎn)生神經(jīng)沖動 ， 由軸突經(jīng)神經(jīng)末梢傳出 。 如果傳入神經(jīng)元的沖動經(jīng)整和后使細(xì)胞膜電位降低 ， 低于動作電位的閾值時即為抑制狀態(tài) ， 不產(chǎn)生神經(jīng)沖動 。 (2) 學(xué)習(xí)與遺忘：由于神經(jīng)元結(jié)構(gòu)的可塑性 ， 突觸的傳遞作用可增強和減弱 ， 因此神經(jīng)元具有學(xué)習(xí)與遺忘的功能 。 神經(jīng)網(wǎng)絡(luò)的分類 目前神經(jīng)網(wǎng)絡(luò)模型的種類相當(dāng)豐富 ， 已有近 40余種神經(jīng)網(wǎng)絡(luò)模型 。 典型的神經(jīng)網(wǎng)絡(luò)有多層前向傳播網(wǎng)絡(luò) （ BOP網(wǎng)絡(luò) ）、 Hopfield網(wǎng)絡(luò) 、 CMAC小腦模型 、 ART網(wǎng)絡(luò) 、 BAM雙向聯(lián)想記憶網(wǎng)絡(luò) 、 SOM自組織網(wǎng)絡(luò) 、 Blotzman機網(wǎng)絡(luò)和 Madaline網(wǎng)絡(luò)等 。 根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式 ， 神經(jīng)網(wǎng)絡(luò)可分為兩種形式： （ 1） 前向網(wǎng)絡(luò) 如圖所示 ， 神經(jīng)元分層排列 ， 組成輸入層 、 隱含層和輸出層 。 每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入 。 輸入模式經(jīng)過各層的順次變換后 ， 由輸出層輸出。 在各神經(jīng)元之間不存在反饋 。 感知器和誤差反向傳播網(wǎng)絡(luò)采用前向網(wǎng)絡(luò)形式 。 圖 前饋型神經(jīng)網(wǎng)絡(luò) （ 2） 反饋網(wǎng)絡(luò) 該網(wǎng)絡(luò)結(jié)構(gòu)在輸出層到輸入層存在反饋 ， 即每一個輸入節(jié)點都有可能接受來自外部的輸入和來自輸出神經(jīng)元的反饋 。 這種神經(jīng)網(wǎng)絡(luò)是一種反饋動力學(xué)系統(tǒng) ， 它需要工作一段時間才能達(dá)到穩(wěn)定 。 Hopfield神經(jīng)網(wǎng)絡(luò)是反饋網(wǎng)絡(luò)中最簡單且應(yīng)用最廣泛的模型 ， 它具有聯(lián)想記憶的功能 ， 如果將Lyapunov函數(shù)定義為尋優(yōu)函數(shù) ， Hopfield神經(jīng)網(wǎng)絡(luò)還可以解決尋優(yōu)問題 。 圖 反饋型神經(jīng)網(wǎng)絡(luò) ? (3) 自組織網(wǎng)絡(luò) ? 網(wǎng)絡(luò)結(jié)構(gòu)如圖所示 。 Kohonen網(wǎng)絡(luò)是最典型的自組織網(wǎng)絡(luò) 。 Kohonen認(rèn)為 ， 當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外界輸入時 ， 網(wǎng)絡(luò)將會分成不同的區(qū)域 ， 不同區(qū)域具有不同的響應(yīng)特征 ， 即不同的神經(jīng)元以最佳方式響應(yīng)不同性質(zhì)的信號激勵 ， 從而形成一種拓?fù)湟饬x上的特征圖 ， 該圖實際上是一種非線性映射 。 這種映射是通過無監(jiān)督的自適應(yīng)過程完成的 ， 所以也稱為自組織特征圖 。 ? Kohonen網(wǎng)絡(luò)通過無導(dǎo)師的學(xué)習(xí)方式進(jìn)行權(quán)值的學(xué)習(xí) ， 穩(wěn)定
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1